QQ客服
官方微信
官方微博
在線留言
隨著全球范圍內(nèi)國家層面陸續(xù)推出工業(yè)4.0相關(guān)政策，人工智能已逐漸成為了工業(yè)4.0實施推廣過程中必不可缺的一部分。而人工智能、工業(yè)4.0與化工行業(yè)所產(chǎn)生的交集，讓傳統(tǒng)行業(yè)看到了其給企業(yè)運(yùn)營模式、生產(chǎn)方式可能帶來的影響。日前業(yè)內(nèi)相關(guān)咨詢機(jī)構(gòu)進(jìn)行的不完全統(tǒng)計顯示，全球500強(qiáng)化工行業(yè)企業(yè)已有多家開始以工業(yè)4.0政策為指導(dǎo)，以人工智能技術(shù)為核心方向，制訂其自身相關(guān)產(chǎn)品與解決方案的落地實施試點工程項目。AI正在成為化工行業(yè)轉(zhuǎn)型升級的催化劑。
多項技術(shù)服務(wù)化工
目前，化工行業(yè)常用人工智能技術(shù)領(lǐng)域主要包括機(jī)器學(xué)習(xí)、大數(shù)據(jù)技術(shù)、深度學(xué)習(xí)、機(jī)器人、計算機(jī)視覺、云計算等。
機(jī)器學(xué)習(xí)指利用算法來解析數(shù)據(jù)，事件做出決策和預(yù)測。在化工行業(yè)，機(jī)器學(xué)習(xí)的應(yīng)用主要集中在對于化工生產(chǎn)流程與維護(hù)方式的優(yōu)化。
大數(shù)據(jù)技術(shù)可用以完成標(biāo)識歸納相關(guān)數(shù)據(jù)，其在化工行業(yè)的應(yīng)用主要集中在有無機(jī)物歸類、石油石化數(shù)據(jù)查詢、化纖數(shù)據(jù)清洗等領(lǐng)域。深度學(xué)習(xí)系統(tǒng)具有強(qiáng)大的特征提取能力，并通過領(lǐng)域神經(jīng)網(wǎng)絡(luò)等前沿技術(shù)可以處理復(fù)雜、高維、非線性的問題，目前在化工行業(yè)的應(yīng)用主要集中于分子性能預(yù)測與藥物分子篩選等方向。
機(jī)器人在化工領(lǐng)域應(yīng)用已久，但最新的機(jī)器人技術(shù)可以通過圖像識別，傳感器以及不同算法的結(jié)合，使機(jī)器人自主學(xué)習(xí)各工位工作完成無人化生產(chǎn)作用。目前，機(jī)器人技術(shù)在化工行業(yè)應(yīng)用集中在材料高尖端生產(chǎn)領(lǐng)域。
計算機(jī)視覺主要是指用攝影機(jī)和電腦代替人眼對目標(biāo)進(jìn)行識別，使其成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機(jī)視覺在化工行業(yè)可以應(yīng)用在新材料研發(fā)的信息描繪上。
云計算屬于重要的AI基礎(chǔ)設(shè)施之一，通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴(kuò)展且經(jīng)常是虛擬化的資源。在化工行業(yè)，云計算可以用于新產(chǎn)品研發(fā)過程中，新材料預(yù)測模型的構(gòu)建。
智能應(yīng)用初展頭角
據(jù)了解，化工企業(yè)在人工智能技術(shù)應(yīng)用領(lǐng)域，已有不少落地案例。為了更科學(xué)高效地預(yù)測有機(jī)物合成反應(yīng)，IBM發(fā)布了一款人工智能工具IBM RXN for Chemistry?；谏疃葘W(xué)習(xí)、機(jī)器學(xué)習(xí)、大數(shù)據(jù)的IBM RXN for Chemistry，起到預(yù)測有機(jī)化學(xué)物合成反應(yīng)的作用。通過簡化模型和深化注意力機(jī)制，該模型已達(dá)到89%預(yù)測精確度，成為有機(jī)化學(xué)合成工作的有力助手。
SABIC與西門子、Airbone和庫卡機(jī)器人合作，使用人工智能、大數(shù)據(jù)、傳感器、機(jī)器人等前沿技術(shù)重新構(gòu)建全自動數(shù)字化復(fù)合材料生產(chǎn)線。經(jīng)過機(jī)器學(xué)習(xí)與機(jī)器人等尖端數(shù)字化技術(shù)加持的生產(chǎn)線，不僅可實現(xiàn)大規(guī)模復(fù)合材料定制化生產(chǎn)，而且使生產(chǎn)成本與周期也大幅度降低。
