工業(yè)人工智能(簡稱工業(yè)AI)正在強勢發(fā)展，助力企業(yè)逐一實現(xiàn)數(shù)字化轉(zhuǎn)型。了解企業(yè)架構(gòu)對于開啟數(shù)字化轉(zhuǎn)型之路至關(guān)重要，可幫助企業(yè)掌握AI模式的精髓，最終實現(xiàn)企業(yè)所有業(yè)務(wù)流程的數(shù)字化。許多資本密集型企業(yè)正在自主研發(fā)工業(yè)AI和可持續(xù)發(fā)展戰(zhàn)略以引領(lǐng)未來工廠的建設(shè)。AI和可持續(xù)發(fā)展理念是相互促進和協(xié)同作用的，具有相同的驅(qū)動因素，通過實現(xiàn)更安全、更環(huán)保、更持久和更快速的運營，以創(chuàng)造一個更卓越的未來工廠。
圖1 – 工業(yè)AI將數(shù)據(jù)科學及人工智能與軟件及專業(yè)領(lǐng)域知識相結(jié)合
資本密集型企業(yè)的工業(yè)AI應(yīng)用案例
艾斯本技術(shù)有限公司高級總監(jiān)Adi Pendyala;艾斯本資深高級解決方案咨詢顧問竺建敏博士
為了克服人工智能應(yīng)用的障礙，人們開始逐漸重視將AI應(yīng)用大眾化，并以針對行業(yè)挑戰(zhàn)和業(yè)務(wù)成果為重點。這就是我們使用工業(yè)AI模式的初衷，它可以將數(shù)據(jù)科學及人工智能與軟件及專業(yè)領(lǐng)域知識相結(jié)合，為資本密集型企業(yè)的特定業(yè)務(wù)需求全面地提升業(yè)務(wù)成果。
IoT Analytics在《工業(yè)AI市場調(diào)查：2020-2025年》報告中，介紹了33種采用AI工具與技術(shù)為工業(yè)企業(yè)實現(xiàn)數(shù)據(jù)源與資產(chǎn)連接的不同案例。該報告預(yù)測，到2025年，全球工業(yè)AI市場規(guī)模將從2018年的逾110億美元擴大至2025年的725億美元。該機構(gòu)歸納出了以下三大工業(yè)AI應(yīng)用案例。
首先, 預(yù)測性維護占據(jù)2019年工業(yè)AI總市場24%以上，它利用先進的分析技術(shù)和機器學習來監(jiān)測單一或整體資產(chǎn)的運行狀態(tài)，從而對資產(chǎn)維護的執(zhí)行時間進行準確預(yù)判。
質(zhì)量、可靠性和安全保證在工業(yè)AI應(yīng)用案例中占第二位，占據(jù)總市場的20.5%，它所面臨最重要的挑戰(zhàn)就是幫助決策者凌駕于設(shè)備水平之上，并能準確預(yù)測整個系統(tǒng)的未來資產(chǎn)性能，從而使決策者做出經(jīng)濟效益最大化的商業(yè)決策。
位居第三的是流程優(yōu)化，這可能是最受關(guān)注的應(yīng)用案例類別，但同時也是最難以實施的應(yīng)用案例之一。它涉及到多種基于AI的跨系統(tǒng)能力：自動執(zhí)行重復(fù)的人工任務(wù);支持完成跨多個應(yīng)用的實時決策;在不同的業(yè)務(wù)維度上延長資產(chǎn)生命周期并對價值鏈進行優(yōu)化。該應(yīng)用案例使用了先進機器學習方法，包括強化學習和復(fù)雜的深度學習神經(jīng)網(wǎng)絡(luò)，可從不同的數(shù)據(jù)源、資產(chǎn)和工藝流程中獲取信息和洞察力。
AI與可持續(xù)發(fā)展的強強組合
在我們展望工業(yè)運營新常態(tài)時，安全性和可持續(xù)性被認為是資本密集型企業(yè)中最重要的兩個業(yè)務(wù)維度。例如，采用預(yù)測分析可以大大降低意外的火炬燃燒排放發(fā)生。據(jù)世界銀行估算，全球每年因火炬燃燒排放而產(chǎn)生的二氧化碳高達3.5億噸以上，相當于大約90座燃煤發(fā)電廠的總排放量。要顯著地減低排放就要提升設(shè)備的可靠性，從而消除計劃外停機和隨之帶來的意外火炬燃燒排放。此外，預(yù)測性維護還能有效提高安全性，化學安全委員會(CSB)表示，煉油行業(yè)中有50%的安全事故是由計劃外開停機造成的。
最近，中國藍星集團部署了艾斯本軟件，借助嵌入式人工智能技術(shù)加速數(shù)字化轉(zhuǎn)型。此次戰(zhàn)略合作幫助藍星在其特種化學品業(yè)務(wù)中實現(xiàn)重大的生產(chǎn)優(yōu)化。通過對所有關(guān)鍵設(shè)備進行預(yù)測性和規(guī)范性的系統(tǒng)維護分析，可以及早預(yù)測到過程偏差，從而避免了產(chǎn)品質(zhì)量問題并減少計劃外停機時間。通過加速其數(shù)字化轉(zhuǎn)型進程，藍星得以應(yīng)對易變性、不確定性、復(fù)雜性和模糊性(VUCA)的全球市場，充分利用全球資源，把握市場機遇。
環(huán)保法規(guī)、能源與水資源保護、空氣質(zhì)量以及氣候變化是工業(yè)界最關(guān)心的幾大問題。塑料循環(huán)經(jīng)濟對可回收塑料的生產(chǎn)和擴大應(yīng)用提出了一系列整體解決方案，從而節(jié)約資源、保護環(huán)境。企業(yè)利用AI和機器學習的分析得出的洞察力解決方案，可以進一步開發(fā)可再生能源項目，如生物乙醇、生物柴油、碳捕獲、太陽能和風能項目。長此以往，企業(yè)就有能力在減少資本投入的同時提高盈利能力及可靠性。在工業(yè)運營中采用碳捕獲技術(shù)以減少對氣候變化的影響是另一個重點領(lǐng)域。
工業(yè)AI即將騰飛
一般來說，節(jié)約成本會促使企業(yè)提高生產(chǎn)效率。然而，考慮到排放量和資源使用問題，企業(yè)現(xiàn)在正在尋求更具體的工藝指標。他們還將注意力集中在降低生產(chǎn)單位產(chǎn)品的廢棄物與排放量，以及通過數(shù)字技術(shù)提高生產(chǎn)效率。在流程工業(yè)中，復(fù)雜的互聯(lián)資產(chǎn)、工藝過程和系統(tǒng)的實際操作性能是由資產(chǎn)的設(shè)計特征及能力(工藝限制)所決定的，這些資產(chǎn)模型的特征和能力一般取決于工藝流程的物理化學性質(zhì)。
工業(yè)AI，正如以前的多變量和自適應(yīng)控制能力一樣，通過獲取更深入的洞察力，可以在物理和化學工藝流程和工藝設(shè)計約束條件下更好地運營資產(chǎn)。國際能源署(IEA)發(fā)現(xiàn)，工業(yè)AI和數(shù)字化解決方案可以使工業(yè)運營的能效提高30%。下一代資產(chǎn)優(yōu)化解決方案將應(yīng)對包括可持續(xù)發(fā)展目標的內(nèi)在的各項挑戰(zhàn)，提供可視化、分析性和更高的洞察力。
（轉(zhuǎn)載）
