# 灯塔案例 | 壳牌卡塔尔GTL

> 全球最大GTL工厂，日均26万桶液体燃料产能，45项4IR方案将可靠性推至99%、设备寿命延长50%——这是流程工业数字化转型的天花板。
>
> 第14批 · 2025年09月 · 生产效率灯塔

## 企业名片

| 字段 | 值 |
|------|------|
| 灯塔编码 | 21514QA05 |
| 企业名称 | 壳牌卡塔尔GTL |
| 所在地 | 卡塔尔 · 卡塔尔 · 拉斯拉凡 |
| 行业 |  · 流程工业 · 原油加工/合成油 (GBT ) |
| 灯塔类型 | 生产效率 |

---

## 3大核心案例

### ① ① AI结构完整性管理 核心用例

**业务痛点：** ⚠️ 痛点：GTL工厂涉及高温高压反应器、数千公里管道，传统人工巡检无法覆盖全部设备，腐蚀和壁厚减薄隐蔽性强，一旦泄漏后果严重。

**解决思路：** 💡 方案：构建数字孪生 + AI驱动的结构完整性管理平台，实现从"定期巡检"到"实时预测"的范式转变。

**实施路径：** Step 1 — 数字化建模：建立全厂数字孪生平台，对管道、反应器、储罐等关键资产进行三维数字化建模，整合设计参数、运行数据和历史维修记录。 Step 2 — 智能传感部署：在关键监测点部署无线壁厚监测传感器(WAND-TMS)，利用NDE 4.0技术实现连续数据采集，替代传统定期超声波测厚。 Step 3 — AI模型训练：基于历史腐蚀数据和运行参数训练机器学习模型，预测关键设备的剩余壁厚和退化速率，识别高腐蚀风险区域。 Step 4 — 实时预警联动：将AI预测结果与操作控制系统集成，当监测到异常退化趋势时自动触发维护工单，实现从被动响应到主动干预的闭环。

**关键数据：** 📊 核心成效：设备寿命延长50%（5年内），从被动维修转向预测性维护，避免非计划停机每年节省数百万美元。

**技术标签：** 03.01.01 | 05.01.02 | 01.03.01


---

### ② ② 一线团队赋能 核心用例

**业务痛点：** ⚠️ 痛点：Pearl GTL占地相当于一个城市，操作人员在现场巡检时获取实时数据和专家支持的效率低下，纸质工单和手动记录导致信息延迟和错误。

**解决思路：** 💡 方案：通过智能穿戴设备和移动数字平台，将实时数据和分析结果直接推送到一线操作人员手中，实现"数据找人而非人找数据"。

**实施路径：** Step 1 — 移动终端部署：为一线操作人员配备防爆iPad和RealWear头戴式智能设备，替换纸质巡检单和手动记录流程，数据采集效率提升3倍以上。 Step 2 — 实时数据贯通：将数字孪生平台的AI预测结果、设备健康状态和异常告警直接推送至一线人员设备，操作工在现场即可查看管线壁厚趋势和风险等级。 Step 3 — 远程专家协作：通过RealWear摄像头功能实现"所见即所得"的远程专家支持，操作人员可将现场画面实时传输给控制中心工程师，获得即时诊断和操作指导。 Step 4 — AI辅助决策：在移动端集成AI安全监控（机器视觉自动识别不安全行为）和设备健康度评分，一线人员在执行任务前可获得风险提示和操作建议。 Step 5 — 文化变革推动：建立联合数字工作小组(Integrated Digital Pod)，Shell、QatarEnergy和技术供应商三方协作，推动"技术+人"的融合文化。

**关键数据：** 📊 核心成效：大幅降低人工巡检依赖，实时数据推送减少决策延迟，一线团队响应速度显著提升，为工厂连续安全运行提供保障。

**技术标签：** 01.02.01 | 07.01.02


---

### ③ ③ 资产可靠性优化 核心用例

**业务痛点：** ⚠️ 痛点：全球最大GTL工厂拥有数万台旋转设备和静设备，传统基于固定周期的预防性维护导致"过度维护"与"欠维护"并存，产能损失和维修成本居高不下。

**解决思路：** 💡 方案：基于AI预测性维护和实时性能监控，将可靠性从行业平均90%提升至99%，同时降低维护成本和排放。

**实施路径：** Step 1 — 设备健康数据采集：在关键旋转设备（压缩机、泵、涡轮）上部署振动传感器、温度传感器和油液分析仪，实时采集设备运行状态参数。 Step 2 — AI预测模型构建：基于设备运行历史数据训练机器学习模型，预测关键设备的剩余可用寿命(RUL)和故障概率，优化维护窗口安排。 Step 3 — 智能维护调度：将AI预测结果与生产计划系统联动，自动生成最优维护排程，避免与高负荷生产期冲突，同时确保设备在安全裕度内运行。 Step 4 — 闭环优化提升：每次维护后采集实际故障数据和AI预测偏差，持续训练模型提升预测精度，形成"预测→验证→优化"的闭环。

**关键数据：** 📊 核心成效：可靠性提升至99%，现场吞吐量提高9%，排放量降低7%。Shell内部连续两年获Asset of the Year、2023年Digital Asset of the Year。

**技术标签：** 05.01.01 | 03.02.01 | 08.01.02


---

## 绩效改善总览

| 指标 | 改善 | 领域 | 技术 |
|------|------|------|------|
| 现场吞吐量 | ↑ 9% | 约26万桶/天 | 同等设备条件下多产液态碳氢化合物，直接转化为营收增长 |
| 设备可靠性 | ↑ 9pp | 99% | 近乎满负荷连续运行，非计划停机大幅减少，维修成本显著降低 |
| 排放量 | ↓ 7% | 减少7% | 流程优化和高效设备管理直接降低温室气体排放，助力Shell净零目标 |
| 设备寿命 | ↑ 50% | 延长50% | 5年内设备寿命延长一半，推迟大规模资产置换投入，节省资本支出 |
