石油石化数据中心趋势研究论文

目前，全球石化工业已形成美亚欧三足鼎立的格局，截止2005年底世界炼油能力亿吨/年，其中北美、亚太和西欧地区分别占24%、26%和18%；世界乙烯生产能力亿吨/年，其中北美占世界总能力的30%，亚太和西欧地区分别占27%、21%。亚太地区的5大通用合成树脂、合成化纤和合成橡胶的产量已超过北美居世界第1位。未来5年中东和包括中国在内的亚太地区，将是全球炼油和石化产能增长最快的地区，亚洲将成为世界最大的石化市场。同时世界石化工业发展趋向大型化、基地化和炼化一体化，产业集中度越来越高。 2006年12月11日中国成品油批发业务的放开，标志着我国石油石化业入世后过渡期的结束。回首过去5年，中国石油石化业在内外发展环境、行业自身发展及市场状况等方面发生了巨大、深刻而不可逆转的变化：中国石油石化市场走向全面开放，市场主体多元化竞争格局形成，政府监管体系日渐完善并走上法制化轨道。在开放中中国石油石化业进一步发展，在改革重组中，中国国有石油石化企业逐步做大做强。然而，我国的石油石化企业同时也正面临着来自国内外全方位的竞争。在《财富》杂志排名中被列入世界500强的大型石油石化公司几乎已全部在我国投资建厂或设点，埃克森美孚、壳牌、BP、道达尔、巴斯夫、杜邦、拜耳、道化学等跨国公司，大多已全面进入我国石油石化行业，进入除批发以外的上中下游各个领域。 我国经济正处于稳步快速发展阶段，国内对石油石化产品的需求快速增长。专家预计到2010年，我国汽煤柴需求量将为亿至亿吨，乙烯需求当量将达到2500万至2600万吨。巨大的石油石化产品需求潜力，将为我国石油石化企业进一步拓展市场、做大总量提供难得的战略机遇和良好的市场条件。可以预见“十一五”期间，中国石油化工行业必将迎来一个充满生机的全新发展时期。面对快速增长的石油化工市场，我国企业该如何把握时机、迎接挑战，并根据行业发展趋势制定发展战略呢？另外石油化工行业从业者，包括来华投资经营的外商也必须时刻了解、研究自身所处的市场环境，才能审时度势、掌握趋势，在不断遇到新情况、不断解决新问题中发展壮大。 2007年我国石油化工行业原油产量增幅保持2006年的水平，天然气产量超过2006年；原油加工量保持增长，炼油毛利有所改善，成品油批零价差趋于正常。 2008年，世界石油需求依然旺盛全球经济保持稳定快速增长导致石油需求旺盛。 国际能源署的最新报告显示，2008全球石油日需求量8780万桶，同比增加210万桶，增长。欧佩克在12月份石油市场月报中预计，2008年全球石油日需求量8706桶，同比增加132万桶，增长。而美国能源情报署12月份能源展望月报预计，2008年全球石油日需求量为8716万桶，同比增加138万桶，增长率为。其中中美需求增量占世界增量的49%左右。 尽管三大国际机构预测增幅不完全一致，但均认为2008年国际石油需求将保持稳定增长的基本趋势。 如果伊朗核问题等地缘政治风险没有明显恶化，不发生重大突发事件，国际油价年平均价位将在每桶75美元左右的高位运行。但是，如果伊朗核问题演变为美伊军事冲突，或出现飓风袭击等重大突发事件，短期内国际油价将会出现大幅飙升；如果次贷危机不断恶化，逐步演变成为严重的金融危机，使美国经济乃至全球经济出现明显减速或衰退，国际油价也存在大幅回落的可能性。 就业前景广阔。石油化工行业内的竞争将加剧，急需各类高级人才。对于基础知识坚实、兼有熟练的外语和计算机应用技能的，无论是成为从事科学研究、技术开发、工艺与设备设计、生产及经营管理等方面工作的高级工程技术人才还是贸易、营销的专业人才都大有可为。

