基于工业大数据技术的工业智能蕴藏着巨大商业价值，受到越来越多工业企业的关注。工业领域的生产装置有大量的传感器，无时无刻不在产生数据。工业企业期望基于工业大数据技术为企业带来新的生产方式、商业模式和效益增长点。但工业数据集变量多，变量之间强耦合、时变时滞，训练难度高于文字语料。另外，工业领域特别是工业控制环节相对封闭，对准确性、可靠性和安全性要求极高。现有的AI大模型的通用能力主要通过语言和视频进行承载，难以触及工业核心场景，亟需构建工业专用AI 大模型能力。

流程工业时序大模型TPT（Time-SeriesPre-trainedTransformer），是一款基于工业时间序列数据构建的通用AI 模型，可以实现基于同一个模型对不同装置的生产过程进行模拟和预测，将工业生产过程中必需的模拟类、优化类、控制类、分析类等工业应用融为一体提升工业装置的智能化水平。

工业企业通过应用TPT，能有效解决工业应用分散、数据应用碎片化等难题，实现工厂从原来的N 个模型对应N 个应用，到现在由以TPT 模型为基座打造支撑多种应用场景的新模式。基于TPT 大模型支撑多个工业应用的能力，为工业企业内部、装置间的实时连接提供数据互通、应用交互的新方式，降低工艺和流程等工业软件的开发门槛，弥合不同工业软件应用而导致的企业数据流动过程中的多个断点，提高生产效率。TPT 大模型将推动数据在流程工业研发、生产、运维、供应链、配送及服务等环节高效流动，从而提升流程工业企业内部、甚至产业链上下游之间的协同效率，推动流程工业走向“智能协同生产”。

AI 大模型的通用性、泛化性，及基于“预训练+微调”的新开发范式，将从研发设计、生产工艺、运维质控、销售客服、组织协同等各个环节赋能流程工业。AI 大模型进入流程工业的核心价值重点在于进入生产控制环节，尤其是DCS、PLC、SCADA 等生产环节最核心的控制系统。提升工艺生产流程的智能化，是AI 大模型应用于重工业与流程工业的关键标志。

流程工业时序大模型TPT 主要针对有时间标签的数值型数据进行训练，提取各个数据在时间、空间维度上的相互关系和规律，针对工业数据场景设计，对现有Transformer 架构进行改进，研发创新多变量注意力机制，使其能够在海量的变量中精准捕捉变量的相关性，实现精确预测。针对多时间尺度的应用场景，TPT 可实现高效率的跨时间尺度预测。TPT 主要用于模拟装置的稳态和动态特性，准确预测下一个周期的装置状态变化，并在此基础上进行预测预警、风险评估和策略优化，并能表现出适应工业生产场景特别是满足工业控制要求的可靠性和准确性。

TPT 将基于不同行业海量生产运行、工艺、设备及质量等数据，深化融合训练。基于TPT 的模拟和预测能力，构建生产监督、自主优化工具箱，将模拟与预测能力融于一体，能够大幅提升建模效率，统一模拟类、优化类、控制类、分析类、培训类等工业应用。通过少量微调或零微调，即可在不同装置和工况间复用，具备跨工况、跨装置适配能力，实现高精度、高可靠性的闭环应用，彻底解决数据应用分散及碎片化等难题，实现由以TPT 模型为基座打造支撑多种应用场景的新模式。

图1 技术架构图

TPT 拥有模拟和预测能力，可模拟分析工艺参数、生产指标运行状态、设备健康状况，能预测工艺参数、生产指标、设备健康的未来变化趋势。TPT 能全天候实时监督装置的运行状况，并提供工艺参数、生产指标、设备健康等检测报告，降低人员操作劳动强度，保障长效经济运行；给生产装置配“智慧大脑”，让装置会思考、能说话，并像专家一样监督和优化装置运行，实现提效率、稳运行、增收益的目标。

TPT 产品主要支撑自主监督和自主优化两类应用，且可通过对应的工具箱统一进行配置和组态开发。

生产监督工具箱实现装置的运行状态跟踪、设备健康评估、生产效率评价等功能，可模拟分析工艺参数、生产指标运行状态，以及基于工艺参数表征的设备健康状况；对生产需求、原料与能源消耗、生产效率、设备健康状况、工艺参数未来趋势等进行预测，提前发现异常，并制定有效应对策略，提前干预，可以大大提高企业的安全性和生产效率。TPT将全天候实时监督装置的运行状况，跟踪装置运行状态，并提供工艺参数、生产指标、设备健康等检测报告，降低人员操作劳动强度，保障长效经济运行。

自主优化工具箱依据装置设定的质量、能耗、收率、转化率等优化目标，根据装置的不同工况、不同负荷等因素变化，自主选择优化目标，实现自主优化，优化调整过程操作参数，对装置能耗、效益、质量等指标进行优化，以实现提高生产效率、降低生产成本、提高产品质量、最大化装置生产效益等目标。TPT 对装置进行真实的动态模拟，孪生装置的各类动态特性，对生产装置运行实现完全的复制与再现，由此，将实现动态工艺研究验证、控制策略验证，先进控制辅助设计等系列功能，能大幅降低装置波动，稳定装置运行。

流程工业时序大模型TPT 作为新的生产力工具，将使AI应用从内容领域（文生文、文生图等）深度扩张到生产实体领域，引发流程工业生产制造等各个环节新的效率革命，加速流程工业走向智能化。在生产运行环节，基于大量工业时序数据训练的时序大模型，能够生成控制策略、操作方案、运营决策方案等，帮助工业企业及时发现改进环节、制定供应链优化方案，全面赋能工业解决安全、质量、低碳及效益等方面的问题。在运维环节，时序大模型可从大量数据中捕捉数据间的内在规律和关联关系，及早发现设备异常、风险瓶颈，自动生成运维方案从而实现预测性维护，降低工业生产风险。作为工业人工智能领域前瞻性的技术产品，工业时序大模型，将进入工业控制环节，帮助工业企业更好地理解和利用工业数据，推动着新型工业化的不断深化和提升。

