核电装备全生命周期价值链协同平台研究

摘 要：在总结核电装备典型特征的基础上，分析了当前核电装备全生命周期价值链协同面临的挑战，指出建设核电装备全生命周期价值链协同平台的必要性，并设计了一种平台体系架构。针对核电装备价值链协同存在数据交互失信、质量管控失源和运行维护失控问题，提出核电装备全生命周期价值链协同平台的关键技术体系，包括全生命周期价值链协同数据空间构建与挖掘、跨企业协同环境下质量管控与全价值链追溯、多模态数据驱动的智能运维服务与闭环反馈，有效促进价值链参与企业多领域多阶段业务协同，实现全生命周期整体价值共创和持续稳定发展。结合核电装备全生命周期典型业务场景，从数据交互、质量管控和状态预测三个方面开展了初步研究和实践，为未来核电装备全生命周期价值链协同平台进一步落地应用提供参考。

关键词：价值链；协同平台；全生命周期；核电装备

中图分类号：TH186；TH166                   文献标识码：A

Abstract：On the basis of summarizing the typical characteristics of nuclear power equipment, this paper analyzes the challenges faced by the current nuclear power equipment lifecycle   value chain collaboration. It is pointed out that build a collaborative platform of lifecycle value chain for nuclear power equipment is necessary, and a platform architecture is

designed.According to the problems of credibility of data interaction, traceability of quality control and controllability of operation and maintenance,the key technology system of the collaborative platform of lifecycle value chain for nuclear power equipment is put forward, including the lifecycle value chain collaborative data space construction and mining, quality control and value chain traceability in cross-enterprise collaborative environment and multi-modal data-driven intelligent operation and maintenance service and closed-loop feedback. The key technology system effectively promotes the multi-field and multi-stage business collaboration of value chain enterprises and realizes the overall value creation and sustainable and stable development of the lifecycle.In combination with typical business scenarios of the lifecycle of nuclear power equipment, preliminary research and practice have been carried out from three aspects of data interaction, quality control and status prediction, providing a reference for the further application of the collaborative platform of lifecycle value chain for nuclear power equipment in the future.

Keywords：value chain; collaborative platform; lifecycle; nuclear power equipment 

0  引言

全球气候变化对社会生态造成空前规模的影响，发展清洁能源减少碳排放，实现“绿色经济复苏”已成为国际共识[1]。核电具有清洁、低碳、能量密度高以及不受季节和气候影响的优点， 是取代煤、油、气等传统化石能源作为“零碳”能源体系基荷电源的最佳选择[2]，发展核电能源是实现国家碳达峰碳中和战略目标的重要途径。然而与风电、太阳能、生物质等新型洁清能源相比，近年来我国核电能源发展较为缓慢[3]。根据《中国能源大数据报告（2021）》指出，2015-2020年我国并网风电、太阳能发电新增装机容量分别为 37.55%和 25.25%，新增核电装机容量仅为0.59%，远低于风电和太阳能数据指标。一方面国家政府针对核电装备建设了极其严苛的质量安全标准体系，另一方面核电装备本身具有资金投入大、建设周期长、机组系统复杂和技术知识密集的特点，这些因素导致核电装备建设面临严重挑战和风险[4]，进而造成核电装机容量增速缓慢的困境，不利于我国核电装备产业积极正向发展。

为保障核电装备产业常态运作和良性循环，维持核电装备作为“国家名片”走向世界的持久竞争优势[5]，迫切需要从产业全生命周期视角统筹考虑，研制核电装备全生命周期价值链协同平台，打破核电企业之间的信息孤岛和数据壁垒，全面提高核电装备设计、制造、运维和管理的数字化和智能化水平，推动核电企业合作模式由“粗放式松散结合”向“跨平台、多领域、全流程协同”方向转型升级。

价值链分析是挖掘企业战略竞争优势、提升企业价值增值效益的有效工具[6]。随着市场的过渡竞争和信息技术的发展，企业间的竞争格局发生深刻变化，价值链从企业内部逐渐扩展到整个产业范围，将原本仅存在于企业内部的业务活动流程进行外部延伸[7]，覆盖全生命周期上中下游所有环节，从而形成全生命周期价值链。全生命周期价值链协同是指产品全生命周期各级参与企业基于流程重组和数据联动协调业务合作关系，通过资源和技术优势互补提升自身生产服务和管控能力，实现全生命周期整体价值创造和增值效益最大化发展。全生命周期价值链协同的目的在于增强核心企业对合作单位的组织和管控能力，降低参与企业的生产与运营成本，一方面促进对客户定制化需求的快速响应，提高价值链参与企业协作效率，另一方面实现对产品全生命周期质量、进度和运维风险的精准预测和前期规避[8]。国内外很多研究学者从价值链角度研究企业集群协同效应原理与价值共创机制，并结合复杂装备设计/制造/运维全生命周期业务场景进行实证分析。Chankook[9]针对电力行业在信息和通信技术融合时代的变化和行业发展需求，建立电力价值链演变体系框架，分析电力价值链变化因素和发展趋势，指出数据和知识在影响价值链运行方面的重要作用日益凸显。Liu[10]构建了面向中国能源市场的风电装备价值链模型，基于改进的钻石模型分析风电装备价值链的影响因素，发现企业战略、合作意愿和技术创新是降低价值链成本、实现价值共创的关键要素。Culot[11]基于工业 4.0 背景，研究制造业价值链的组成要素和演变规律， 并从产品、服务、渠道、技术和数据五个维度提出制造业价值链转型升级的实施路径。Reis[12]通过对 220 家世界顶级跨国公司近十年公开报表数据的统计分析，发现有形生产要素与无形生产要素对企业价值的贡献结构总体呈现螺旋变化趋势，但数据知识等无形生产要素的比重逐渐增大。Simatupang[13, 14]基于正向激励机制和服务主导逻辑建立价值链协同分析框架，提出四种不同类型的价值链协同模式，并从价值设计、价值交付和价值捕获三个方面论述四种价值链协同模式的差异。郭健[15]围绕能源市场用户需求，基于价值链理论研究区域能源互联网的价值形态，讨论不同发展阶段下能源互联网价值应用场景和支撑技术，为能源云基础设施建设与连通提供理论指导。綦良群[16]对制造企业价值链协同过程进行研究，指出协同模式、协同能力、资源禀赋和企业战略是影响价值链协同的重要因素，并运用结构方程模型分析各影响因素的灵敏度和相互作用关系。虽然目前已有不少学者从价值驱动因素、运行机制、演化机理、服务平台等多方面对复杂装备价值链协同展开研究，然而现有的研究工作仅面向全生命周期制造阶段，尚未形成完整的协同体系架构，而且大多面向汽车制造[17, 18]、航空航天[19]、纺织工业[20]和能源电力等行业，针对核电装备的研究工作较少。由于核电装备具有显著的产业独特性，尤其是极高技术难度、极严质量要求和极长服役周期的典型特征，导致其他产业的相关研究成果难以直接迁移到核电装备产业，借鉴应用效果有限。

