工业AI未来将如何为炼油业提供动力

石油需求和价格的极大波动为炼油行业创造了动荡的格局。炼油厂高管和经理被迫每天检查新的方案，并就安全，环境影响，物流和经济方面对每种方案进行评估。他们的快速分析和反应能力以及在运营中建立可靠性和弹性的能力将是维持其业务和竞争优势的关键。

该行业的最终愿景是自我优化的自主工厂-整个行业中越来越多的人工智能（AI）部署正使这一现实变得越来越近。然而，尽管提炼已成为许多数字工具的早期采用者，但该行业尚未完全意识到工业AI的潜力。

这就是说，在很大程度上，因为AI和机器学习经常被孤立地看待，而不是与现有的工程能力（模型，工具和专业知识）结合起来，以提供有效地优化炼油厂资产的实用解决方案。这些资产通常依赖于根据物理和化学“第一原理”构建的工程模型，这些工程模型封装了关键领域知识，例如过程安全性和对行业复杂系统的理解。

这些模型借鉴了世界上最好的科学家，过程工程师和操作员的丰富经验。它们非常准确，但在某些过程中有局限性;为了提高其准确性，必须使用工厂数据将其校准为观察到的工厂条件和性能。当前，有效的模型校准需要相当多的专业知识和经验。

建立混合模型

这是AI和机器学习发挥关键作用的地方。这些技术正在迅速兴起，它们可以极大地提高工厂数据的使用能力，既可以校准第一性原理模型，又可以快速创建基于数据的现象和过程模型。AI可能会降低建模过程系统所需的专业知识，但必须将其与领域专业知识相结合，以创建可使其安全，可靠且直观地工作的真实“护栏”。

这种结合可以实现我们所谓的“混合模型”，该模型将AI和第一原理有效地结合在一起，可以在不需要大量专业知识的情况下更快地提供全面，准确的模型。至关重要的是，它们是通往自我优化工厂的重要阶段。

机器学习用于利用仿真，工厂或中试工厂数据来创建模型。该模型还使用领域知识（包括第一原理和工程约束）来构建丰富的模型-无需用户具有深厚的流程专业知识或成为AI专家。