<small id="mxhh4"><thead id="mxhh4"></thead></small><tt id="mxhh4"><menu id="mxhh4"></menu></tt>
    1. <blockquote id="mxhh4"></blockquote>
    2. <blockquote id="mxhh4"></blockquote>

    3. 首頁 > 行業資訊

      如何通過一小步的改變,使石化企業人工智能項目取得成功?

      專題網友投稿2022-09-05A+A-

      如何通過一小步的改變,使石化企業人工智能項目取得成功?

      原創 Pauli 流程工業
      流程工業

      PROCESS2013

      深入報道油氣、石化、化工及新能源、新材料領域最新市場動態,傳播先進的工程工藝、裝置設備與技術產品,展示全球流程行業技術發展與最新應用成果,為流程行業搭建供需雙方互動交流平臺。

      收錄于合集 #技術應用解析 132個

      這是“流程工業”發布的第  8294  篇文章

      人工智能項目—— 石化企業仍然對設立人工智能項目猶豫不決,高昂的投資成本、巨大的努力和缺乏經驗成為阻礙人工智能項目發展最大的障礙。本文將通過實際案例展示人工智能項目如何通過一小步的改變取得成功。

      本文刊登于PROCESS《流程工業》2022年第08期

      《人工智能是必經之路》

      文/ Dr. Stefan Pauli,Wolfgang Kock

      本文作者供職于VTU公司

      據德國信息技術、電信和新媒體協會Bitkom,于2020年進行的關于"德國學習人工智能"的研究顯 示,僅14%的化學和制藥公司使用人工智能(AI)或機器學習技術。根據Bitkom當前的研究,接受調查的公司認為使用人工智能的最大障礙分別是: 高投資成本(59%) 、 數據保護(50%)和安全(46%)要求 以及 缺乏應用實例(45%) 。VTU工程公司主張對數據科學項目采取循序漸進的方法,以謹慎對待計算機科學的這一創新子領域。究竟應當如何踏出第一步?哪些項目可以成為人工智能試點項目?為了更好地理解和分類,本文將介紹2個來自VTU工程公司在實踐中的數據科學項目。

      在數據分析領域引入機器學習概念,以輕松優化流程并可對數據進行持續性研究。在一個工藝裝置中,往往對壓力進行監控。為可靠地防止裝置超壓,現場一般需要安裝緊急泄放閥?;谌斯ぶ悄艿臄祿治龇椒?,有助于判斷必要的緊急措施,以便確定緊急泄放閥是否應該打開。出于經濟和生態環境方面的考慮,緊急泄放閥是否需要打開要保持在盡可能低的水平。對過去3年的生產數據進行調整和合并后進行數據分析,并開始對緊急泄放閥打開前后介質流速、介質壓力和閥門控制器的數據進行深入研究。借助人工智能算法(k-means),3種典型的行為會被自動識別并歸類。

      在數據科學家和工藝工程師的緊密合作下,壓力超壓的3個原因被確定下來。經過10天的數據分析,人們可以明確有哪些措施需要將緊急泄放閥開啟,并將開啟的頻率降低到原來的1/4。通過這種方式,不僅可以大大減少工藝介質的損失,同時還可以減少空氣污染。

      混合物的優化

      VTU實踐中的另一個例子,是一個必須保持一定混合比例的設備,其中的混合物由一種昂貴的成分和一種廉價的成分組成。為了始終保證在任何時候昂貴物質劑量始終高于所需的最低含量,該物質通常被超量1%使用。而這1%過量用藥的費用每年加起來高達幾十萬歐元。數據分析可減少昂貴物質含量的波動并最大限度地減少過量使用。

      為了進行數據分析,一整年的生產和實驗室數據被整合、合并成一個數據包。隨后,研究人員開發了一種機器算法,該算法可以預測昂貴物質的含量。此外,此算法還找出了進行預測所需的重要參數。在本案例中,有大約100個不同的參數,這些參數都可能是非常有用的。得益于重要參數的可視化,通過與工藝專家合作,可以確定新的工藝方法,具有針對性地對物質含量的波動進行研究,并顯著減少昂貴物質的超量使用。最終經過20天的數據分析,每年節省了近20萬歐元的開支。

      快速入門的分步方法

      以上2個例子表明,人工智能算法會事半功倍。循序漸進的方法的好處是可以避開最大的障礙,因為離線分析既不需要高額的初始投資,也不需要復雜的數據保護措施,并且公司還可以在自己的生產中創建一個應用實例。

      循序漸進的方法已在數據分析項目中得到證明,然而還必須為每個步驟定義目標,并在必要時通過研討會進行技術探討。在確定了明確和可衡量的目標后,根據數據科學、數據工程、工藝知識或數據安全方面專家的要求,組建一個跨學科團隊。理想情況下,項目以敏捷的方式進行,公正地對待項目的探索性特征。然后根據GxP的要求,對算法進行驗證。最后,對之前定義的可衡量的成功標準進行驗證,以便以一種可衡量的方式為大家展示項目的成功。經驗表明,循序漸進的方法為所有尚未使用人工智能或機器學習的化學和制藥公司提供了進入人工智能支持生產的低門檻。因此,可以預計,超過14%的公司將很快成功使用這種面向未來的技術。

      訪V TU工程公司數據科學家StefanPauli 博士
      邁向第一個人工智能項目的一小步

      PROCESS: 神經網絡、機器學習、深度學習和人工智能有什么區別?