基于以上背景，本文在总结核电装备价值链协同需求与面临挑战的基础上，提出核电装备全生命周期价值链协同平台支撑体系架构，并从数据交互、质量管控、状态预测等方面出发，对核电装备全生命周期价值链协同平台的关键技术体系进行全面分析，最终结合核电装备生产运营过程的典型业务场景开展关键技术的初步实践探索，为核电装备全生命周期价值链协同平台和关键技术的落地应用提供参考。

1    核电装备全生命周期价值链协同体系架构

1.1      核电装备全生命周期价值链协同面临的挑战

核电装备是核电站建设所有相关组成系统及设备的统称，划分为核岛（Nuclear Island，NI） 装备、常规岛（Conventional Island，CI）装备和辅助设施（Balance of Plant，BOP）[21]。核电装备本体结构极其复杂，一台百万千瓦级核电机组包含 100 余个构筑物、380 多个系统、8 万多套设备和 50 万量级零部件，而且涉及机械、电气、仪控、热工、流体、暖通、结构等 29 个专业类别，导致核电装备的工作管理与信息沟通存在严重协调困难和隐性风险[22]。其次核电装备的质量安全标准要求极其严格，与其他复杂装备相比，其质量保证体系也更为复杂。核电装备质量系统遵循“纵深防御”的基本原则，要求二级质量见证（Quality Assurance，QA）和三级质量控制（Quality

Control，QC），确保核电装备质量可靠性和安全性。核电装备具有长达 60  年的设计寿命，加上定期换料、机组延寿与三废处理过程，其总计在役运行时间接近百年，如此长时间的服役周期对核电装备机组可用性和运行稳定性提出更高要求[23]。

  由此看出，核电装备具有复杂系统结构、严苛质量安全和超长服役周期等显著特征，这些特征对核电装备设计、制造和运维全流程提出了更高要求[24, 25]，同时也为核电装备全生命周期价值链协同带来严峻挑战，具体体现在：（1）跨领域异构数据交互失信。核电装备各阶段产生的物项三维模型多、模型结构复杂，每类物项还分别对应其不同的技术状态、专业领域和校审活动，最终形成的物项模型参数属性等数据可达百万数量级，如此大规模的多源异构数据难以保证其跨领域映射和耦合关系的一致性。（2）跨企业质量管控追溯失源。核电装备需满足核安全级质量要求， 然而由于庞大的零部件种类和数目，核电装备生产制造过程需跨越 800+企业单位，存在严重的往复迭代、多维交互和级联耦合效应。这种跨企业质量形成与管控特性导致核电装备质量特性隐匿波动、质量状态模糊演化与质量缺陷回溯困难等难题。（3）跨场景预测运行维护失控。核电装备具有近百年的服役周期，其运行过程具有多信号模态感知、多场景时空耦合、多设备状态联动的特征，导致核电装备的运行状态难以精确监控预测[26]，此外由于核电站群厂独立运营和多平台封闭特性，造成运行和维修过程中产生的工程经验难以及时向上游环节反馈。

综上所述，当前核电装备全生命周期价值链在数据交互、质量管控和状态预测方面仍存在瓶颈和困难，无法满足核电装备全生命周期对于数据高一致性、堆芯高安全性和机组高可用性的迫切需求，造成核电装备全生命周期价值链协同效率低下和协同效益不明显的困境。

1.2      核电装备全生命周期价值链协同体系架构

基于前文的分析论述，为了克服当前核电装备全生命周期价值链面临的数据交互失信、质量管控失源和运行维护失控等挑战，本文设计了如图 1 所示的核电装备全生命周期价值链协同体系架构，该体系架构主要由模式协同、数据交互、质量管控、状态预测和应用服务五部分组成。

模式协同层，面向核电装备生命周期上中下游全流程，通过对核电装备设计、制造、施工、运行、维修、延寿和退役各阶段的组织方式、业务流程和内在驱动因素进行宏观分析，发掘核电装备全生命周期价值链协同效应原理及运行机制，为核电装备价值链优化重构和价值共创提供指导方向。模式协同层在实际生产运营过程中的具体载体主要包括：（1）价值链上的核心龙头企业制定的价值链协同相关标准规范和技术手册；（2）支撑价值链参与企业成员协同作业的数字化虚拟模型。国内某核电装备工程建设总承包企业集团编制了系列标准规范，包括《项目工作分解结构》、《核电工程建设数据规范》、《核电厂运行生产数据管理要求》等，用于指导核电装备全生命周期各环节生产活动的责任范围和作业深度；同时建立了一批辅助企业开展业务协同的抽象模型，包括以可交付成果为导向的 WBS 和以产品对象为核心的 PBS 等，实现对协同业务关联的资源、设备、成本、人员及其上下游接口关系进行规范化管理。这些载体有助于价值链参与企业在高度协同的工作环境中开展业务活动，保障企业之间无缝顺畅地进行数据交互共享，实现跨企业质量管控和状态协同预测。因此，模式协同层是核电装备全生命周期价值链协同体系的基石，为协同体系的其它层次的顺利实施提供可信、可溯和可控的协同条件保障。

数据交互层，基于 Daemon 框架和 GLOBAL 通信协议构建核电装备数据空间，以三维模型为载体，采用虚拟物项技术和结构化提资技术实现价值链上异地企业群数据同步更新和交换，通过数据编目、流程控制、同态加密等操作，支撑数据空间海量数据资源的清洗、监测、安全和修复，为核电装备全生命周期价值链决策分析提供稳定可靠的数字化协同交互环境。数据交互层的目的是降低核电装备海量数据资源的多态多粒度特征导致的价值链参与企业跨领域交互失信风险，通过打通不同类型企业群异构系统之间数据传输渠道，支持核电装备大规模供应厂商和核电机组群厂运营对于远程双向的多源异构数据交换需求。

