工业AI如何驱动石化业价值增长

艾斯本全球企业解决方案咨询高级总监Rob Howard

当前，世界经济快速变化，面对地缘政治、供应链安全、产能过剩、能源转型、技术迭代更新等挑战，越来越多的中国企业希望通过工业AI应对这些挑战。尤其是对于产能相对过剩的石油石化行业而言，资产优化和高效运营至关重要，工业AI将在其中扮演重要角色。工业AI技术有哪些显著优势？带来哪些颠覆性变化？在石油石化等领域能够创造哪些价值？近日，艾斯本全球企业解决方案咨询高级总监Rob Howard和艾斯本大中华区解决方案咨询高级总监陈洁接受了《中国化工报》记者采访。

提供更多选择和优化空间

“相较于普通AI，工业AI是真正能够适应工业场景的人工智能技术。”Rob Howard告诉记者，艾斯本在工业AI领域有二十多年的历史，从2000年的神经网络，到2010年神经网络融入AI预测分析领域，再到2020年后的生成式AI及深度学习，工业AI技术不断迭代更新，如今已成为守护化工生产安全、预测工业化生产不可或缺的先进技术。

Rob Howard介绍，工业AI具有三大特点，即灵活性、指导性、自动化。灵活性意味着用户企业决策更加迅速、准确。比如，炼化厂反应器的建模可以根据实际生产情况，更加快速和频繁地进行更新。指导性则指通过可操作的指导来加强决策，延长控制器的正常运行时间，更快地培训新运营人员和工程师。自动化特点可以帮助用户快速、大范围实现技术的规模化应用，为客户带来价值。比如，SOCAR通过优化丙烯腈热回收工艺，增加了36%的废热回收；巴斯夫的环氧乙烷收率实现最大化，这也就意味着投资回报率实现最大化。

Rob Howard认为，相对于“以人为本”或者“以人为基础”的AI，生成式AI的使用让AI进入到一个新的层级。在可持续发展方面，生成式AI可以让二氧化碳的利用过程更快，达到高效、自动化的水平。

对于此，陈洁持相同态度。“目前，以二氧化碳作为原料生成其它生物制品方面的工业数据非常充足，我们基于公开数据，构建了工业AI模型，给客户带来了更多的选择和优化的空间。”她说。

除了二氧化碳利用之外，可再生能源的开发也是工业AI创造价值的又一体现。绿氨方面，OMV、埃克森美孚等采用艾斯本的工业AI解决方案，帮助他们加快绿氨生产和技术应用等，极大提升了工厂效率。氢能方面，艾斯本还为赤峰绿氢工厂项目提供解决方案，应用效果良好。

“与传统化工稳态运营模式不同，受风量、原材料影响，该工厂能够‘随风而动’，也就是说电解槽甚至整个工厂都处于动态平衡过程。依托我们的解决方案，工厂员工可随时了解电解槽的运营情况，通过先进的工艺控制系统控制氨厂的生产，从而实现产量的提升。”陈洁介绍。

Rob Howard介绍艾斯本跨产品组合解决方案

实现高效运营和利润增长

“作为工业AI方面的佼佼者、全球顶尖的工业软件供应商，艾斯本提供的工业解决方案，在化工数据库方面涵盖34000多种分子；有8000多种工业流程控制APP和软件，其中多项实现了‘首创’，如地下图像像素可视化、油藏模拟、流程模拟、多变量自适应控制技术等。这些解决方案在行业内达到领先水平。”化学工程专业出身、在石油石化领域深耕四十年的Rob Howard如数家珍。

在绩效工程、制造和供应链、资产绩效管理方面，艾斯本资产优化解决方案表现出色。Rob Howard介绍，艾斯本解决方案包含工业数据结构，能够帮助客户解决数据应用难题。“不久前，艾斯本收购了Inmation公司，我们提供的工业数据结构解决了现场数据上传至云端后不能直接使用的难题。”他说。

“创新一直以来都是艾斯本研发核心解决方案的重要动力。”Rob Howard告诉记者，在绩效工程方面，艾斯本创新打造了多种产品组合，拥有140款可持续发展模型及行业首创的混合模型，可节省30%的资本支出和运营支出；在制造与供应链方面，实现APC内嵌AI驱动指导及深度学习，能够带来20%的利润增长；在资产绩效管理方面，使用AI模型可更快地进行根本原因分析，通过预测性分析，使维护成本降低25%；在地下科学与工程方面，人工智能辅助的工业流程自动化，助力企业更快决策。

Rob Howard说，很多用户企业通过艾斯本解决方案，实现了利润增长、成本降低和高效运营。例如，陶氏运营成本降低了20%以上，雪佛龙收益增长38倍，SOCAR优化资本支出最高可达20%，巴斯夫可以把全世界200多个工厂的数据实时整合起来。再如，SOCAR采用艾斯本AI解决方案，来解读地震波，分析岩层结构，提升了钻井的有效性，钻井效率提高1/3；中海油利用艾斯本AI工具，大规模助力开发效率提升。

进行数据聚合和情景化

Rob Howard说，工业AI的最终目标是实现资产自动优化，减少企业之间的壁垒，让所有的数据可以在一个数据模型中得到集成，从而带来更高的利润率、更安全的运营，提高可靠性和可持续性。

“但建模型容易，训练模型比较困难。只有把工业数据进行有效地聚合和情景化，AI模型才能很容易地运用这些数据。”Rob Howard介绍，艾斯本与巴斯夫共同研发了工业数据解决方案，实现对大规模工业数据的聚合和情景化，助力用户节能减排和可持续发展。该解决方案不仅助力全球低碳经济发展，还将支撑中国“双碳”目标实现。

“工业数据的聚集和场景化是一个非常复杂的过程。首先需要具有数据汇集功能的基础设施，对不同的设施、设备设置不同的权限，数据再上传至云端，之后进行数据治理和数据决策。值得注意的是，数据本身具有多样性，这会导致生产环境中既有结构化数据，又有非结构化数据。而数据聚合，则需要有聚合这两类数据的能力。”Rob Howard进一步解释道，工业生产过程中每一秒都在产生数据，在保证安全和合规的情况下，数据以多快的速度、以多大的体量进行聚合，也是数据聚合和场景化能力的重要体现。

Rob Howard最后强调，AI越简单越好。AI大模型训练一般都要花费很多时间，收益反倒微乎其微，强大而简单的解决方案尤为重要。另外，可解释性也是工业AI的优势，一旦出现解释不清楚的情况，就会产生信任“黑箱”，甚至导致工业生产出现问题。