图为张国平（右）和李建国正在对成品油进行硫元素分析。罗 慧 摄

    □王 冲  曾 红

    张国平，中韩石化检验计量中心高级工程师，现任主任工程师，被同事称为中心的“技术水平天花板”，长期服务于中心的基层岗位，为中心培养了不少优异的专业技术人才。

    李建国，检验计量中心炼化检验室技术管理人员，凭借严谨认真、精益求精、乐于钻研的工作态度，成为中心出名的“严肃理工男”。

    2019年，在公司的第三期导师制培养计划中，李建国成了张国平的学员，当“技术天花板”遇到“严肃理工男”，他们之间会碰撞出创新火花吗？

    开始导师制学习后，该如何确定具有实效的攻关课题，并达到可以投用生产的目的呢？李建国和张国平一致认为，必须结合生产实际，考虑新技术的应用和提升工作效率。当时，该公司大量外购异辛烷进厂，检验计量中心每天需要抓紧时间进行异辛烷辛烷值分析，而传统辛烷值分析方法不仅耗时长、成本高，而且分析过程比较复杂。“为何不想办法降低实验室的人工分析压力、分析成本和人工成本呢”？李建国的想法，得到了张国平的大力支持，并确定将“近红外法替代控制分析中传统分析方法”作为技术攻关课题，开展研究。

    在近两年的攻关过程中，李建国坚持不懈，以大量真实数据为依据，通过不断地研究、比对，成功获得实验模型。

    为获得准确无误的实验模型，李建国收集了外购异辛烷及小调样品共200组实验数据，并分别对这200组实验数据的谱图基线和光程进行校正，经过严格筛选，在剔除异常无效数据和18组谱图后，成功建立起近红外实验模型。

    一次，李建国在收集原始数据统计过程中，遇到了一个奇怪的现象，在这些常态的数据中，偶尔会出现一些异常、不符合样品类型超出曲线区间的样品数据。为什么会出现这些异常数据呢？李建国向张国平提出自己的疑惑。

    “虽然在大数据面前，这些极个别、不具代表性的数据应该剔除，但我们还是应该找到造成异常数据的原因，这样才能进一步判断近红外分析方法会不会存在未显现的漏洞。”听了导师的话，李建国意识到，真实有效的数据是建模工作的基础，绝不能轻易剔除。

    于是，李建国静下心来仔细梳理数据，试图找到出现异常数据的规律，就在他一筹莫展的时候，这个问题居然被他还在牙牙学语的儿子给解决了。周末，李建国在家统计数据，一旁玩耍的儿子不停地将杯盖往杯子上盖，可怎么就是盖不上，儿子急得哇哇叫。李建国一看，原来儿子手里的杯子和杯盖根本就不是同一套，就在李建国将匹配的杯盖递给儿子的时候，脑中突然灵光一闪，异常数据会不会是因为分析过程中名称没有及时更改，才造成样品与类型不符呢？李建国立马抓起外套直奔车间，对异常数据进行排查。果然，这些异常数据中除极少数确实是当天样品异常外，其他“异常”仅仅是样品名称登记错误，近红外方法不存在任何技术漏洞，攻关工作得以顺利进行。

    辛烷值近红外方法成功完成建模后，李建国并未就此止步，他再次向导师提出，借鉴异辛烷近红外建模经验，建立近红外分析汽油苯含量、石脑油PONA模型的想法。张国平在详细了解近红外建模的数据报告后，判断方案可行。于是，在张国平的技术指导下，李建国顺利完成了汽油苯含量、石脑油PONA的建模工作。

    李建国的攻关成果成功应用于检验计量中心炼化检验室，新的近红外方法投用后，单个样品的辛烷值分析时间仅需6分钟，每年可节约用工成本和试剂费用16.7万元，为高效生产做出了实实在在的贡献。