质量管控层，基于搭建的数据空间实现核电装备全生命周期质量系统结构化管控和追溯。通过对价值链跨企业协同环境下核电装备多阶段质量特性和质量状态进行识别，建立质量演化图谱模型，进一步对质量缺陷成因和关键异常点进行标定，并利用相关性分析等方法推断出缺陷原因所属的阶段。质量管控层主要解决跨企业协同环境下核电装备质量特性隐匿波动、质量状态模糊识别和质量缺陷溯源困难的问题，完善全价值链质量保证体系，是保障核电装备生产质量和安全运行的前提。

状态预测层，是对核电装备调试和服役阶段的运行状态和故障风险进行可靠预测，并将产生的运维事件经验（如设备故障和人因失误）向全生命周期上游环节反馈，为核电装备设计、制造、施工等不同阶段提供决策依据和改进建议，从而实现价值链全流程闭环优化。核电装备在役运行数据是评估核电装备建设安全性和经济性的重要依据，状态预测层联合核电装备多机组运行数据建立高保真模型，通过多任务时序预测方法评估核电装备的实时运行状态，一方面有助于运营单位对于核电装备运行维护、产能调度的精准控制，另一方面为上游环节的研发方案和工程决策提供真实的反馈数据支撑。

应用服务层，是联接理论研究和工程实践的桥梁，为促进核电装备全生命周期价值链参与企业业务协同和价值共创赋能增效。通过对上述理论方法和技术研究在核电装备全生命周期典型业务场景开展落地应用，形成核电装备设计协同和状态管理、跨企业设计制造协同、数字化虚实协同建造、装备故障诊断和预测运行等四项价值链协同基础应用服务以及质量协同与全链追溯、装备性能评估和闭环反馈、核电领域知识挖掘管理、核电企业群价值链管控等四项价值链协同高阶应用服务 ， 并 积 极 向 其 他 小 批 量 多 品 种 复 杂 装 备 制 造 行 业 进 行 应 用 示 范 推 广 。

图 1 核电装备全生命周期价值链协同体系架构

2  核电装备全生命周期价值链协同关键技术

围绕核电装备全生命周期价值链跨领域、跨企业、跨场景的协同需求以及数据交互失信、质量管控失源、运行维护失控的重大挑战，对上述体系架构所涉及的关键技术及实施路线进行详细论述。如图 2 所示，这些关键技术包括：全生命周期价值链协同数据空间构建与挖掘、跨企业协同环境下质量管控与全价值链追溯、多模态数据驱动的智能运维服务与闭环反馈，旨在实现核电装备全生命周期价值链异构数据价值挖掘、多域质量演化追溯、运维服务智能决策三项技术创新突破。首先，基于全生命周期价值链协同数据空间构建与挖掘技术实现对核电装备大规模多源异构数据资源进行标准化表征，从应用层面维护全生命周期跨领域数据交换的一致性，打破价值链不同类型企业主体间的信息资源壁垒。在此基础上，跨企业协同环境下质量管控与全价值链追溯技术面向核电装备多基地制造企业群，通过探索核电装备多域质量演化特性和缺陷传播路径，提升价值链企业成员正向质量监管和逆向质量追溯能力，推动核电装备质量管理水平和效率不断提高。然后，多模态数据驱动的智能运维服务与闭环反馈技术建立以运行数据为中心的核电装备状态预测模型，为停堆换料、故障调试和机组延寿等运维服务提供决策依据，并将全流程运维知识反馈到设备设计与制造早期阶段，形成完整、高效的全生命周期闭环管控体系。这三项关键技术与上述体系架构阐述的核电装备全生命周期价值链协同的实施路线一脉相承，分别从数据交互、质量管控和状态预测三方面由表及里、循序渐进地推动价值链参与企业深入开展生产与服务合作，实现核电装备全生命周期价值效益最大化发展。

图 2 核电装备全生命周期价值链协同关键技术体系

2.1      全生命周期价值链协同数据空间构建与挖掘

随着信息化、数字化技术发展，核电装备企业纷纷实施信息化与生产工艺业务融合，在全生命周期各阶段部署业务服务系统。然而由于核电装备的组成设备、零部件数量规模远超一般产品， 具有复杂的系统结构和众多的专业领域，导致全生命周期出现大量碎片化的异构业务系统，各业务系统相对独立和分散，且数据格式不统一，造成不同系统之间一方面存在数据的多次重复录入， 另一方面又存在缺乏有效数据关联的尴尬局面[27]。这一现象引发核电装备全生命周期价值链参与企业对于数据信息和知识语义理解不一致，存在数据交互失信和迭代沟通低效等严重协调问题。如图 3 所示，针对核电装备全生命周期各阶段业务系统面临的数据分布偏差和知识语义差异等问题，构建面向核电装备全流程的价值链协同数据空间，制定核电装备多维度元数据体系，完善数据-业务双向映射及动态演化机制；基于数据资源编目技术明确数据资源的访问路径和所属权限， 建立数据质量检测、响应与修复模型[28]，实现对核电装备全生命周期价值链数据资源的标准化管控。在此基础上提出核电装备多维多视角知识分类体系，形成大规模异构知识要素抽取与动态关联方法，构建满足价值链上不同企业主体业务协同需求的个性化知识网络，并进一步研究知识网络内部演化、动态补全与多域融合集成方法，实现多业务关联知识推送服务，提升知识网络服务质量与应用价值。

