本成果研发出基于风险的炼化设备智能管控“三步法”，将“精细化”理念贯穿于生产管理全过程。项目具有诸多创新点，通过开展“务虚”策划，提前策划总体方案，搞好“务实”设计，推动项目运行，强化“落实”执行，确保实现炼化设备智能管控高质量应用。采用大数据技术对历史数据库进行数据挖掘，建立基于运行状态的特征模式库，智能判定设备健康状态。集成各企业机组振动监测，实现横向对比积累数据。为企业解决短期内快速培养出大量综合型高素质管理人员的问题。该项目自上线运行以来，系统共智能预警55台次，预警准确率92.7%，准确预警了广州石化裂解气压缩机驱动汽轮机结垢等机组故障并提出了在线操作调整及维护策略。对2台烟气能量回收机组和1台汽轮机发电机组的突发性故障做出诊断，提出了检维修维护策略。成功避免一次非计划停车，可节约检修（不更换部件）费用50万元。目前避免机组非计划停车约20台次，为中石化企业节约费用1000余万元。2台故障机组提前2天恢复正常生产。按平均每台次可以增加生产效益800万元计，多创效1600万元，带来的经济效益合计2605.9万元，经济效益显著。形成了两项软件著作权《石化机组智能诊断系统》《石化机组健康状态评估与趋势预测系统》，获得中华人民共和国版权局认证。申报的《一种基于全状态信息的机组故障快速诊断方法》《在役转动设备机械密封泄漏故障预测方法》等2项发明专利获得国家知识产权局的授权。成果在所用企业取得了良好的应用效果，依托本项目成果创立了屈世栋劳模工作室，2022年被中国设备管理协会评选为第十二届“设备工程大工匠工作室”。作室负责中石化总部和天津分公司20余项课题的研究开发工作，新技术、新成果不断转化应用于现场设备运行指导中。工作室共撰写30余篇相关技术论文和一本专业技术图书，2项发明专利获得国家知识产权局授权。《流程工业旋转机械健康监测与智能运维关键技术及智能应用》项目获2021年度中国石油和化工自动化行业科学技术奖一等奖。 研发基于风险的炼化企业设备智能管控平台，采用大数据技术对历史数据库进行数据挖掘，通过运行实时状态与故障特征模式库的分类对比，智能判定设备健康状态。建设中石化关键机组大数据中心，实现关键机组状态全寿命周期的大数据管理、大数据分析，构建监测诊断案例库、故障模型库等在内的知识库。 一是针对机组渐变性故障早期预警能力不足且故障数据未有效挖掘利用问题，创新采用数据驱动的动态自学习阈值和双向长短期记忆网络（Bi-LSTM）研发早期故障预警模型，形成基于实时振动数据的综合智能报警策略，实现机组早期故障智能预警功能，为发挥中国石化规模优势迭代提升机组智能预警和故障诊断能力打好了数据模型基础；建立了一套集状态监测、检维修策略服务、数据管理等功能于一体的关键机组远程诊断系统，真正实现关键机组专业化管理，为完整性管理体系、智能工厂建设提供技术支撑。 二是集成10家企业机组振动监测，实现横向对比积累数据。打破传统设备管理理念，将生产元素纳入设备管理范畴。按照10家企业个性化监测需求，在平台中引入与设备运行息息相关的工艺参数，辅助机组运行状态评价。设备管理的概念不再局限于设备本体的管理，它和生产管理、辅助系统管理等元素相互交织，互相影响。 三是基于智能化监测的关键机组集中管理，为企业解决了无法在短期内快速培养出大量既懂专业技术又懂业务管理的综合型高素质管理人员的问题。 四是为保证关键机组远程诊断中心的良性运营，设立中心组织机构，规范中心各项管理制度，设置专职监测岗位、诊断岗位以及专家岗位。制定应急响应措施、应急响应程序、联络机制等。