AI，化工行業(yè)轉型催化劑

全球涂料網(wǎng)訊：

隨著全球范圍內國家層面陸續(xù)推出工業(yè)4.0相關政策，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)所產生的交集，讓傳統(tǒng)行業(yè)看到了其給企業(yè)運營模式、生產方式可能帶來的影響。日前業(yè)內相關咨詢機構進行的不完全統(tǒng)計顯示，全球500強化工行業(yè)企業(yè)已有多家開始以工業(yè)4.0政策為指導，以人工智能技術為核心方向，制訂其自身相關產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)轉型升級的催化劑。

多項技術服務化工

目前，化工行業(yè)常用人工智能技術領域主要包括機器學習、大數(shù)據(jù)技術、深度學習、機器人、計算機視覺、云計算等。

機器學習指利用算法來解析數(shù)據(jù)，事件做出決策和預測。在化工行業(yè)，機器學習的應用主要集中在對于化工生產流程與維護方式的優(yōu)化。

大數(shù)據(jù)技術可用以完成標識歸納相關數(shù)據(jù)，其在化工行業(yè)的應用主要集中在有無機物歸類、石油石化數(shù)據(jù)查詢、化纖數(shù)據(jù)清洗等領域。深度學習系統(tǒng)具有強大的特征提取能力，并通過領域神經網(wǎng)絡等前沿技術可以處理復雜、高維、非線性的問題，目前在化工行業(yè)的應用主要集中于分子性能預測與藥物分子篩選等方向。

機器人在化工領域應用已久，但最新的機器人技術可以通過圖像識別，傳感器以及不同算法的結合，使機器人自主學習各工位工作完成無人化生產作用。目前，機器人技術在化工行業(yè)應用集中在材料高尖端生產領域。

計算機視覺主要是指用攝影機和電腦代替人眼對目標進行識別，使其成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺在化工行業(yè)可以應用在新材料研發(fā)的信息描繪上。

云計算屬于重要的AI基礎設施之一，通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴展且經常是虛擬化的資源。在化工行業(yè)，云計算可以用于新產品研發(fā)過程中，新材料預測模型的構建。

智能應用初展頭角

據(jù)了解，化工企業(yè)在人工智能技術應用領域，已有不少落地案例。為了更科學高效地預測有機物合成反應，IBM發(fā)布了一款人工智能工具IBM RXN for Chemistry。基于深度學習、機器學習、大數(shù)據(jù)的IBM RXN for Chemistry，起到預測有機化學物合成反應的作用。通過簡化模型和深化注意力機制，該模型已達到89%預測精確度，成為有機化學合成工作的有力助手。

SABIC與西門子、Airbone和庫卡機器人合作，使用人工智能、大數(shù)據(jù)、傳感器、機器人等前沿技術重新構建全自動數(shù)字化復合材料生產線。經過機器學習與機器人等尖端數(shù)字化技術加持的生產線，不僅可實現(xiàn)大規(guī)模復合材料定制化生產，而且使生產成本與周期也大幅度降低。

為了優(yōu)化運維策略和提高資產可靠性，淡水河谷化肥公司采用了GE的Predix資產績效管理方案(APM)，該解決方案包括生產分析、厚度監(jiān)測和根本原因分析(RCA)功能。Predix APM是一套軟件和服務解決方案，運用大數(shù)據(jù)等人工智能技術整合不同的數(shù)據(jù)源，并使用高級分析算法使數(shù)據(jù)更具可操作性，促進跨組織的協(xié)作和知識管理。

三井化學與NTT合作開發(fā)了一款基于深度學習算法的模型，用來快速準確地在生產過程中預測油氣產品的質量。它可通過實時處理數(shù)據(jù)，例如溫度、壓力和流量等，并結合深度學習算法，自動分析數(shù)據(jù)間的關系，以模擬和預測結果。該預測模型在生產環(huán)境中的預測數(shù)值的誤差精確度可保持在為3%左右的范圍內。

巴斯夫與IBM Watson團隊合作，利用IBM Cloud 和IBM Watson AI服務快速構建了補給管理助手，以集成平臺的形態(tài)幫助專家用戶連接來自不同系統(tǒng)中結構化和非結構化數(shù)據(jù)，以提供供應鏈運營的統(tǒng)一概述，實現(xiàn)了庫存波動與補給需求的預測工作，成功減少供應鏈中斷的風險幾率。

發(fā)展可期局限仍存

未來，人工智能技術在能源和化工行業(yè)的熱點方向可能包括安全管理強化、技能培訓簡化和運營管理優(yōu)化。

在安全管理領域，鑒于化工產品的敏感性，人工智能配合物聯(lián)網(wǎng)、預測性分析等技術能夠通過實時監(jiān)控設備運行狀態(tài)、預測及診斷故障，加強事故應急處置能力等方式提高生產過程的安全等級。

在技能培訓方面，化學品的生產往往牽扯到高風險與危險環(huán)境，而虛擬增強現(xiàn)實與計算機視覺的出現(xiàn)，讓高�；�工產品生產在安全環(huán)境下培訓成為可能，從而大大降低培訓所需人工，時間以及運營成本。

在運營管理方面，在機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、調度和運營方面的能力將愈發(fā)重要。人工智能對數(shù)據(jù)強大的利用效率能夠幫助企業(yè)從網(wǎng)絡抓取并分析市場動態(tài)，結合對生產車間、物流及庫存等信息的是實時監(jiān)控，優(yōu)化供應鏈管理。

需要引起重視的是，人工智能技術在能源和化工行業(yè)的應用暫時還存在一定的局限性。

一是數(shù)據(jù)資源受限制�；�工行業(yè)的生產數(shù)據(jù)雖然量大，但分布較窄，類型單調。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。由于化工生產過程往往涉及對大量有毒、易燃易爆的危險化學品直接或間接的使用。因此，行業(yè)對設備與系統(tǒng)的安全性與可靠性要求極其嚴格，導致極低的容錯率。

三是資本投資回報率不高�；�工行業(yè)的技術開發(fā)時間相對較長，難以快速落地。這使人工智能應用不能在短期內產生明顯效益，導致了對化工行業(yè)的資本投入相對匱乏。

微信公眾號