文必龙 计秉玉

（中国石化石油勘探开发研究院信息技术研究所，北京 100083）

摘 要 当前的各种IT规划方法和软件工程方法在指导石油企业进行数据资源规划时，需要结合石油勘探开发数据资源管理的特点进行具体化。本文分析了石油勘探开发数据资源管理方面的现状及特点，提出了基于业务驱动的石油勘探开发数据资源规划方法，给出了构建勘探开发业务模型、数据资源目录的方法，以及数据中心的总体架构，为石油勘探开发数据资源规划提供了完整的方法论。

关键词 数据资源 业务驱动 业务模型 数据中心

Research on Method of Petroleum Exploration and Production

Data Resource Planning Based on Business－driven

WEN Bilong，JI Bingyu

（ Information Technology，Exploration and Production Research

Institute，SINOPEC，Beijing 100083，China）

Abstract To guide data resource planning，the IT planning methods and software engineering theory need to be specified according the features of petroleum data resource features in petroleum exploration and production data resource management are analyzed，and a method of data resource planning based on business－driven is put forward，that presents the approaches how to build petroleum exploration and production business model and data resource catalogs，and architecture of data provide a complete methodology to plan petroleum exploration and production data resource.

Key words data resource；business－driven；business model；data centre

在油气勘探开发综合研究过程中，需要从海内外油田收集大量的数据，同时综合研究成果中包含了大量的数据，如各种图表、报告。为了管理和应用这些数据，各研究部门纷纷开展了与项目研究相关的数据资料管理系统的建设，但由于缺少统一的规划，在数据资源的建设和管理中存在以下问题：数据库建设 “小、散、杂”，难以管理；数据分散存储，数据之间的逻辑关联度低，不能集成共享；数据收集困难；缺少专门的数据服务机制，数据应用困难。因此，有必要对油气勘探开发综合研究的勘探开发数据资源进行统一规划，即开展数据管理与应用需求分析，从总体上设计数据中心建设方案。

数据资源规划（Data Resource Planning，DRP）的方法主要是基于软件工程理论和IT战略规划的各种方法论。目前多数国际知名的IT咨询公司均采用企业架构（Enterprise Architecture，EA）这一先进理论方法，例如TOGAF企业架构框架，制定具有自身特点的IT规划编制方法论，并在企业规划咨询项目中应用，取得了良好效果［1］。针对数据资源，高复先在信息工程方法论的基础上，总结出了一套信息资源规划（Information Resource Planning，IRP）方法［2］。IRP方法以面向主题数据库的总体数据规划方法为基础，按照一定的方法步骤、遵循相关标准规范、利用有效的软件支持工具进行各职能域的信息需求和数据流分析，制定信息资源管理基础标准，建立全域和各职能域的信息系统框架——功能模型、数据模型和系统体系结构模型。

本文根据EA理论和IRP方法，结合油气勘探开发综合研究的特点，提出了一套基于业务驱动的勘探开发数据资源规划方法。

1 数据规划的基本思想

数据资源规划是采用科学合理的方法，对企业生产经营过程中产生和使用的数据的相关内容、标准、技术、软件、人员、支撑条件等进行全面梳理、优化和设计，提出全面的数据资源采集、传输、存储、应用、管理的解决方案，以便企业提高数据的共享程度，降低数据采集、管理、应用的成本，发挥数据资源的最大价值。

数据资源规划的目的是优化企业数据管理质量。这包括提高数据共享程度，降低数据采集、管理、应用的成本，提升数据资源的价值等。其中，首先要向企业不同层级提供相关的信息。对决策层，提供的信息包括：有哪些数据资产，还要投资建设哪些，数据投资效果如何，是否有重复建设；对管理层，提供的信息包括：数据保存在哪里，谁在管理，哪些人在使用，数据质量如何；对执行层，提供的信息包括：有什么数据，数据在哪里，如何获取数据，如何提交成果；对信息服务部门，提供的信息包括：业务部门需要什么数据，如何使用这些数据。

