乙二醇厂想用AI优化生产参数，找哪家供应商靠谱点？

厂子不大，但问题不小

我是宁波一家乙二醇工厂的生产负责人。厂子不算大，年产20万吨，用的也是成熟的环氧乙烷催化水合法工艺。设备中规中矩，DCS、SIS这些系统都有，平时运行看着也还行。

但说实话，问题一直有，只是以前觉得“就这样吧”。

最头疼的就是收率不稳定。同样进料量，同样牌号的催化剂，这个月的收率能到98.2%，下个月可能就掉到97.5%了。别小看这零点几个百分点，一年下来就是上百万的原料损耗。车间主任跟我抱怨，老师傅调参数全凭经验，夜班和白天班操作习惯不一样，出来的数据就波动。

能耗也是个大头。蒸汽消耗、循环水用量，总觉得有优化空间，但具体从哪下手，谁也说不准。DCS里几千个数据点，看都看不过来，更别说分析了。

去年底，老板去同行那里参观，回来说人家上了个“智能大脑”，收率稳了，能耗也降了，让我们也研究研究。这任务就落到了我头上。

找供应商，比想象中难

一开始，我觉得这事简单。网上搜“工业AI”、“参数优化”，出来一堆公司，打电话过去聊呗。

结果第一轮聊下来，心就凉了半截。

第一类，是软件公司出身的。

PPT做得是真漂亮，满屏的“数字孪生”、“智能算法”。但一聊到乙二醇具体的工艺，比如环氧乙烷水合反应温度的精调、催化剂活性衰减的补偿、副产物生成的控制，他们就有点接不上话了。他们更擅长通用的数据建模，但化工生产的逻辑，光有数据不够，得懂反应机理。

第二类，是大型自动化厂商。

他们有做化工行业的经验，方案听起来也完整。但问题就出在“完整”上——动不动就要从底层数据采集、网络改造开始，给你搭一个全新的平台。预算报出来，没有两三百万下不来，实施周期至少半年。对我们这种规模的厂来说，投入太大了，回本周期算不过来。

第三类，是一些小的“专家团队”。

价格是便宜，几十万就敢接。但他们往往只有一两个懂化工的，剩下的全是程序员。我们担心的是，项目做一半，核心人员离职了，这系统后续谁维护？出了问题找谁？

那段时间，我跟五六家供应商聊过，越聊越迷茫。感觉要么是花大钱买个大炮打蚊子，要么是图便宜买个不顶用的玩具。

我们是怎么找到“对的人”的

后来，我换了个思路。不再广撒网，而是去问真正用过、而且用出效果的同行。

我通过行业内的朋友，联系到了无锡一家规模和我们差不多的乙二醇厂。他们比我们早上半年系统，我就直接过去看了。不看PPT，就看他们中控室的大屏幕，看操作工怎么用，听他们的生产部长聊实在话。

这一趟，收获太大了。

他们用的那家供应商，规模中等，不是那种巨无霸公司。但创始人团队很有意思：几个核心成员都是从大型石化企业出来的，干过十几年生产，后来才去搞的算法和软件。用他们的话说，是“自己人给自己人做东西”。

我回来后就重点接触了这家。跟他们的技术负责人聊，感觉完全不一样。

他不跟我扯什么高深的算法名词，而是直接问：“你们反应器的温差分布图平时看吗？”“循环气中二氧化碳浓度波动大不大？”“催化剂更换周期是根据时间还是根据活性下降曲线定的？”

这些问题，句句问到生产痛点上。他能听懂我们的行话，我们知道他在说什么。这种“同频”的感觉，太重要了。

他们的方案也务实：不搞大拆大建，就用我们现有的DCS和数据，加装几台边缘计算服务器，把核心的优化算法模型部署上去，生成操作建议，推给操作工。先从一个反应工段试点，跑通了再推广。整个预算控制在一百万以内，实施周期三个月。

我们最终选他们，关键就三点：

1. 懂工艺，是内行，沟通没障碍。

2. 方案轻量、聚焦，不搞捆绑销售，钱花在刀刃上。

3. 有同行业、同工艺的成功案例，能实地去看去问。

实施那三个月，我们是这么配合的

签完合同，不是就甩手给供应商了。我们自己的配合，决定了项目成败。

第一个月，是数据准备和问题梳理。

供应商派了两个人驻厂，一个懂工艺的，一个搞数据的。我们这边，我牵头，带着工艺工程师、仪表班班长、中控主操一起配合。

第一步是“盘家底”。把DCS里所有与乙二醇合成工段相关的数据点，一个个拉出来对，确认哪个温度计、哪个压力表、哪个流量计对应哪个数据标签。这一步很枯燥，但绝不能错。我们就发现有好几个历史数据标签是错的，多年没人管。

