国家级论文发表大数据背景下的成品油质量检测革新

来源：职称驿站所属分类：物理论文
发布时间：浏览：95次

　　【摘要】随着大数据时代的来临，检测时间滞后、检测方法滞后、数据分析运用缺乏等成品油质量检测工作不得不面对的挑战。本文国家级论文发表结合大数据概念，在参考大数据技术应用经验的基础上，简单阐述了以构建成品油检测数据库为核心的革新办法。

　　【关键词】成品油,质量,检测革新,国家级论文发表

　　成品油质量管理是企业经营管理的一项重要基础工作。从经营而言，成品油质量是企业的生命，它事关企业的经营形象和经营品牌，是企业生存和发展的基石，是企业发展的永恒主题。从安全管理而言，成品油质量安全是企业安全管理的重要组成部分，它直接关系到企业经营成果安全和使用载体、用户的安全。从环保而言，成品油质量事关国家绿碳经济建设，优质的成品油是节能减排、环境保护等工作的重要基石。

　　成品油质量管控业务链条长、涉及单位多、影响因素复杂，其中成品油质量检测贯穿于整个生产(采购)、运输、储存、销售业务链条并发挥着重要作用。然而随着时代的发展，成品油质量检测工作受到的挑战日益严峻。

　　一、检测时间滞后

　　成品油检测因项目所需时间较长，加之受取样操作、加油站分布距离远、运输车辆调运等因素的影响往往造成检测速度滞后于油品销售速度，油品质量监测难以及时阻止问题油品的销售。这一问题主要集中在油品运输和销售两个方面。作为销售的最后两个环节成品油直接面向消费者，一旦发生质量事故，检测结果仅能起事后追查作用，而造成的负面影响则难以挽回。

　　二、检测方法滞后

　　成品油组分复杂，常规检测方法仅针对某一组分或者某一性质，因此只有某一新型问题暴露后才会引起相关方法的研制。此外受研制周期和检测标准跟新的制约造成检测方法滞后于成品油质量问题。以混参甲醇为例，这一问题早在数年之前就存在，但目前仍缺乏快速有效的现场检测方法。

　　三、检测数据庞大，数据分析运用缺乏

　　伴随着新型成品油质量问题的不断出现，油品质量检测方法日益增多，覆盖范围不断扩大，加之样品登记、数据留存等管理因素导致传统检测体系在庞大数据量面前日渐吃力。此外，传统上成品油检测仅针对质量合格与否，缺乏成品油检测信息的整体分析与运用，未能充分利用检测信息预测油品质量发展趋势。

　　四、检测信息化程度低，服务范围有待扩展

　　随着智能手机等移动设备的普及以及无线网与Web2.0 接口技术等方面的发展，网络用户的数量正迅猛增长，随之而来的是网络活动的日益频繁和数据服务需求的逐渐增多 [1]。同时伴随着经济状况的改善、消费理念的提升，成品油消费群体(特别是私家车群体)的目光逐渐由价格向油品质量、服务态度上转变。多元化的媒体成为消费者获取成品油质量信息的主要渠道。但是受制于传统检测理念和信息平台的建设，当下实验室信息公布能力不完善，面对着电视媒体、微博、微信等综合媒体对成品油质量的关注，不论是在范围上还是力度上实验室为销售部门提供的服务都显得苍白无力。

　　近年来，大数据成为新兴的热点问题，在科技、商业领域得到了日益广泛的关注和研究。新兴的大数据概念为我们应对上述挑战提供了新的突破口。作为一个抽象概念，正如信息学领域大多数新兴概念，大数据至今尚无确切、统一的定义[2]。研究机构Gartner 给出了这样的定义:大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[3]。IDC 在对大数据作出的定义为: 大数据一般会涉及2 种或2 种以上数据形式。它要收集超过100TB 的数据，并且是高速、实时数据流;或者是从小数据开始，但数据每年会增长60%以上[3]。当前，较为统一的认识是大数据有四个基本特征: 数据规模大( Volume) ，数据种类多( Variety) ，数据要求处理速度快( Velocity) ，数据价值密度低( Value) ，即所谓的四V 特性。大数据背景下的思维创新、基于数据的分析与决策应经渗透到医疗、零售等行业，并创造着巨大财富[4]。