（1） 数据空间集成

 核电装备全生命周期价值链上的单位部门众多，业务配合关系复杂，而且不同核安全等级的核电装备数据管理方法差异较大，导致核电装备数据模式异构和数据版本多变。针对核电装备数据资源存在着多重复杂性耦合（场景复杂、结构复杂、状态复杂）特点，首先制定面向全生命周期各阶段的元数据模型，包括标准元数据、等级元数据和属性元数据，形成统一的元数据基准体系。三类元数据模型分别定义了核电装备不同维度的信息，其中标准元数据定义了核电装备的外形参数、保温等级等工艺信息，等级元数据定义了核电装备的安全等级分类的安全信息，属性元数据定义了核电装备的重量、密度、强度等属性信息。通过构建的元数据基准体系，降低不同阶段的数据模式差异，提升数据资源规范化和结构化程度。其次针对核电装备数据资源在不同阶段呈现的多种模态特性（工程图、表格、键值对、时序、3D 模型），提出数据空间多模态数据融合方法，以核电装备产品分解结构（Product Breakdown Structure，PBS）形成的产品结构树模型为语义纽带，挖掘分散在全生命周期各阶段同类不同源数据资源的时空关联关系，建立底层业务数据与产品模型对象的双向映射机制，实现核电装备全生命周期异地数据资源集成关联。

（2） 数据资源治理 

数据资源治理是打破核电装备全生命周期数据壁垒，提升数据认知、分析和应用价值的另一关键手段。核电装备全生命周期数据资源海量且异地分散存储，基于数据资源编目技术对数据空间中蕴含的超大规模异构数据进行统一编码、分割和调度，实现核电装备全流程数据资源规范化管控，支撑价值链上企业对异地数据资源的高效检索、定位和获取，提升企业数据交换的安全性以及数据访问的便捷性。此外为了保障数据空间中数据资源的可靠性，结合核电装备企业严格的技术状态管理流程，建立空值检查、规范性检查、值域检查、逻辑检查等多维度数据质量检测模型，进一步提出基于联邦学习的数据一致性检测与修复方法，对质量不合规的数据记录进行修复和补偿，实现核电装备全生命周期数据资源统一治理和高效利用。

图 3 全生命周期价值链协同数据空间构建与挖掘体系

（3） 知识网络表征与构建

 核电装备海量的数据资源需要转化为支撑企业生产运营的知识与规则，才能最大限度的发挥应用价值[29-30]。首先建立核电装备知识网络的概念层模式，基于 MECE 原则、IDEF5 建模法等本体分析方法，从核电装备通用知识、专业知识、辅助知识等不同维度，以及核电站岛别、系统、部门等不同视角出发，建立核电装备领域本体概念模型，实现核电装备知识概念的有序关联表征， 为知识网络的分层分域、实体关系和属性定义提供依据。其次利用 CBOW、Glove、Bert 等深度学习框架建立端到端的知识网络抽取模型，包括分布式表示、上下文编码和标签解码器三部分， 从制备的核电装备异构知识语料中抽取知识实体、关系和事件。知识抽取的基本流程是：分布式表示对知识语料进行预处理，实现知识语料的高维稀疏表征，便于后续对知识实体、关系和事件进行抽取。接着，预处理后的知识语料依次经过上下文编码和标签解码器，通过编码-解码操作识别知识实体间的潜在联系，最终实现核电装备知识抽取。为了解决核电领域数据标签极其匮乏的问题，提出集成迁移学习算法，从带标签的通用知识语料中捕获知识语义和句法信息，指导核电装备知识实体及其关联关系的半监督自动抽取，实现核电装备知识网络的动态自组织链接。

（4） 知识网络智能应用服务 

由于受客户需求变更和企业业务调整的影响，所建立的核电装备全生命周期价值链知识网络需要及时更新、扩展与优化，才能保障核电装备企业知识服务的正常运转。此外如何提升知识推送服务的精准性和自主性是改善知识网络服务性能的重要议题。首先围绕知识网络中共性关键知识的变异、内部选择、传播和继承等演化特征，提出基于相似实体聚类的知识网络演化方法，构建知识网络的动态演化机制和融合补全策略，建立起不同业务、不同设备知识间的关联关系，实现知识网络逐步增量扩展[31]。其次针对全生命周期不同阶段业务间知识语义冲突问题，利用共指消歧技术实现知识实体指称项与语义对象的跨业务匹配对齐，在此基础上提出知识网络多维度量化评判准则，为知识网络的性能优化提供依据。最后建立多种类型的知识匹配策略和推送方式， 根据用户需求偏好进行多渠道知识推送服务，提升知识网络的智能化水平和应用价值。

2.2      跨企业协同环境下质量管控与全价值链追溯

核安全问题是核电装备最重要的问题，也是有别于其他机械装备最突出的特征。核安全贯穿核电装备全生命周期的始末，要保证核安全，其关键在于重视、践行和纠正全生命周期一切生产运营活动的质量，这要求核心企业（如核电装备工程总包商）必须及时准确地掌握价值链所有参与企业的质量状态。然而核电装备价值链上参与企业数量规模非常庞大，其多品种特性往往需要上千家不同地域的供应商分工作业，传统的质量管控手段难以解决大规模企业协同生产环境存在的质量特性波动和质量状态模糊问题，进而造成质量事故发生概率和形成诱因辨识困难。核电装备质量形成过程跨企业级联效应显著，具有往复迭代、多维交互的典型特征，造成质量特性隐匿波动、回溯机理不清、潜在质量风险难以识别等问题，因此探明跨企业协同环境下核电装备质量特性波动、传递与回溯机理，构建基于质量数据与机理模型的质量状态演化链，实现质量系统结构化管控和精准追溯对于核电装备全生命周期价值链协同至关重要。如图 4 所示，研究面向设计/制造/施工等阶段的跨域质量特性提取、规范和识别方法，形成核电装备关键质量特性集。构建设计质量演变本体模型与制造质量演化数据模型，揭示核电装备质量状态演化路径，形成质量状态演化图谱。在此基础上，提出跨企业质量信息规范化传递策略、协同质量计划和业务流程融合方法，实现核电装备结构化质量管控，建立质量追溯模型刻画质量缺陷的可传播路径与追溯关联关系，实现核电装备质量缺陷和质量异常事件的可追溯。