数据资源规划的目标是提出一个数据资源建设解决方案。通过实施方案，可以建立企业数据中心及配套的建设和管理体系，达到数据资源规划的目的。数据资源规划的内容包括梳理数据需求，即数据内容；设计数据相关标准，包括数据元标准、数据采集标准、数据管理标准、数据代码标准等等；设计数据建设和管理的技术方案；数据管理和服务的软件体系架构；数据建设的组织架构和配套制度等。

数据资源规划的过程如图1所示。如果把数据中心的建设作为一个完整的软件工程项目，数据资源规划位于需求分析阶段和概要设计阶段。在项目实施中，还需要进一步根据规划的各项方案进行详细设计、系统开发、系统测试和运行维护。

在数据资源需求分析阶段，通过调研，梳理当前勘探开发综合研究的业务范围、研究活动、已经建立的数据库及数据内容、应用软件及部署情况。根据调用情况建立业务模型，用规范化的方式描述各项研究活动及每项活动的数据需求，并对数据流进行分析，形成统一的数据资源目录。需求分析阶段最终成果是需求分析报告，核心内容由一组规范组成，包括业务模型、数据资源目录、数据元目录、数据流规范。

概要设计阶段主要任务是依据数据需求进行方案设计，形成数据资源建设方案，具体包括：综合数据库建设方案、综合研究数据服务与管理平台建设方案、数据中心运维体系。形成数据模型、数据服务功能、数据管理功能、数据汇交管理流程、数据管理与服务组织架构等总体架构，并形成数据中心建设的项目框架。通过数据资源建设方案明确了数据如何存储，如何控制数据质量，数据如何建设，数据如何管理，数据如何获取、提交、应用等问题。

图1 数据资源规划过程

图2 数据资源规划的成果及其之间的关系

在项目实施阶段，还需要根据数据资源建设方案，对每一个项目进行详细设计和开发。

数据资源规划的成果包括数据资源需求分析报告和数据中心建设方案。需求分析报告中，包含了业务模型、数据资源目录和数据元目录，数据中心建设方案包括数据库和数据模型在内的数据库建设方案、数据服务与管理平台、数据中心运行维护体系。

图2给出了这些成果及其之间的关系。业务模型中的每一个业务活动使用和产生的每一类数据都应在数据资源目录中进行注册，数据资源目录中的每一类数据都要用一个或多个数据元进行描述。数据库中的数据实例应该归类到数据资源目录中，数据元与数据模型之间要建立映射关系。根据上述关系，应用软件或用户可以根据业务活动利用数据服务与管理平台非常方便地从数据中心获取需要的数据。

2 基于6W的业务模型

业务模型（Business Model）是一种通过定义组成活动及活动之间逻辑关系来描述企业经营生产过程的模型。勘探开发业务建模就是要将石油勘探开发生命周期中涉及的业务抽象为一个完整的业务功能结构，建立勘探开发业务模型。建立此模型，在系统地、本质地、概括地把握勘探开发功能结构的同时，还要建立勘探开发业的数据模型、知识模型、软件模型等与功能相关的信息模型。

业务分析与建模过程从形式上可分为4个阶段：一是业务领域划分；二是分业务领域建模；三是业务模型集成；四是业务模型标准化。

业务模型采用 “业务域－业务分类－业务活动” 3层结构。将石油勘探开发涉及的所有业务划分为多个业务域，每个业务域建立多级业务分类，每个分类中定义一个或多项最基本的业务活动。

业务域（Business Domain）是对企业中的一些主要业务活动领域的抽象，而不是现有机构部门的照搬。对油田业务域的划分可以依据某一主题进行。业务领域的划分原则是：(1)根据专业划分业务领域；(2)根据油气田勘探、开发生命周期划分业务领域；(3)根据油气田勘探、开发管理阶段划分管理业务域。业务领域的划分参照以上3种原则进行划分，尽量符合油气田勘探、开发管理约定俗成的管理习惯，做到不同业务域间的业务不重复，并保证能覆盖所有的勘探、开发业务。根据以上原则，油气勘探开发业务领域可划分为“物化探”、“井筒工程”、“分析化验”、“综合研究”、“油气生产”、“地面工程” 等六大业务领域。