      StefanPauli博士:分清這些術語對理解AI非常有幫助,因為雖然它們彼此相關,但它們指的不是同一件事。伊萊恩-里奇1983年對于通用術語人工智能(AI)的定義比較恰當:"人工智能是研究如何使計算機做出目前人們更擅長的事情"。因此,人工智能通常是指人為地部分模仿人類智能的機器在某些部分表現得很智能?,F在有許多不同的人工智能技術。其中之一是機器學習算法,它從收集的數據中進行獨立學習。在這些算法中,有一些比較簡單的算法,如線性回歸或隨機森林,但也有非常復雜的算法,如神經網絡。神經網絡將神經元(神經細胞)連接成一個網絡,有點類似人類大腦的神經元網絡。大型神經網絡則被稱為深度學習,它可以在圖像、文本或語言處理方面展示其卓越的能力,但需要大量的數據和計算能力。因此,從通用術語人工智能開始,通過幾個中間術語(例如機器學習),人們就可以得出深度學習這個子術語。

      PROCESS: 根據Bitkom最近的一項研究,只有14%的化學和制藥公司使用人工智能或機器 學習工具。 這是為什么呢?

      StefanPauli博士:14%的化學和制藥公司已經使用人工智能。雖然這聽起來非常少,但這項研究中的行業平均水平是13%。這項研究還談到了推廣人工智能的最大挑戰,這揭示了人工智能不被經常使用的原因。大公司認為最大的挑戰來自于投資成本高(59%)、數據保護要求(50%)、數據安全性要求(46%)以及缺乏應用案例(45%)。這與我們的經驗值非常吻合。然而,通過采用適當的方法,例如,我們所采取循序漸進的方法(見下一個問題)方面就有很好的經驗,從低投資成本開始,隨著成功而加大投資。通過設計對數據進行一致的保護和安全,可以確保工業生產流程的穩定性以及商業秘密和專有技術的保護。根據我們的經驗,對于化工行業,特別是制藥業,還面臨另一個具體的挑戰——嚴格的監管要求和工藝。人工智能算法必須經過GxP驗證。在GMP合規性和數字化這兩個領域都有豐富專業知識的有能力的合作伙伴可以在這些方面提供支持。

      PROCESS: 從想法到商業案例:實施人工智能項目的決定性成功因素是什么?

      StefanPauli博士:據經驗,以下幾點是最重要的:1.確定和定義一個有價值且可行的項目目標。使用人工智能時,某些事情不會改變。與尋常項目一樣,必須確定、制定和定義項目目標(例如SMART)。這有時可能是AI項目中最困難和最重要的任務之一。指導性的用例研討會在這里已經證明了它們的價值。

      2.跨學科和有經驗的項目團隊。由于制造型工業公司的工藝通常比較復雜,因此,成功的項目管理需要一個跨學科的團隊。使用新的職位描述,如數據科學家、數據工程師以及經典的MES工程師,當然還有來自工程和運營的經驗豐富的技術人員,他們非常了解生產過程。為了簡化人工智能的應用并且增加成功率,能夠獲取現有知識是非常重要的。

      3. 循序漸進的方法。我們認為,按照“從小事做起,在成功中成長”的座右銘,一步一步地發展項目,有利于成功。與其他軟件開發一樣,敏捷項目方法是理想的選擇。


      在“流程工業”推出的 流程工業知識圈 小程序上,雜志已更新至最新一期~歡迎閱讀 ! 全彩印刷,圖文并茂,您將獲得和翻閱紙質雜志一樣的體驗。

      了解更多技術資料,請掃描下方二維碼

      本文系“流程工業”首發,未經授權不得轉載。 版權所有, 轉載請聯系小編授權(id :msprocess)。本文作 者Sabine Mühlenkamp,責任 編輯胡靜,責任校對許飛。本文 轉載請注明來源:流程工業。
       點擊下方圖片查看更多精彩文章 

      為什么高鹽廢水難處理?附高鹽廢水零排放關鍵技術和方法總結

      2022-09-04

      自動化技術實現更多的可持續性

      2022-09-01

      制氫純度99.999%!我國首套自主研發的橇裝天然氣制氫裝置投用,橇裝天然氣制氫有何優勢?

      2022-09-03

      點擊原文,免費閱讀流程工業雜志電子雜志

      相關內容

      相關內容

      能化大數據平臺 ©2010-2022 All Rights Reserved.  
      滬ICP備14007155號-3 網站地圖 化工熱詞舊版本
      關于我們| 會員說明| 廣告合作| 聯系我們| 免責聲明| 投稿須知|

      能源化工大數據平臺-煤化工網二維碼
      在線客服
      服務郵箱

      服務郵箱

      cnmhg168@163.com

      微信咨詢
      微信
      返回頂部
      X我的網站名稱

      截屏,微信識別二維碼

      微信號:anquanhun

      (點擊微信號復制,添加好友)

        打開微信

      微信號已復制,請打開微信添加咨詢詳情!
      被公玩弄的年轻人妻

      <small id="mxhh4"><thead id="mxhh4"></thead></small><tt id="mxhh4"><menu id="mxhh4"></menu></tt>
        1. <blockquote id="mxhh4"></blockquote>
        2. <blockquote id="mxhh4"></blockquote>