為了優(yōu)化運(yùn)維策略和提高資產(chǎn)可靠性，淡水河谷化肥公司采用了GE的Predix資產(chǎn)績效管理方案(APM)，該解決方案包括生產(chǎn)分析、厚度監(jiān)測和根本原因分析(RCA)功能。Predix APM是一套軟件和服務(wù)解決方案，運(yùn)用大數(shù)據(jù)等人工智能技術(shù)整合不同的數(shù)據(jù)源，并使用高級分析算法使數(shù)據(jù)更具可操作性，促進(jìn)跨組織的協(xié)作和知識管理。
三井化學(xué)與NTT合作開發(fā)了一款基于深度學(xué)習(xí)算法的模型，用來快速準(zhǔn)確地在生產(chǎn)過程中預(yù)測油氣產(chǎn)品的質(zhì)量。它可通過實時處理數(shù)據(jù)，例如溫度、壓力和流量等，并結(jié)合深度學(xué)習(xí)算法，自動分析數(shù)據(jù)間的關(guān)系，以模擬和預(yù)測結(jié)果。該預(yù)測模型在生產(chǎn)環(huán)境中的預(yù)測數(shù)值的誤差精確度可保持在為3%左右的范圍內(nèi)。
巴斯夫與IBM Watson團(tuán)隊合作，利用IBM Cloud和IBM Watson AI服務(wù)快速構(gòu)建了補(bǔ)給管理助手，以集成平臺的形態(tài)幫助專家用戶連接來自不同系統(tǒng)中結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以提供供應(yīng)鏈運(yùn)營的統(tǒng)一概述，實現(xiàn)了庫存波動與補(bǔ)給需求的預(yù)測工作，成功減少供應(yīng)鏈中斷的風(fēng)險幾率。
發(fā)展可期局限仍存
未來，人工智能技術(shù)在能源和化工行業(yè)的熱點方向可能包括安全管理強(qiáng)化、技能培訓(xùn)簡化和運(yùn)營管理優(yōu)化。
在安全管理領(lǐng)域，鑒于化工產(chǎn)品的敏感性，人工智能配合物聯(lián)網(wǎng)、預(yù)測性分析等技術(shù)能夠通過實時監(jiān)控設(shè)備運(yùn)行狀態(tài)、預(yù)測及診斷故障，加強(qiáng)事故應(yīng)急處置能力等方式提高生產(chǎn)過程的安全等級。
在技能培訓(xùn)方面，化學(xué)品的生產(chǎn)往往牽扯到高風(fēng)險與危險環(huán)境，而虛擬增強(qiáng)現(xiàn)實與計算機(jī)視覺的出現(xiàn)，讓高危化工產(chǎn)品生產(chǎn)在安全環(huán)境下培訓(xùn)成為可能，從而大大降低培訓(xùn)所需人工，時間以及運(yùn)營成本。
在運(yùn)營管理方面，在機(jī)器能夠取代大部分體力勞動的現(xiàn)代工業(yè)環(huán)境下，企業(yè)在管理、調(diào)度和運(yùn)營方面的能力將愈發(fā)重要。人工智能對數(shù)據(jù)強(qiáng)大的利用效率能夠幫助企業(yè)從網(wǎng)絡(luò)抓取并分析市場動態(tài)，結(jié)合對生產(chǎn)車間、物流及庫存等信息的是實時監(jiān)控，優(yōu)化供應(yīng)鏈管理。
需要引起重視的是，人工智能技術(shù)在能源和化工行業(yè)的應(yīng)用暫時還存在一定的局限性。
一是數(shù)據(jù)資源受限制?；ば袠I(yè)的生產(chǎn)數(shù)據(jù)雖然量大，但分布較窄，類型單調(diào)。因此算法無法從這種信息量少的大數(shù)據(jù)中發(fā)掘新的規(guī)律或知識，限制了模型的魯棒性，導(dǎo)致模型的功能相對雞肋，并不足以完全取代傳統(tǒng)的數(shù)據(jù)分析方法。
二是容錯率過低。由于化工生產(chǎn)過程往往涉及對大量有毒、易燃易爆的危險化學(xué)品直接或間接的使用。因此，行業(yè)對設(shè)備與系統(tǒng)的安全性與可靠性要求極其嚴(yán)格，導(dǎo)致極低的容錯率。
三是資本投資回報率不高?；ば袠I(yè)的技術(shù)開發(fā)時間相對較長，難以快速落地。這使人工智能應(yīng)用不能在短期內(nèi)產(chǎn)生明顯效益，導(dǎo)致了對化工行業(yè)的資本投入相對匱乏。
手機(jī)版網(wǎng)站
