工业AI势头强劲，助力企业数字化转型

艾斯本技术有限公司高级总监Adi Pendyala
艾斯本资深高级解决方案咨询顾问竺建敏博士

工业人工智能（简称工业AI）正在强势发展，助力企业逐一实现数字化转型。了解企业架构对于开启数字化转型之路至关重要，可帮助企业掌握AI模式的精髓，最终实现企业所有业务流程的数字化。许多资本密集型企业正在自主研发工业AI和可持续发展战略以引领未来工厂的建设。AI和可持续发展理念是相互促进和协同作用的，具有相同的驱动因素，通过实现更安全、更环保、更持久和更快速的运营，以创造一个更卓越的未来工厂。

图1 – 工业AI将数据科学及人工智能与软件及专业领域知识相结合

资本密集型企业的工业AI应用案例

为了克服人工智能应用的障碍，人们开始逐渐重视将AI应用大众化，并以针对行业挑战和业务成果为重点。这就是我们使用工业AI模式的初衷，它可以将数据科学及人工智能与软件及专业领域知识相结合，为资本密集型企业的特定业务需求全面地提升业务成果。

IoT Analytics在《工业AI市场调查：2020-2025年》报告中，介绍了33种采用AI工具与技术为工业企业实现数据源与资产连接的不同案例。该报告预测，到2025年，全球工业AI市场规模将从2018年的逾110亿美元扩大至2025年的725亿美元。该机构归纳出了以下三大工业AI应用案例。

首先, 预测性维护占据2019年工业AI总市场24%以上，它利用先进的分析技术和机器学习来监测单一或整体资产的运行状态，从而对资产维护的执行时间进行准确预判。

质量、可靠性和安全保证在工业AI应用案例中占第二位，占据总市场的20.5%，它所面临最重要的挑战就是帮助决策者凌驾于设备水平之上，并能准确预测整个系统的未来资产性能，从而使决策者做出经济效益最大化的商业决策。

位居第三的是流程优化，这可能是最受关注的应用案例类别，但同时也是最难以实施的应用案例之一。它涉及到多种基于AI的跨系统能力：自动执行重复的人工任务；支持完成跨多个应用的实时决策；在不同的业务维度上延长资产生命周期并对价值链进行优化。该应用案例使用了先进机器学习方法，包括强化学习和复杂的深度学习神经网络，可从不同的数据源、资产和工艺流程中获取信息和洞察力。

AI与可持续发展的强强组合

在我们展望工业运营新常态时，安全性和可持续性被认为是资本密集型企业中最重要的两个业务维度。例如，采用预测分析可以大大降低意外的火炬燃烧排放发生。据世界银行估算，全球每年因火炬燃烧排放而产生的二氧化碳高达3.5亿吨以上，相当于大约90座燃煤发电厂的总排放量。要显著地减低排放就要提升设备的可靠性，从而消除计划外停机和随之带来的意外火炬燃烧排放。此外，预测性维护还能有效提高安全性，化学安全委员会（CSB）表示，炼油行业中有50%的安全事故是由计划外开停机造成的。

最近，中国蓝星集团部署了艾斯本软件，借助嵌入式人工智能技术加速数字化转型。此次战略合作帮助蓝星在其特种化学品业务中实现重大的生产优化。通过对所有关键设备进行预测性和规范性的系统维护分析，可以及早预测到过程偏差，从而避免了产品质量问题并减少计划外停机时间。通过加速其数字化转型进程，蓝星得以应对易变性、不确定性、复杂性和模糊性（VUCA）的全球市场，充分利用全球资源，把握市场机遇。

环保法规、能源与水资源保护、空气质量以及气候变化是工业界最关心的几大问题。塑料循环经济对可回收塑料的生产和扩大应用提出了一系列整体解决方案，从而节约资源、保护环境。企业利用AI和机器学习的分析得出的洞察力解决方案，可以进一步开发可再生能源项目，如生物乙醇、生物柴油、碳捕获、太阳能和风能项目。长此以往，企业就有能力在减少资本投入的同时提高盈利能力及可靠性。在工业运营中采用碳捕获技术以减少对气候变化的影响是另一个重点领域。

工业AI即将腾飞

一般来说，节约成本会促使企业提高生产效率。然而，考虑到排放量和资源使用问题，企业现在正在寻求更具体的工艺指标。他们还将注意力集中在降低生产单位产品的废弃物与排放量，以及通过数字技术提高生产效率。在流程工业中，复杂的互联资产、工艺过程和系统的实际操作性能是由资产的设计特征及能力（工艺限制）所决定的，这些资产模型的特征和能力一般取决于工艺流程的物理化学性质。

工业AI，正如以前的多变量和自适应控制能力一样，通过获取更深入的洞察力，可以在物理和化学工艺流程和工艺设计约束条件下更好地运营资产。国际能源署（IEA）发现，工业AI和数字化解决方案可以使工业运营的能效提高30%。下一代资产优化解决方案将应对包括可持续发展目标的内在的各项挑战，提供可视化、分析性和更高的洞察力。