第二步是“定目标”。优化，到底优化什么？我们和供应商一起明确了三个核心目标：

1. 在保证安全的前提下，稳定并提高乙二醇收率。

2. 降低单位产品综合能耗（主要是蒸汽）。

3. 延长催化剂的高活性运行周期。

目标不能多，要聚焦。

第二个月，是模型训练和初步验证。

供应商用我们提供的半年历史数据去训练模型。这里有个插曲：他们发现我们夜班和白班的数据模式差异很大，建议我们先把操作规范统一一下。我们就借着这个机会，重新梳理了操作规程，把一些依赖个人经验的操作，变成了明确的参数范围。

模型初步建好后，并没有直接控制设备，而是以“操作指导”的形式，在中控室旁边单独加了一个显示屏，实时给出关键参数的建议调整方向（比如：“建议将水比微调+0.05”）。

让操作工先看着，觉得有道理再手动调。这个阶段，主要是建立信任，让老师傅们觉得“这玩意儿说得还挺准”。

第三个月，是闭环试运行和调优。

等操作工习惯了，并且模型建议被验证有效后，我们才选择了几个最稳妥的回路（比如循环水流量），尝试小范围的闭环自动微调。模型只给出一个很小的调整量，操作工可以一键采纳，也可以否决。

整个过程，我们和供应商每周开一次碰头会，解决具体问题。紧张，但有序。

现在用下来，效果怎么样？

系统上线运行快一年了。说翻天覆地的变化那是吹牛，但实实在在的好处有几个：

第一，收率稳了。 以前月平均收率在97.8%上下波动0.5%，现在能稳定在98.3%，波动不超过0.2%。你别小看这0.5%的提升，一年20万吨产量，原料乙烯和氧气省下来的钱，算算有七八十万。这是最硬的收益。

第二，操作工轻松了，夜班质量有保证。 以前夜班主要靠经验，现在系统能24小时盯着，出现微小偏离趋势就预警。主操从频繁手动调整中解放出来，更能关注整体运行和安全。夜班和白班的产量、质量差异明显缩小了。

第三，能耗下来了。 通过对反应温度和压力更精细的协同控制，蒸汽用量降了大概3.5%，一年也能省下二三十万的能耗成本。

第四，有了“数字老师傅”。 系统把长期运行下来的最优参数组合都记录和学习下来了。现在新员工上岗，除了看操作规程，还能看这个系统是怎么建议的，学得快，上手准。

当然，也不是所有问题都解决了。

比如，遇到原料质量大幅波动（比如乙烯纯度突然变差），模型有时候反应会慢半拍，还是需要老师傅介入。再比如，催化剂的初始建模是基于上一批的，换新批次催化剂后，模型需要一段时间重新学习适应。

总的来说，这钱花得值。初期投入大概90万，按照现在的节能降耗效果，一年半左右能回本。更重要的是，生产过程更平稳、更可控了，这是花钱也难买来的。

如果重来一次，我会注意这几件事

摸着石头过河，总结了几条经验，给想尝试的同行朋友参考：

1. 别贪大求全，先聚焦一个点打透。 千万别一上来就要搞全流程、全装置优化。就从你最痛的那个点开始，比如就优化一个反应器，或者专门降低蒸汽单耗。做出效果，树立信心，再慢慢推广。

2. 供应商懂不懂你的工艺，比技术牛不牛更重要。 一定要找有化工行业背景，最好是做过同类产品的团队。让他们的人来跟你聊，聊工艺细节，聊生产难题，聊得下去才能合作。

3. 数据是基础，但别被数据吓住。 不用一开始就追求数据百分之百干净、百分之百全面。先确保核心的、关键的数据是准的、全的。系统上线后，它会帮你发现更多数据问题，边用边完善。

4. 人的因素最关键，要带着员工一起干。 不要搞成“上面强推，下面抵触”。一定要让车间主任、工艺员、主操参与进来，让他们理解这不是来抢饭碗的，而是来帮忙的“高级工具”。他们的经验和反馈，是项目成功不可或缺的部分。

5. 算好经济账，明确投入产出。 上之前，自己先算算，按目前的物料价格和能耗，收率提升多少、能耗降多少，多久能回本。带着明确的目标去谈方案，不容易被忽悠。

写在后面

AI参数优化这东西，现在听起来不新鲜了，但真要落到自己厂里，还是得步步小心。它不是什么“万能神药”，不能解决所有问题，但它确实是一个好用的“增效工具”，能把老师傅的好经验固化下来，能让生产运行更贴近理论最优曲线。

对于我们这种规模的工厂来说，不求最先进，但求最适用、最可靠。钱要花在刀刃上，效果要看得见摸得着。

如果你也在考虑这件事，正在为找供应商头疼，我的建议是多看看同行的真实案例，多聊聊工艺细节。想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑。

说到底，适合自己的，才是最好的。