当前，我国流程工业在信息流、资金流、物质流、能量流等方面的数字化、智能化水平仍然不高，这是影响流程工业智能制造和转型升级的重要因素。从企业问卷（图3-4）来看，接近50%的样本认为我国流程工业基本实现或完全实现了数字化、智能化，其中在安全环保^[15]、质量检验方面的数字化、智能化水平最高，在设备运维、智能控制、工艺优化方面的数字化、智能化水平较低，特别是在智能控制方面，认为完全没有实现和有差距的比例总和超过了20%，说明我国流程工业在利用数字化、智能化技术实现智能控制方面亟待改进和提升。

图3-4　我国流程工业数字化、智能化现状（企业问卷）

总体来看，我国流程工业主要有以下一些问题。①在以信息流为主的信息感知与集成层面：物料属性和加工过程部分特殊参量无法快速获取，大数据、物联网和云计算等技术在物流轨迹监控，以及生产、管理和营销优化中的应用不够，各类实时信息的快速获取和信息系统集成有待提升。②在以资金流为主的经营决策层面：供应链管理与装置运行特性关联度不高，产业链分布与市场需求不匹配，知识型工作自动化水平低，缺乏快速和主动响应市场变化的敏捷决策机制。③在以物质流为主的生产运行层面：物质转化机理与装置运行信息融合度不高，缺乏能够根据实际生产过程的动态实时运行数据进行全流程协调控制与优化的核心技术，面向高端制造的工艺流程和操作模式分析的认知能力不足，虚拟制造技术水平亟待提高。④在以能量流为主的能效安全与环境层面：能源综合利用技术有待发展，废水、废气、固体废弃物的全生命周期足迹缺乏跟踪和溯源，危险化学品缺乏信息化集成的流通轨迹监控与风险防范。^[16]

具体来看，我国流程工业在数字化、智能化方面的问题主要体现在以下几个方面。

1.基础数据采集困难

一方面，流程工业企业设备众多，包括罐类、塔类、阀门类、泵类、换热器类、透平机类、风机类、锅炉类、汽轮机类、管道类、仪表类、化验分析类等，当前对这些设备的管理基本靠人工和纸质台账进行管理^[17]，缺少基于大数据的系统性和实时性管理，对设备的长期稳定运行和安全管理带来较大的挑战；另一方面，流程工业在生产过程中会产生大量的实时动态数据，包括仪器仪表数据、生产实时状态数据、物料及能源的输入输出数据等，这些实时数据的采集是建设工业互联网、进行数字化模拟、实现智能化运行的基本前提，当前我国流程工业对这些基础数据的采集仍然存在较大的困难。(www.daowen.com)

2.数据类型不同，融合困难

从生命周期的角度来看，不同的阶段，如制造、储存和道路运输，都有各自的特性和专门的知识。在生产过程中，会产生不同类型的数据，如生产数据、管理数据、安全监控数据、环保监测数据、气象环境数据、原材料质量等^[18]。但是，这些信息和数据来自不同的系统，其数据的采样率、格式和收集方法等都存在一定的差异，不同规格的数据很难集成到一个数据平台中使用，并且在不同的生命周期过程中收集的数据背后有不同的规程，将事实数据和知识集成到一致的系统中也是一项具有挑战性的工作^[19]。这些都是当前流程工业企业在数据融合方面面临的共性问题。

3.缺乏预警和风险跟踪系统

在流程工业中，有效的预警机制至关重要，从多数事故的发生来看，缺乏有效的预警机制是其中的关键因素。当前，多数流程工业的生产过程都依靠自动化系统实现，工艺参数的微小波动都有可能对全流程生产过程带来影响。当前对微小波动的监控主要依靠监控人员和操作人员凭借经验来完成，但是由于始终存在的人为因素和生产过程的复杂性，完全的动态监控还难以实现。未来的安全监控需要建立一个基于复杂过程的监控系统，能够实时监控生产过程中出现的微小异常情况，并提供可能的原因，描述可能产生的后果，这有赖于基于基础大数据的智能化系统，目前尚难实现。^[20]