（1） 关键质量特性识别 

核电装备关键质量特性是全生命周期价值链各阶段检验、评价和考核的依据[32]。目前核电装备一般质量检查采用周期性批次抽查方式，由于零配件成品的数据量庞大，审查流程和接口复杂， 即使是 10%的检查率都需要大量的人力投入。因此如何从价值链上多企业、多领域、多阶段协同过程产生的大量高维异构质量信息源中正确识别出关键质量特性，是提升核电装备质量检测效率和管控深度的有效手段。针对质量特性及其要素概念界限模糊、质量特性影响因素众多的问题， 利用公理化设计、质量功能展开等方法从客户需求中提取设计质量特性，包括设计裕量、参数范围、情感偏好等，通过条件随机场、序列标注等命名实体识别方法从异构质量信息源中提取制造、施工等阶段质量特性，包括尺寸公差、事故频次、合格率和现场服务次数等，进而形成价值链多域质量特性集。然后利用 z-score 标准化、模糊熵量化方法对质量特性集进行聚类分析，挖掘不同业务阶段质量特性间的关联关系。最后基于群体层次分析方法建立关键质量特性识别模型，通过赋权排序、特征选择等策略从多域质量特性集中识别出核电装备关键质量特性，为核电装备全生命周期价值链质量状态演化和过程控制奠定基础。

（2） 多域质量状态演化 

核电装备质量特性在全生命周期不同阶段具有不同的载体，全生命周期质量演化过程呈现波动隐匿特征，存在复杂的非线性跨域耦合关系。在核电装备设计阶段质量状态形成过程中，通过提取产品设计过程的相关质量信息，如材料模型、结构模型、属性模型等，将设计阶段的质量信息进行融合，构建设计质量机理本体模型，揭示核电装备在设计阶段的质量演化过程。在核电装备制造、建造、调试阶段质量状态形成过程中，提取三个阶段产生的质量见证记录、质量报告、设备试验报告等多源异构质量数据，构建质量数据本体模型，刻画核电装备在制造、建造、调试阶段的质量数据演化链。为了表征质量状态在价值链不同阶段的演化特性，以设计、制造、建造、调试为父质量节点，以各阶段的业务活动为子质量节点，挖掘核电装备质量状态在不同节点间的相互关联关系，建立核电装备多域质量状态演化图谱。

图 4 跨企业协同环境下质量管控与全价值链追溯体系

（3） 质量系统结构化管控 

核电装备质量系统覆盖全生命周期价值链，具有范围广、层级多、接口复杂的特点，实现质量载体从以文档为中心向数据为中心转变，支撑质量系统结构化管控至关重要。借鉴 PDCA 理念， 质量系统结构化管控主要从体系建设、协同计划、过程控制、全面评价四个方面展开。首先对核电装备质保体系进行分解重构，构建一体化的质保体系模型；其次研究核电装备跨企业闭环质量管控流程，提出质量信息资源协同内化与价值感知机制，实现质量计划的协同发布与调度；基于全生命周期各阶段产出的相关质量数据文件，对核电装备跨企业质量形成过程进行监督控制，为质量事件见证和缺陷追溯提供全过程的信息记录；最后利用多元回归、机器学习等方法对设备生产过程进行质量预测，构建质量风险评估模型，综合评价设备供应商的质量安全、供货进度与业务绩效。

（4） 质量缺陷标定与追溯 

首先设计满足核电装备质量追溯需求的标准化知识表达形式，基于知识推理实现质量缺陷成因、关联关系分析以及关键流程标定，支撑质量缺陷可追溯性和时效性。质量缺陷标定算法的基本流程是：基于核电装备质量监管体系的关键流程提炼核电装备质量特性，采用机器学习等智能化方法对质量缺陷源进行特征重要度分析，分析缺陷源对缺陷影响程度的相对大小，进而识别出质量缺陷的诱发原因。其次依据核电装备价值链各阶段的质量 NCR 记录、历史质量缺陷、质量见证履历等数据，采用信息抽取和语义解析技术挖掘出质量故障现象、故障对象和产生阶段，形成核电装备质量追溯知识库，并结合深度学习和神经网络方法训练多语义关联的质量追溯知识图谱，对质量缺陷数据进行统一表征和管理。最后基于质量追溯知识图谱训练质量追溯模型，提取蕴含在知识追溯图谱中的知识实体与事件信息，分析质量缺陷诱因与可能涉及的阶段，深入挖掘“质量现象-对象-产生阶段”的链路关系，实现核电装备质量缺陷成因分析与精准追溯。

2.3      多模态数据驱动的智能运维服务与闭环反馈

核电装备在役运行时间长达六十年，其运行状态和运维事件经验对价值链演进优化具有重要意义。当前核电装备多采用“翻版+改进”设计，下游环节的机组运行状态与运维事件信息的是核电装备设计优化的重要参考，然而由于核电装备服役周期的时间跨度很大，其运行工况具有机电液热多场耦合特性，导致积累的大量运行数据多模态、多尺度并存，给核电装备运行状态预测带来严重挑战，而且全生命周期各阶段数据格式不一致，缺乏跨阶段的匹配映射规则，无法实现全生命周期经验反馈数据有效贯通。因此需打破从研发设计、设备制造到运行服务的数据分散、业务分离的局面，建立面向全生命周期的运维决策和闭环反馈技术，优化运维事件经验全生命周期闭环反馈系统，实现核电装备运行服务向智能化、全局化转型升级。如图 5 所示，为了解决当前核电装备运行服务跨阶段难泛化挑战和经验反馈全链条不贯通技术瓶颈，建立多模态数据和多域知识耦合模型，提出多核数据演化协同推理机制，实现数据驱动的核电装备智能决策与预测运行。其次提出基于语义的精准反馈机制，构建面向全价值链多核优化的运维经验闭环反馈通道， 实现可迁移、可贯通的核电装备运行服务与经验反馈，提高核电装备长役期运维决策的科学性和对设计制造环节支持的适应性。

（1） 故障状态诊断

 为了克服当前核电装备故障等级划分模糊、识别粒度不精细等难题[33]，首先采用异构图模型对核电装备全生命周期各阶段的属性信息及关联关系进行表征，基于数据统计分布和实体特征抽取构建单阶段的故障知识空间图模型。其次对各阶段的图模型进行融合集成，基于多域空间映射方法建立语义、尺度一致性规约以及属性正则化规约机制，实现不同阶段图模型实体、关系和属性对齐。各阶段图模型融合的基本流程是：以核电装备不同阶段故障类型的相似度为监督资料， 通过距离度量目标函数最小化策略，利用端到端有监督学习方法，通过深度神经网络优化算法实现多图信息融合，并采用显著性检验策略对模型融合效果进行评估和结构性优化。最后利用图卷积网络对核电装备故障状态进行诊断分析，针对核电装备故障特征的复杂性，建立多尺度、多层级的图卷积网络结构，设计支持多任务故障诊断的目标函数，包括多任务学习效能评价、正则化评价、训练平衡性评价等，并利用度量学习方法构建故障特征信息的哈希索引，支持对未知故障的快速识别和诊断。