　　不难看出成品油检测本质上是数据获得、分析与发布的综合过程，其产生的数据很好的符合了大数据的概念。利用大数据概念以及其他行业大数据利用经验可为当下成品油质量检测寻得新的突破。

　　五、建立成品油检测数据库

　　当下通过数据库的建立与数据分析，阿里集团实现了从500元到100万的微贷，颠覆了传统意义上的金融模式[6]。传统上，油品质量检测活动产生的数据仅作为质量合格与否的判定，长久积累所得的数据仅部分参与到决策体系中，数据预测潜力未得到开发。利用云存储、云计算等大数据技术手段建立成油品检测数据库，通过收集、处理庞大而复杂的数据信息，从中获取质量发展趋势，建立数据决策驱动模式[5]，探索并发现新的检测目标与方法，实现业务创新和流程创新。成品油检测数据库的建立将成为成品油指纹库与开放式信息平台的主要构架。

　　六、建立成品油指纹库

　　成品油组成的复杂性导致了检测项目的繁杂，以车用乙醇汽油为例国家标准规定了抗爆性等19项检测指标，而仅完成乙醇含量等16个量化指标就需要数天时间。过长的时间不利于实现成品油的现场检测和油品质量问题的应急处理。成品油组成复杂，各检测指标仅代表某方面性质，难以通过某些组成或者指标来代表油品整体性质。而近红外检测技术的发展则为破解这一难题提供了有效手段。

　　红外光谱(波长700~2500mm)主要是样品分子中X-H键(X为C,N,O,S等)在红外区域受到激发震动而产生的特定吸收波段。对于成品油而言大部分检测指标均能在红外上找出对应波长并根据吸附定律定量计算[7]，例如烯烃含量可由C=C双键震动吸收波长定量测定。得益于红外光谱分析技术的快速、准确的优点，利用红外光谱能极大的缩短检测时间。在此基础上结合成品油数据库，通过数据分析技术与红外光谱的组合运用建立成品油指纹库，将成为解决检测滞后的有效方法。

　　七、构建开放式信息平台

　　21世纪早已进入信息时代，信息的获取与发布早已成为企业发展的关键。作为企业成品油销售的重要支持，油品检测不能仅仅局限于企业内部的质量监管，特别是在当下消费群体质量意识日益提高，成品油检测信息更应面对广大顾客成为提高销售量的强效助力。销售企业在成品油检测数据库的基础上构建开放式信息平台通过多种信息渠道为消费者提供油品质量信息应经成为必然趋势。

　　大数据时代下成品油检测挑战与机遇并存，正确处理好大数据，不仅为成品油质量监测提供新的方式出路，也能为企业销售带来极大的便利。本文探讨了大数据时代下成品油质量检测的挑战，并结合大数据概念和运用经验提出了可能的应对策略。构建成品油质量数据库是检测创新的核心内容，但本文仅仅初步设想了质量数据库、成品油指纹库与开放式信息平台，相应的技术体系仍是亟需研究的应用课题。大数据时代已经到来，挑战我们荣辱与共。

　　参考文献：

　　[1]MANYIKA J. Big data: The next frontier for innovation, competition, and productivity [R].Executive Summary, McKinsey Global Institute, 2011.

　　[2]马建光等.大数据的概念、特征及其应用[J].国防科技,2013 (02).

　　[3]刘颖.医疗行业大数据分析的应用初探[J].特别策划:大数据 Big Data,2014,254(06).

　　[4]何军.大数据对企业管理决策影响分析科技进步与对策[J].31(04).

　　[5]李艳玲.大数据分析驱动企业商业模式的创新研究[N].哈尔滨师范大学社会科学学报,2014 (01).

　　[6]姚成.近红外光谱分析技术在油品质量分析中的应用[N].南京师范大学学报,第四卷第2期.

　　《国际石油经济》International Petroleum Economics(月刊)曾用刊名：世界石油经济，1978年创刊，是新闻出版总署批准的在国内外公开发行的中国石油石化行业权威的经济类刊物，内容涵盖石油及天然气领域上下游、产供销、内外贸类经济题的研究及重大信息动态的报道。《国际石油经济》主管单位：中国石油天然气集团公司，主办单位：中国石油学会石油经济专委员会;中国石油集团经济技术研究中心;中国石油规划总院，国内统一刊号：11-3112/TF，国际标准刊号：1004-7298

搜狗截图15年11月11日1617_26.png