（一）TPT+安全

TPT 基于海量同类装置数据训练，实现一个模型覆盖装置所有工艺参数实时预测预警，自动获得参数的合理区间及趋势预测，有效异常风险的预警能力，预警准确率提高至95%以上。TPT 将装置工艺及设备参数进行融合训练，通过大模型捕捉所有工艺和设备参数间的内在关系，工艺数据变化情况更早的预测设备异常状态并定位原因。

（二）TPT+质量

基于TPT 的长短周期预测能力，预测工业装置过程质量参数的变化趋势，提前干预调整，避免质量过剩或不合格，实现质量全过程精准预测与优化控制，操作频次降低30%，平稳率提升45%以上。

（三）TPT+低碳

基于TPT 的模拟能力，对公用工程装置进行精准模拟，预测工艺生产装置的能耗需求，优化公用工程系统的设备负荷，调整过程运行参数，实现装置运行能耗最低，节能低碳运行，锅炉等装置降低能耗1%以上，制冷及循环水、压缩空气等系统能耗降低10%以上。

（四）TPT+效益

基于TPT 的模拟与预测能力，对生产装置进行精准模拟及预测，在装置生产负荷、产品质量不变的情况下，优化调整过程操作参数，实现装置收益最大化。

图2 TPT 智能应用

目前，基于TPT 大模型的跨装置、跨工况、跨应用场景能力，已实现同一个大模型在氯碱、热电等不同生产装置上的应用，并取得显著应用效果。

某大型离子膜烧碱装置现有的报警和优化装置，不能满足公司及装置管理者对安全和智能化的更高要求，也难以发掘历史数据的潜力价值。因此，希望采用信息化、工业大数据等技术，建设智能预警、智能优化系统，提高装置异常识别水平和运行效率。中控技术融合合作伙伴数据与自身行业经验，向该客户提供氯碱工艺特化TPT 大模型及配套软件。

图3 典型案例系统架构图

TPT 大模型从4 大数据底座运行管理系统OMC、全设备智能感知平台PRIDE、全流程智能质量监控平台Q-LAB 和流程工业过程模拟与设计平台APEX 分别获取运行数据、设质量数据和工艺数据,通过工厂操作系统，将数据提供给TPT时序大模型进行预训练，预训练的模型可以进行微调，生产适用于各氯碱企业的特定准确的预测模型。利用该模型，氯碱企业可以实现智能问答（如自动生成生产报表、操作提示等）、装置监盘、监盘预测预警、电解槽槽压预警、离子膜寿命预测、电解槽电流负荷动态分配、AI 控制、人员培训等功能。

图4 应用配置和组态界面

预警需求

离子膜烧碱装置中的离子膜性能易衰减且根因难定位，难以捕捉寿命周期。同时因为物料腐蚀性强、易燃易爆，设备“跑、冒、滴、漏”风险大，导致运行工况苛刻、排查隐患优先级极高的问题。TPT 驱动的预测模型实现了总电压、离子膜寿命的长周期预测。同时，基于大量未标记的时间序列数据，利用AI 时序大模型架构让模型具备判断异常片段的能力，完成下游无监督异常检测任务。

图5 槽温槽电压预测

预警应用效果

能够准确指导电解槽计划性更换离子膜。实现化工氯碱单元89 个阀门故障预警，判定1 个阀门确定故障、12 个初期异常警报。对电解槽16 个关键变量实现全覆盖工艺预警，及时推送相关风险，有效降低安全隐患。

优化需求

离子膜烧碱装置中的离子膜最佳使用周期难以定量评估。另外，工艺本身控制要求范围窄、反馈滞后时间长，具有调整手段靠摸索、调整周期长的痛点。TPT 驱动的预测模型实现了全方位的自动优化，能够针对离子膜烧碱装置工艺特点，结合预测模型返回的离子膜寿命预测数据，建立涵盖换膜采购成本、安装成本、维修停车损失、维修额外电费成本、产量收益增减的综合优化方案，确定离子膜最佳运行周期。

图6 离子膜寿命预测

优化应用效果

更换膜后提高产量，降低吨碱单电耗，预计节省200 万经济效益。烧碱生产综合能耗降低大于0.5%。32%碱液合格率达100%，浓度稳定控制波动小于0.1。

TPT 基于不同行业海量生产运行、工艺、设备及质量等数据，深化融合训练，构建了一套面向流程工业核心场景如安全预警、设备运维、优化控制等应用的大模型及系统架构。TPT 实现了由一个算法框架覆盖模拟、预测等不同核心任务，具备动稳态模拟、长短周期预测等核心能力，简化传统机理建模、模拟优化、控制策略优化及参数评估整定等不同技术交叉应用的流程及门槛，大幅提升工厂建模效率及统一模拟类、分析类、优化类、控制类、培训类等工业应用能力，解决数据碎片化、工业应用分散等难题，构建以一个模型为基座打造支撑多种应用的新模式。

工业企业通过流程工业时序大模型TPT 的应用，确保生产运行、设备得到安全有效的监控，自动发现运行异常，实现生产运行、设备异常的智能预警甚至自动处置。基于工业时序大模型可实现对能耗、质量、产量、安全等多维度指标进行实时优化，结合智能控制算法实现闭环控制运行，实现生产效率提高、生产运行优化、效益提升目标。鉴于实践经验，流程工业时序大模型TPT 可在石化、化工、钢铁、建材、食品、医药等流程工业进行推广。