（2） 运行状态预测 

核电企业对于机组运行可用性和稳定性具有严格要求，因此必须加强对机组运行状态的监控和主动预测，及时发现可能潜在的故障风险，避免因设备重大故障导致的停机事故[34]。首先对单台核电装备的动态运行过程进行建模，基于随机森林、决策树、条件随机场等机器学习方法识别出核电装备运行状态关键参数，包括流量、温度、背压等，建立核电装备单任务运行状态预测模型。在模型训练过程中，提出迭代预测和跨步预测两种时序预测策略。此外利用仿真数据和真实数据交替训练，对仿真数据域和真实数据域分布偏差进行补偿，进一步提升模型的泛化性。由于单任务模型无法捕捉到核电机组系统多台设备之间的时序、空间交互作用，导致预测结果存在偏差。针对这一问题采用基于多栈 LSTM、双向 LSTM 等多视角多尺度时序预测模型和集成学习框架，对核电装备运行状态的时空特性进行同质化划分，设计多任务集成的核电装备运行状态预测模型，实现对核电机组系统多设备运行状态的协同预测，有效支持运营企业对核电装备综合健康状态的实时监控。

（3） 运维经验反馈

运维经验反馈是将核电站在运行和维修过程中出现的设备故障和人因失误，按照规定的标准界定为不同级别的事件，分析其产生原因并采取纠正行动，防止相似事件的重复发生。首先对核电装备全生命周期各阶段的业务流程进行梳理，厘清阶段内部的业务运行逻辑，明确其关键业务活动并确定输入输出接口。在此基础上，通过经验信息关联挖掘技术和语义驱动的经验反馈精准分发机制两条技术路线，实现全生命周期经验反馈数据的闭环贯通。经验信息关联挖掘技术的基本流程是基于业务接口关系选择运维事件在全生命周期各阶段的主要特征和数据记录，建立训练数据集及测试数据集。针对运维事件全生命周期的丰富特征和多模态数据（文本数据、图像数据和表格数据），设计多层级融合的深度神经网络模型，通过添加注意力机制将多种模态的经验反馈数据嵌入到统一的数据子空间中，实现经验反馈信息的一致表征和有效交互。语义驱动的经验反馈精准分发机制的

图 5 多模态数据驱动的智能运维服务与闭环反馈

基本流程是利用产品三维模型在生命周期全流程的一致性原则，提出基于多层渐进式图模型的度量学习方法，对全生命周期各阶段的产品三维模型进行有效表征，并衡量其相似性，在此基础上定义支撑运维经验闭环反馈的跨阶段多业务消息传递模式，打破核电装备运维经验反馈跨阶段信息获取的壁垒，提升经验反馈数据的规范性和有效性。

3  案例应用

为了验证本文提出的核电装备全生命周期价值链协同平台支撑体系与关键技术的有效性，作者团队联合国内核电装备领域某龙头企业，围绕核电装备设计/制造/运维全生命周期，以实现核电装备全流程提质增效创收为目标，开展了核电装备全生命周期价值链协同平台研发专项项目研究。核电装备全生命周期价值链协同平台的总体实践原则如图 6 所示，聚焦核电装备全生命周期数据交互、质量管控、状态预测的协同需求，通过研究价值链上企业集群动态协同感知、交互、融合、追溯和反馈技术，结合企业标准（TM）、管理规范（DM）、设计规范（DN）三级控制程序，推动核电装备企业协同设计、优化生产、精准服务等核心业务指标持续优化，实现核电装备全生命周期价值链业务流程的高效协同。

图 6 核电装备全生命周期价值链协同总体原则

在数据交互方面，核电装备复杂巨系统产生大量的异构数据资源，这些数据资源分散在全生命周期各阶段业务系统中，然而由于应用需求和专业领域的差异性导致各阶段数据格式不统一， 缺乏有效的数据关联映射手段，导致价值链参与企业之间数据传递与交互普遍存在准确性、完整性和一致性较差等问题。为了满足核电装备价值链统一的数据收集、存储、挖掘和管理需求，针对当前核电装备全生命周期数据流通割裂、大量数据资源分散缺乏有效整合与连贯性的问题，作者团队基于提出的核电装备全生命周期价值链协同体系与异构数据价值挖掘关键技术，开展核电装备全生命周期价值链协同数据空间构建研究，如图 7 所示。首先根据核电装备全生命周期业务数据细分标准类别，从业务域、主题域和专题域三个层次制定核电装备元数据模型，明确元数据属性及属性描述，包括中文名称、英文名称、标识符、说明、数据类型、取值以及与其他属性的关联关系。在此基础上，提出核电装备全生命周期价值链协同数据标准体系，从分类标准、编码规则、属性定义等方面规范核电装备业务数据的核心字段、流通逻辑和贯通范围，消除数据在不同业务阶段的语义歧义，提升底层业务数据的互通性与可用性。接着为了保证上下游数据交互的一致性，基于数据卡尺和业务视图模型分析数据单元在不同阶段间的血缘关系，实现企业跨平台业务数据可信共享。最后提出面向定制化服务需求的数据模型动态变更方法，设计基于时间和基于事件两种变更触发机制，实现核电装备数据空间随着价值链上企业业务合作需求变化而平滑过造、物流、安装过程产生的图纸、NCR 记录和技术报告等质量数据进行追溯。由于核电装备配套设备和原材料的物项数量高达 50 万量级，而且不同类型的设备、原材料由不同供应商或制造商提供，导致核电装备质量形成过程跨越上千家标准不一的企业生产环境。在价值链参与企业协同生产过程中，由于网络化制造环境的不确定性导致核电装备的质量特性更加多样，质量状态影响因素相互耦合难以辨识，严重影响了质量事故与缺陷诱因的匹配精度和追溯效率。针对核电装备质量过程参与企业多、迭代复杂的特征，作者团队基于提出的核电装备全生命周期价值链协同体系与多域质量演化追溯关键技术，开展核电装备全生命周期跨企业质量协同管控与全链追溯研究，如图 8 所示。以核电装备全生命周期价值链上设计院、供应商、运输商、仓储商、安装商、检测机构等企业组织单位为对象，基于典型相关分析、最大熵理论提取核电装备在不同企业生产环节的关键质量特性和影响因素。通过智能终端设备和射频标签技术设计分布式数据采集网络， 基于工业 5G 网络将数据上传到云服务设施，实现对所有企业的质量数据进行统计、分类和汇总， 进而挖掘出跨企业协同环境下核电装备质量状态演化机理。同时结合质量缺陷统计分析、NCR 异常事件统计分析以及不合格品单审理查询分析，对质量缺陷问题进行流程标定和现场处理，保证质量缺陷成因的可追溯性。基于德国 SAP 公司的 S/4HANA 系统定制开发了核电装备质量管控系预测和监测技术研究，及时发现核电装备的早前故障，提高核电装备的预警能力。作者团队针对核电装备超长服役周期特点，按照其在运行维护过程中的持续时间长短可划分为不同时间尺度的运维阶段。另一方面，从空间尺度来看，核电装备的运行维护过程可进一步划分为设备级、机组级以及系统级三个不同复杂度级别的运维任务。根据以上核电装备运行维护过程存在的时空多尺度特点，提出基于人工智能和深度图模型的多模态数据驱动智能运行服务方法，如图 9 所示，从故障状态诊断、运行状态预测和运维经验反馈三个方面开展研究， 首先基于达索公司的3DEXPERIENCE  平台建立核电装备系统物项的三维模型库，为实现核电站全厂运维可视化监测奠定基础。然后通过开展系统工艺、管道流体和厂房振动响应等不同专业领域的专项测试任务， 设计与 LIBVIEW、Fluent 等各类仿真软件的定制化数据接口，将采集自核电装备运行现场的实时数据传输到仿真软件中，动态检测核电装备的运行状态，支持核电装备维修工艺虚拟仿真服务， 实现核电装备智慧运营和服务决策优化。相关研究和开发工作已经顺利开展初步应用验证，为核电装备群厂日常运营、换料计划、机组大修和业绩集约化管控提供有效技术支撑。 

