化學工程作為一種典型的工程學科，其特點是半理論半實驗。由于一些現象過于復雜，涉及機械、材料、物理、化學、熱力學、動力學和傳遞，多種因素關聯偶合在一起，無法通過純理論邏輯推導得到某些現象的原因或結論，需要在實驗室環(huán)境下將各種因素分離獨立研究（徹底的研究方法），或者綜合在一起、只研究主要因素對結果的影響。也就是說，化學工程的大部分理論知識來自于實驗室研究。

        舉一個簡單例子，例如一組新的二元體系，在沒有汽液平衡實驗數據的前提下，有哪種模型敢說它的預測精度在5%內？雖然化工文獻和數據庫中已經有了上百萬組的二元汽液平衡實驗數據，化工熱力學家研究了近50年的汽液平衡預測模型，但一旦遇到關鍵應用，還是得去實驗室做實驗得到實驗數據。

        由于化工現象的復雜性，有些現象在工業(yè)裝置上表現出與實驗室實驗裝置上不同的特性甚至在實驗室無法觀察到的現象，即所謂的“放大效應”，其本質還是對某些因素考察不清導致沒有正確預測。此時，我們可以從工業(yè)裝置得到反饋從而擴展化學工程的知識。另外，從工業(yè)裝置運行中，還可以得到大量的操作、維護、安全方面的、超出實驗室研究范圍的經驗性知識。

        雖然化工行業(yè)在中國不是什么好形象，在大學也不是什么好專業(yè)，但是其學科知識結構、研究方法都比較復雜，在歐美化學工程在工程學科中是一個收入靠前的專業(yè)。

將經驗轉化為數據，將數據轉化為知識，將知識融入到自動化系統(tǒng)中，這就是知識自動化，這才是智能制造的核心。

        可見，一個化工裝置的工藝機理知識基本已經融入到最初的設計中和運行的自動化控制中，已經80%以上實現了知識的自動化；而裝置運營知識，主要涉及人員管理、資產設備管理、操作、維護、供應鏈的知識還是存在于各種SOP中，和作為經驗存在于人腦中，這方面離知識自動化還有很在大的距離。

         知識自動化才是今后化學工業(yè)搞信息化、智能化的重點方向。