业务是由一系列业务活动组成的，对业务活动的描述按照 “6W” 的模式进行［3］，即活动是由谁（Who）发起的、在什么时间（When）发起的、在哪里（Where）发起的、为什么（Why）要发起这个活动、在这个活动中都涉及了哪些（Which）对象、这些对象的特性是什么（What）。采用业务单元定义了参与业务活动的基本元素以及元素之间的关系。一个业务单元包括以下8类元素：1个业务活动，该活动作用的1个业务对象，实施该活动的组织机构，1组结果对象（输出），1组参与对象（输入），业务规则，相关对象的特性，对象之间的关系。业务单元的结构如图3所示。

业务单元中，“特性” 定义了业务活动需要的数据、业务活动相关的知识，是数据规划中梳理的重点；“参与对象” 包括各种人员、软件、数据、设施、材料、方法等；“作用对象” 包括区块、油藏、井、层位、油田、企业等；“结果对象” 可以是油井等油田实物对象，也可以是文档、方法、研究成果等技术性对象。

基于6W的业务模型的建模通过在统一的业务域分类架构下对单一业务活动的业务单元进行描述，没有进行专门的业务流程梳理，但由于业务单位中描述了业务活动参与对象与结果对象，即定义了活动的输入与输出，以这些对象为中介，因此很容易自动形成业务流、数据流、知识流等各种流程。

业务活动与数据之间的关系可以用 “CUR” 矩阵描述。矩阵中，行对应业务活动，列对应数据元。如果业务活动中创建了某一项数据则行列对应的值标识为 “C”（Create），如果业务活动对数据进行了更新则标识为 “U”（Update），如果业务活动引用了某一项数据则标识为 “R”（Read）。通过CUR矩阵，可以检查某一数据是否有唯一的创建源头，保证数据源头的唯一性。根据CUR关系，可以自动形成数据流。

图3 业务单元的结构

3 勘探开发数据资源目录

勘探开发数据资源目录是对油田企业、勘探开发研究院或中国石化整体已有和需要数据的分类与组织方式描述。数据资源目录描述了企业需要什么数据、有什么数据、数据在哪里、谁在管理数据、哪些人在使用、哪些应用软件在使用等信息。数据资源目录既是一个数据建设单位的数据分类与数据组织规范，也是数据中心进行数据管理与服务平台的核心元数据，同时也是用户建设和使用数据的依据。

数据资源目录的分类模式是多维的，可以从不同角度进行分类。常用的维度包括：

（1）按业务对象组织。包括区块、油藏、井、层位、油田、企业等，除对象本身的基础数据（如井基础信息）即通常所说的静态数据外，还包括该对象的各种动态数据（如井的日报数据）。

（2）按业务活动组织。根据业务模型的 “业务域－业务分类－业务活动” 3层结构进行分类，每一个业务都有一组按 “CUR” 标识的数据。

（3）按特性组织。按数据或知识本身的特性进行分类，如长度、密度、渗透率等。

（4）按项目组织。一个项目使用和产生的数据有哪些。

（5）按单位组织。一个部门使用、产生、管理的数据有哪些。

数据资源目录的各个维度是相互关联的，对象、活动、特性、项目、单位之间的关系如图4所示。

除建立分类目录外，数据资源目录还包括数据实例，因此需要将数据分类与数据库中的实例关联起来，明确标识出每一类包括哪些实例。分类与实例关联的方式主要采用数据集进行定义，通过数据实例的标识符、标识条件确定数据集中的实例［4］。数据资源分类在数据需求分析阶段完成，分类与数据实例的关联在数据中心运行期间形成。

数据资源目录中数据分为两级：逻辑数据实体和属性。从技术角度，逻辑数据实体的本质就是数据视图，一个数据视图是一个虚数据表，每一个数据视图由多个属性组成，其中至少包括一个关键字。实体的属性用数据元进行描述。数据元是不必要再分的基本数据单元［5］。当前可直接参照中国石化石油勘探开发数据元字典［6］。