应用的实践场景，具有科学研究和工程实践的典型性和必要性。目前核电装备全生命周期价值链协同平台已在国内核电装备领域某龙头企业及其合作单位开展局部试点应用，从平台承载数据量来看，截止 2021 年 12 月，已有 1.4 万台核电设备的物项属性信息录入到平台中，包括约 2 万份技术手册、6.2 万设备供应商信息、8 万条质量见证单据和几十万项运行数据记录，覆盖了全生命周期设计、制造和运维全流程的 18000 余业务活动单元，共计形成超过 25 万条业务交互接口， 实现核电装备全生命周期价值链参与企业高效深度协同；从平台应用效果来看，核电装备全生命周期价值链协同平台建设了统一标准化的业务工作流，通过流程重组和数据联动提升业务协同效率，大幅缩短合作企业间迭代沟通的时间，同时降低因企业沟通不畅导致潜在的成本和进度风险。经过一段时间的上线运行，从供应商的供货记录可以看出，核电装备全生命周期价值链协同平台有利于降低设备的供货延误率，减少质量事故的发生次数，从而实现核电装备价值链参与企业的生产作业效率，提升价值链整体竞争优势和价值增值水平，促进核电装备价值链持续长期平稳发展。

4  结束语

新一代核电装备百万千瓦级装机容量、极低堆芯损坏频率等新工艺、新工况技术要求，对核电装备的研发设计、生产制造和运行服务全生命周期提出了全新需求。传统核电企业“粗放式松散结合”的合作模式由于缺乏全生命周期统一的数据空间和数据模型，上游的设计制造信息、与中游的运行维修信息以及下游的延寿退役信息存在维度不一致和粒度不对称问题，质量系统结构化管控与回溯能力不足，运维事件经验闭环反馈方法有待完善，难以满足全生命周期价值链跨平台、多领域、全流程协同要求。

本文探索了全生命周期视角下核电装备价值链协同平台支撑体系架构及其关键技术。在分析当前核电装备价值链协同面临的挑战基础上，提出核电装备全生命周期价值链协同体系架构，并从数据交互、质量管控和状态预测三个方面论述了核电装备全生命周期价值链协同关键技术。最后结合作者团队前期在核电装备全生命周期典型业务场景的研究工作，分析所提架构与技术的实践案例与应用效果，为未来核电装备全生命周期价值链协同平台的进一步工程落地应用提供参考。后续工作将继续以核电装备为对象，围绕核电装备价值链协同需求，开展核电装备全生命周期价值链协同平台核心构件模块功能方案研究，对每个构件模块涉及的协同关键技术进行深入研究，建立协同关键技术的模型和算法案例库，验证各项关键技术的执行细节，进而提出相应的技术改进措施，完善核电装备全生命周期价值链协同平台的各项功能。通过积极营造和扩大平台优势，帮助核电装备企业更加高效的参与价值链业务协作过程，实现核电装备全生命周期业务赋能和价值共创，为我国新一代新型核电装备创新研发制造提供有力支撑。 

参考文献

[1]   AZAM A, RAFIQ M, SHAFIQUE M, et al. Analyzing the effect of natural gas, nuclear energy and renewable energy on GDP and carbon emissions: A multi-variate panel data analysis[J]. Energy. 2021, 219: 119592.

[2]  HONG S, BRADSHAW C J A, BROOK B W. Global zero-carbon energy pathways using viable mixes of nuclear and renewables[J]. Applied Energy. 2015, 143: 451-459. 

[3]  WANG L, WANG Y, DU H, et al. A comparative life-cycle assessment of hydro-, nuclear and wind  power: A China study[J]. Applied Energy. 2019, 249: 37-45.

[4]  ZHANG T, MA Y, LI A. Scenario analysis and assessment of China’s nuclear power policy based on theParis Agreement: A dynamic CGE model[J]. Energy. 2021, 228: 120541. 

[5] ZHAO C. 2018, 39(5): 1-3.(In Chinese)赵成昆. 中国核电发展现状与展望[J]. 核动力工程. 2018, 39(5): 1-3.

