人工智能是必經(jīng)之路

文/Dr. Stefan Pauli，Wolfgang K?ck

本文作者供職于VTU工程公司。

人工智能項(xiàng)目——石化企業(yè)仍然對設(shè)立人工智能項(xiàng)目猶豫不決，高昂的投資成本、巨大的努力和缺乏經(jīng)驗(yàn)成為阻礙人工智能項(xiàng)目發(fā)展最大的障礙。本文將通過實(shí)際案例展示人工智能項(xiàng)目如何通過一小步的改變?nèi)〉贸晒Α?/p>

據(jù)德國信息技術(shù)、電信和新媒體協(xié)會Bitkom，于2020年進(jìn)行的關(guān)于"德國學(xué)習(xí)人工智能"的研究顯示，僅14%的化學(xué)和制藥公司使用人工智能（AI）或機(jī)器學(xué)習(xí)技術(shù)。根據(jù)Bitkom當(dāng)前的研究，接受調(diào)查的公司認(rèn)為使用人工智能的最大障礙分別是：高投資成本（59%）、數(shù)據(jù)保護(hù)（50%）和安全（46%）要求以及缺乏應(yīng)用實(shí)例（45%）。VTU工程公司主張對數(shù)據(jù)科學(xué)項(xiàng)目采取循序漸進(jìn)的方法，以謹(jǐn)慎對待計(jì)算機(jī)科學(xué)的這一創(chuàng)新子領(lǐng)域。究竟應(yīng)當(dāng)如何踏出第一步？哪些項(xiàng)目可以成為人工智能試點(diǎn)項(xiàng)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(shí)踐中的數(shù)據(jù)科學(xué)項(xiàng)目。

在數(shù)據(jù)分析領(lǐng)域引入機(jī)器學(xué)習(xí)概念，以輕松優(yōu)化流程并可對數(shù)據(jù)進(jìn)行持續(xù)性研究。在一個工藝裝置中，往往對壓力進(jìn)行監(jiān)控。為可靠地防止裝置超壓，現(xiàn)場一般需要安裝緊急泄放閥。基于人工智能的數(shù)據(jù)分析方法，有助于判斷必要的緊急措施，以便確定緊急泄放閥是否應(yīng)該打開。出于經(jīng)濟(jì)和生態(tài)環(huán)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(chǎn)數(shù)據(jù)進(jìn)行調(diào)整和合并后進(jìn)行數(shù)據(jù)分析，并開始對緊急泄放閥打開前后介質(zhì)流速、介質(zhì)壓力和閥門控制器的數(shù)據(jù)進(jìn)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(shù)據(jù)科學(xué)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(jīng)過10天的數(shù)據(jù)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(zhì)的損失，同時還可以減少空氣污染。

混合物的優(yōu)化

VTU實(shí)踐中的另一個例子，是一個必須保持一定混合比例的設(shè)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(zhì)劑量始終高于所需的最低含量，該物質(zhì)通常被超量1%使用。而這1%過量用藥的費(fèi)用每年加起來高達(dá)幾十萬歐元。數(shù)據(jù)分析可減少昂貴物質(zhì)含量的波動并最大限度地減少過量使用。

為了進(jìn)行數(shù)據(jù)分析，一整年的生產(chǎn)和實(shí)驗(yàn)室數(shù)據(jù)被整合、合并成一個數(shù)據(jù)包。隨后，研究人員開發(fā)了一種機(jī)器算法，該算法可以預(yù)測昂貴物質(zhì)的含量。此外，此算法還找出了進(jìn)行預(yù)測所需的重要參數(shù)。在本案例中，有大約100個不同的參數(shù)，這些參數(shù)都可能是非常有用的。得益于重要參數(shù)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(zhì)含量的波動進(jìn)行研究，并顯著減少昂貴物質(zhì)的超量使用。最終經(jīng)過20天的數(shù)據(jù)分析，每年節(jié)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(jìn)的方法的好處是可以避開最大的障礙，因?yàn)殡x線分析既不需要高額的初始投資，也不需要復(fù)雜的數(shù)據(jù)保護(hù)措施，并且公司還可以在自己的生產(chǎn)中創(chuàng)建一個應(yīng)用實(shí)例。

循序漸進(jìn)的方法已在數(shù)據(jù)分析項(xiàng)目中得到證明，然而還必須為每個步驟定義目標(biāo)，并在必要時通過研討會進(jìn)行技術(shù)探討。在確定了明確和可衡量的目標(biāo)后，根據(jù)數(shù)據(jù)科學(xué)、數(shù)據(jù)工程、工藝知識或數(shù)據(jù)安全方面專家的要求，組建一個跨學(xué)科團(tuán)隊(duì)。理想情況下，項(xiàng)目以敏捷的方式進(jìn)行，公正地對待項(xiàng)目的探索性特征。然后根據(jù)GxP的要求，對算法進(jìn)行驗(yàn)證。最后，對之前定義的可衡量的成功標(biāo)準(zhǔn)進(jìn)行驗(yàn)證，以便以一種可衡量的方式為大家展示項(xiàng)目的成功。經(jīng)驗(yàn)表明，循序漸進(jìn)的方法為所有尚未使用人工智能或機(jī)器學(xué)習(xí)的化學(xué)和制藥公司提供了進(jìn)入人工智能支持生產(chǎn)的低門檻。因此，可以預(yù)計(jì)，超過14%的公司將很快成功使用這種面向未來的技術(shù)。