4 数据中心的总体架构

不同企业数据中心的架构会有所不同［7］。本文以中国石化石油勘探开发研究院的数据中心为例，说明数据中心建设方案。数据中心包括综合研究勘探开发数据库、数据服务与管理平台、数据中心运维体系，如图5所示。

图4 数据资源分类维度之间的关系

图5 综合研究勘探开发数据中心

勘探开发数据库包括元数据和专业数据。元数据是以数据资源目录为核心，描述了专业的分类、目录、结构、使用动态等信息。外购数据库、地理信息数据库由于来源于外部，自带有成熟的管理软件，属于公共数据，独立于具体的项目研究。由于地震数据和测井数据有专门的格式，由专门的软件进行管理，但要与项目数据进行关联。项目资料与成果主要以文件形式保存，对共享程度较高的数据需要从半结构化的文件形式转换为结构化数据，数据之间相互关联，实现数据的集成。综合研究应用软件有自己内部的项目数据库，通过数据桥技术可以实现在线数据访问。数据通道用于实现石油勘探开发研究院数据中心与中国石化各级数据中心的互联。

综合研究数据服务与管理平台的主要功能包括：GIS研究目标查询、地震剖面显示、测井曲线显示、资料查询、资料搜索、资料提交、资料下载、系统管理、数据发布等。

数据中心运维体系包括运维管理组织机构、数据资料上交管理、数据服务管理3个部分。运维管理队伍的职能包括数据库系统管理、数据服务支持、数据质量控制等。数据资料上交管理按照数据流和数据生命周期，对各环节进行规范管理，包括：外部数据申请、数据采集、原始资料上交、个人/项目组资料管理、成果上交、数据流程调整（数据资料目录注册与注销）、安全与权限、审核与验收等内容。数据服务管理通过数据服务管理制度，规范数据服务行为，建立数据服务技术规范，通过数据应用服务接口规范，为应用系统提供标准的服务接口。

5 结论

数据资源规划方法提出了一套适合石油勘探开发领域开展数据资源建设的方法论。从勘探开发业务需求出发，通过梳理业务流程，建立业务模型，并梳理与业务相关的数据，建立数据资源目录，在此基础上提出完成的数据中心建设方案，从人员组织、数据建设、服务平台构建及运维管理进行规划。数据资源规划方法成功应用于中国石化油气勘探开发数据模型标准建设，开发了中国石化业务模型（Sinopec Business Model，SPBM），定义了物化探、井筒工程、分析化验、综合研究、开发生产、地面工程六大业务域，包括1237个业务活动，对每一个与业务活动相关的数据项进行了梳理。进一步的研究工作将把数据资源规划方法应用于中国石化石油勘探开发研究院数据资源建设，通过研究院业务进行调研，结合SPBM，建立综合研究数据资源目录，设计数据中心建设方案。针对中国石化石油勘探开发研究院综合研究的数据资源规划成果可进一步推广应用于石油行业各石油公司的综合研究数据资源建设。

参考文献

［1］金涛，郑树泉，李名敏，等.企业架构驱动的IT规划方法研究［J］.计算机应用与软件，2009，26（12）：164～166.

［2］高复先.信息资源规划——信息化建设基础工程［M］.北京：清华大学出版社，2002.

［3］肖波，景帅，吴建军，马承杰.模型驱动技术在油田企业数据中心中的应用研究［J］.大庆石油学院学报，2012，36（1）：78～82.

［4］时贵英，文必龙.基于数据元的数据集成技术研究［J］.科学技术与工程，2011，11（18）：4223 ～4227.

［5］Wen Bilong，Zhang semantics for data element with semantic tree［C］.Proceedings of 2008 International Symposium on Information Science and Engineering，：524～527.

［6］文必龙，肖波，陈新荣.石油勘探开发数据元管理技术［J］.大庆石油学院学报，2012，36（1）：83～87.

［7］李剑峰，肖波，段鸿杰.中国石化油田企业数据中心总体框架设计［J］.大庆石油学院学报，2012，36（1）：73～76.