[6]   BUSTINZA O F, BIGDELI A Z, BAINES T, et al. Servitization and Competitive Advantage: The Importance of Organizational Structure and Value Chain Position[J]. Research-Technology Management. 2015, 58(5): 53-60.

[7]  PARK C, HEO W. Review of the changing electricity industry value chain in the ICT convergence era[J].Journal of Cleaner Production. 2020, 258: 120743.

[8]  LIU J, WEI Q, DAI Q, et al. Overview of Wind Power Industry Value Chain Using Diamond Model: A Case Study from China[J]. Applied Sciences. 2018, 8(10): 1900.

[9]  CULOT G, ORZES G, SARTOR M. Integration and Scale in the Context of Industry 4.0: The Evolving Shapes of Manufacturing Value Chains[J]. IEEE Engineering Management Review. 2019, 47(1): 45 -51.

[10]   REIS C F D B, BARROSO DE SOUZA A, ARAUJO E C, et al. Value chains of the world's top manufacturing corporations: moving from tangible to intangible activities?[J]. Journal of Manufacturing Technology Management. 2020, ahead-of-print(ahead-of-print).

[11]  SIMATUPANG T M, PIBOONRUNGROJ P, WILLIAMS S J. The emergence of value chain thinking[J].International Journal of Value Chain Management. 2017, 8(1): 40.

[12]   SIMATUPANG T M, GINARDY R, HANDAYATI Y. New framework for value chain thinking[J].International Journal of Value Chain Management. 2018, 9(3): 289.

[13]  GUO J, CAO J, YANG Y, et al. 2020, 44(2): 493-504.(In Chinese)郭健，曹军威，杨洋，等. 面向用户需求的区域能源互联网价值形态研究框架及应用分析[J]. 电网技术. 2020, 44(2): 493-504.

[14]  QI L, ZHANG H, TANG L. 2017(8): 133-143.(In Chinese)綦良群，张昊，汤利蒙. 制造企业价值链整合效果影响因素研究[J]. 中国软科学. 2017(8): 133-143. 

[15] LI B, SUN L, WANG S, et al. 2015, 21(10): 2787-2797.(In Chinese)

李斌勇，孙林夫，王淑营，等. 面向汽车产业链的云服务平台信息支撑体系[J]. 计算机集成制造系统. 2015, 21(10): 2787-2797.

[16] CHEN J, WANG S, SUN L. 2011, 17(1): 177-185.(In Chinese)

陈静，王淑营，孙林夫. 面向柔性的业务关联的多产业链协作公共服务平台模型和架构[J]. 计算机集成制造系统. 2011, 17(1): 177-185.

[17] HAN X, WU Y. 2018(3): 166-173.(In Chinese)

韩霞，吴玥乐. 价值链重构视角下航空制造业服务化发展模式分析[J]. 中国软科学. 2018(3): 166-173.

[18] ANGELIS-DIMAKIS A, ALEXANDRATOU A, BALZARINI A. Value chain upgrading in a textile dyeing industry[J]. Journal of Cleaner Production. 2016, 138: 237-247.

[19] JIANG G, LI F, MO C. 2018, 38(2): 326-335.(In Chinese)

江国进，李富，莫昌瑜. 适用于核电厂数字化仪控系统的RAMS管理体系方案设计[J]. 核科学与工程. 2018, 38(2): 326-335.

[20]   ZHENG M, YAN J, JUN S, et al. The General Design and Technology Innovations of CAP1400[J]. Engineering. 2016, 2(1): 97-102.

[21]  WELZ Z, COBLE J, UPADHYAYA B, et al. Maintenance-based prognostics of nuclear plant equipment for long-term operation[J]. Nuclear Engineering and Technology. 2017, 49(5): 914-919.

[22] YAN F. 2019(4): 60-63.(In Chinese)

闫锋哲.  先进小型反应堆技术现状及未来发展趋势研究[J].  电力设备管理. 2019(4): 60-63.

[23]  LIU Z, ZHAO P, ZHANG B, et al. 2020, 54(7): 1254-1265.(In Chinese)

刘紫静，赵鹏程，张斌，等. 超长寿命小型自然循环铅铋快堆堆芯概念设计研究[J]. 原子能科学技术. 2020, 54(7): 1254-1265.

[24]  SHANG C, TIAN Q, MAO H, et al. 2020, 41(2): 150-154.(In Chinese)

尚臣，田齐伟，毛欢，等. 国产先进压水堆核电厂通用调试导则的设计方法[J]. 核动力工程. 2020, 41(2): 150-154.

[25] WANG Y. 2010, 31(3): 96-101.(In Chinese)

王勇. 三维设计和协同设计平台在核电设计院的应用[J]. 核动力工程. 2010, 31(3): 96-101. 

[26] LI W, LI Z, CHEN Q, et al. 2016, 27(8): 2068-2085.(In Chinese)

李卫榜，李战怀，陈群，等. 分布式大数据不一致性检测[J]. 软件学报. 2016, 27(8): 2068-2085.

[27]   AWASTHI A, KANNAN G. Green supplier development program selection using NGT and VIKOR  under fuzzy environment[J]. COMPUTERS & INDUSTRIAL ENGINEERING. 2016, 91: 100-108.

[28]  XU X, QIN X, YANG Q, et al. 2020, 41(S1): 68-72.(In Chinese)

徐霞军，秦绪涛，杨强，等. 大数据技术在核电设备缺陷分析中的初步应用[J]. 核动力工程. 2020, 41(S1): 68-72.

[29] WU T, LIU T, SHI H, et al. 2020, 41(5): 132-137.(In Chinese)

吴天昊，刘韬，施海宁，等. 基于核主元分析法的核电厂设备状态监测技术研究[J]. 核动力工程. 2020, 41(5): 132-137.

[30] NGUYEN H, BARALDI P, ZIO E. Ensemble empirical mode decomposition and  long  short-term  memory neural network for multi-step predictions of time series signals in nuclear power plants[J]. Applied Energy. 2021, 283: 116346.

[31] MA Y, WANG Q, QI X, et al. 2021, 42(S1): 163-167.(In Chinese)

马一鸣，王棋超，齐箫，等. 核电装卸料机控制系统典型故障分析及改进[J]. 核动力工程. 2021, 42(S1): 163-167.