焦點資訊：人工智能正在推動工程領(lǐng)域的數(shù)字化轉(zhuǎn)型

隨著數(shù)字化在所有工業(yè)領(lǐng)域的加速發(fā)展，重新思考如何實施產(chǎn)品、服務(wù)和參與策略的需求也在增加。如今，隨著企業(yè)努力應(yīng)對同時實現(xiàn)盈利和可持續(xù)發(fā)展目標(biāo)的雙重挑戰(zhàn)，數(shù)字化變得更加重要。人工智能(AI)驅(qū)動的數(shù)字化可以幫助解決這一雙重挑戰(zhàn)。

(資料圖片僅供參考)

多年來，不同的工程學(xué)科單獨運作，只專注于它們的特定領(lǐng)域，這是行之有效的。然而，市場動態(tài)現(xiàn)在迫使過程工程師著眼于更大的前景，通過整合不同的工程學(xué)科來優(yōu)化他們的工業(yè)，并改善協(xié)作。

增強的工作流程使工藝工程師、項目工程師、估算人員以及安全和能源專家之間能夠更好地溝通和共享信息，這有助于抓住協(xié)作提供的機會，幫助發(fā)現(xiàn)提高工廠盈利能力和可持續(xù)性績效的機會。

然而，就數(shù)字化轉(zhuǎn)型本身而言，工程公司正在采取的大多數(shù)舉措都是整合和連接工程軟件和技術(shù)組合，以支持跨越部門、學(xué)科和辦公室的新的、簡化的、數(shù)字化工作流程。預(yù)期的業(yè)務(wù)優(yōu)勢包括更短的周期時間、更低的成本和更高質(zhì)量的設(shè)計，以及在設(shè)計、施工和移交過程中遇到的錯誤和問題更少。

與此同時，運營公司一直在努力縮小理論工程模型預(yù)測的運營行為與實際運營之間的差距。傳統(tǒng)上，這是通過改變工程模型的“調(diào)整因素”來解決的，但通常需要多年的經(jīng)驗。它還需要持續(xù)的關(guān)注，因為調(diào)諧因素必須不時改變。隨著越來越多的新一代工程師不愿意在一個特定的工作職能上花費數(shù)年時間，運營公司發(fā)現(xiàn)很難開發(fā)和保留所需的專業(yè)知識，并阻止了許多運營公司利用現(xiàn)有的先進解決方案。

人工智能的機遇

如今，越來越多的工程公司正在將其數(shù)字化計劃擴展到新的領(lǐng)域，以利用不斷升級的商機。人工智能通常是這些機會的核心。事實上，高級管理人員現(xiàn)在正在優(yōu)先考慮應(yīng)用AI，以減少單個任務(wù)通常需要的設(shè)置和編程開銷。與此相一致，我們已經(jīng)看到了一些AI驅(qū)動的數(shù)字化應(yīng)用在整個行業(yè)中帶來好處的例子。

特別是使用AI驅(qū)動的數(shù)字孿生技術(shù)可以為工程公司的客戶帶來更多的價值，因為它可以在資產(chǎn)投入運營后捕獲資產(chǎn)的實時數(shù)據(jù)。此外，在移交期間利用數(shù)字化設(shè)計和工程數(shù)據(jù)，為在運營和維護期間提供增值服務(wù)提供了更大的潛力，使組織減少對資本項目的依賴。

AI還可以在支持和概述項目的工程方法、設(shè)計的可施工性以及如何組織材料、設(shè)備和勞動力的規(guī)劃方面發(fā)揮重要作用。這種早期規(guī)劃方法已被證明可以降低成本并加快進度。

確保工程模型的準(zhǔn)確性

AI對運營公司產(chǎn)生了更大的影響。AI技術(shù)現(xiàn)在可以輕松讀取大多數(shù)運營工廠已經(jīng)提供的海量運營數(shù)據(jù)，并確定自動計算與工程模型預(yù)測與現(xiàn)實世界運營相匹配的調(diào)整因子的方程。這使運營公司免于依賴第三方顧問來保持工程模型的準(zhǔn)確性，并且還大大降低了更新這些模型的頻率。這對工廠的可持續(xù)性和盈利能力都產(chǎn)生了深遠的影響。

例如，它使一家美國煉油廠在模擬和預(yù)測其FCC反應(yīng)堆的性能方面獲得了前所未有的準(zhǔn)確性。FCC是煉油廠最大的二氧化碳排放者之一，也是生產(chǎn)高價值產(chǎn)品的最關(guān)鍵單位之一。這些高度準(zhǔn)確的低維護AI支持的模型幫助煉油廠發(fā)現(xiàn)了改善運營的見解，并提高了規(guī)劃運營的準(zhǔn)確性。這使得煉油廠能夠提高高價值產(chǎn)品的產(chǎn)量，同時確保其達到排放目標(biāo)。

使用第一原理模型來定義和預(yù)測一個項目的性能和結(jié)果是過程工業(yè)的標(biāo)準(zhǔn)。然而，有一些過程是更難預(yù)測的。通常這些是通過不太精確的技術(shù)來管理的，如操作員的經(jīng)驗或經(jīng)驗法則，但這可能會導(dǎo)致低于預(yù)期的性能水平。

然而，AI可以模擬數(shù)千種設(shè)計選項，這些選項可以非常快速地縮小選項的范圍，這些選項不僅最能滿足業(yè)主的要求，而且是最安全、最環(huán)保、最具成本效益的選擇。一種稱為多案例分析的新功能為工程公司提供了改變這些早期決策方式的機會。

以前，工程師會使用來自同樣有限數(shù)量的操作案例和條件的有限數(shù)據(jù)來定義這些關(guān)鍵參數(shù)。想象一下，設(shè)計一臺具有如此有限數(shù)據(jù)集的iPad，更不用說定制的100億美元加工廠了。然而，這在過去一直是標(biāo)準(zhǔn)做法。

多案例分析有助于根據(jù)數(shù)百甚至數(shù)千種操作條件和案例的考慮來優(yōu)化早期設(shè)計決策。利用AI和高性能計算——無論是在云中還是在桌面上——都可以讓設(shè)計人員依靠更廣泛的數(shù)據(jù)集來調(diào)整和微調(diào)其設(shè)計。

從許多不同等級的原油到不同的環(huán)境天氣條件，這種對潛在設(shè)計在實際條件下性能的了解可以帶來全面的改進：從建筑材料，設(shè)備的大小，到公用事業(yè)的類型，甚至是工廠的位置。

這些決策通常會對工廠的資本和運營成本、風(fēng)險分析以及實現(xiàn)其預(yù)期目的的整體適應(yīng)性產(chǎn)生重大影響。一家大型全球天然氣液體加工廠技術(shù)提供商報告說，這項技術(shù)幫助它在工廠的整個生命周期內(nèi)將優(yōu)化工廠設(shè)計所需的設(shè)計時間減半。

工程軟件和技術(shù)的整合

雖然多案例分析無疑是當(dāng)今使用AI驅(qū)動型數(shù)字化的工程公司關(guān)注的一個關(guān)鍵領(lǐng)域。但是，在與所有地區(qū)的客戶交談時得到的反饋往往是，在數(shù)字化方面要解決的最高優(yōu)先領(lǐng)域是工程軟件和技術(shù)組合的整合，其次是其余應(yīng)用程序和業(yè)務(wù)流程的數(shù)字化。

這項工作的關(guān)鍵是能夠在整個組織中查找和重用數(shù)據(jù)，并最終在整個供應(yīng)商、分包商和顧問的生態(tài)系統(tǒng)中查找和重用數(shù)據(jù)。它可以帶來有如此多的收獲(一些公司估計，僅在工程和估算生產(chǎn)率方面就有機會實現(xiàn)兩位數(shù)的提高)，以至于那些不向前邁進的人可能會在未來面臨競爭力下降的風(fēng)險。

純粹基于AI的解決方案的一個主要缺點是結(jié)果取決于它可以訪問的數(shù)據(jù)的質(zhì)量。在運行工廠的情況下，儀器儀表可能會出現(xiàn)故障，導(dǎo)致存儲在工廠數(shù)據(jù)歷史庫中的“壞”操作數(shù)據(jù)。純粹的AI驅(qū)動的解決方案將無法可靠地檢測這些差異。

將AI的強大功能和敏捷性與基于第一原則的嚴(yán)格工程技術(shù)的制衡相結(jié)合的混合解決方案可以有效地應(yīng)對這一挑戰(zhàn)，并且這也是運營公司的理想選擇。

展望工程行業(yè)的未來，數(shù)字化轉(zhuǎn)型將不可避免地加速并帶來重大改進。雖然在Covid-19到來之前，變革的道路已經(jīng)牢固確立，但疫情大流行已成為加速這一趨勢的催化劑。工程公司要取得成功，就必須采用現(xiàn)有的先進技術(shù)，包括人工智能工具。這將確保組織在整個端到端價值鏈中實現(xiàn)運營效率，從而獲得競爭優(yōu)勢。