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(shí)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(duì)同時(shí)實(shí)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(dòng)的數(shù)字化可以幫助解決這一雙重挑戰(zhàn)。

　　多年來(lái)，不同的工程學(xué)科單獨(dú)運(yùn)作，只專(zhuān)注于它們的特定領(lǐng)域，這是行之有效的。然而，市場(chǎng)動(dòng)態(tài)現(xiàn)在迫使過(guò)程工程師著眼于更大的前景，通過(guò)整合不同的工程學(xué)科來(lái)優(yōu)化他們的工業(yè)，并改善協(xié)作。

　　增強(qiáng)的工作流程使工藝工程師、項(xiàng)目工程師、估算人員以及安全和能源專(zhuān)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(jī)會(huì)，幫助發(fā)現(xiàn)提高工廠盈利能力和可持續(xù)性績(jī)效的機(jī)會(huì)。

　　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(mén)、學(xué)科和辦公室的新的、簡(jiǎn)化的、數(shù)字化工作流程。預(yù)期的業(yè)務(wù)優(yōu)勢(shì)包括更短的周期時(shí)間、更低的成本和更高質(zhì)量的設(shè)計(jì)，以及在設(shè)計(jì)、施工和移交過(guò)程中遇到的錯(cuò)誤和問(wèn)題更少。

　　與此同時(shí)，運(yùn)營(yíng)公司一直在努力縮小理論工程模型預(yù)測(cè)的運(yùn)營(yíng)行為與實(shí)際運(yùn)營(yíng)之間的差距。傳統(tǒng)上，這是通過(guò)改變工程模型的“調(diào)整因素”來(lái)解決的，但通常需要多年的經(jīng)驗(yàn)。它還需要持續(xù)的關(guān)注，因?yàn)檎{(diào)諧因素必須不時(shí)改變。隨著越來(lái)越多的新一代工程師不愿意在一個(gè)特定的工作職能上花費(fèi)數(shù)年時(shí)間，運(yùn)營(yíng)公司發(fā)現(xiàn)很難開(kāi)發(fā)和保留所需的專(zhuān)業(yè)知識(shí)，并阻止了許多運(yùn)營(yíng)公司利用現(xiàn)有的先進(jìn)解決方案。

　　人工智能的機(jī)遇

　　如今，越來(lái)越多的工程公司正在將其數(shù)字化計(jì)劃擴(kuò)展到新的領(lǐng)域，以利用不斷升級(jí)的商機(jī)。人工智能通常是這些機(jī)會(huì)的核心。事實(shí)上，高級(jí)管理人員現(xiàn)在正在優(yōu)先考慮應(yīng)用AI，以減少單個(gè)任務(wù)通常需要的設(shè)置和編程開(kāi)銷(xiāo)。與此相一致，我們已經(jīng)看到了一些AI驅(qū)動(dòng)的數(shù)字化應(yīng)用在整個(gè)行業(yè)中帶來(lái)好處的例子。

　　特別是使用AI驅(qū)動(dòng)的數(shù)字孿生技術(shù)可以為工程公司的客戶(hù)帶來(lái)更多的價(jià)值，因?yàn)樗梢栽谫Y產(chǎn)投入運(yùn)營(yíng)后捕獲資產(chǎn)的實(shí)時(shí)數(shù)據(jù)。此外，在移交期間利用數(shù)字化設(shè)計(jì)和工程數(shù)據(jù)，為在運(yùn)營(yíng)和維護(hù)期間提供增值服務(wù)提供了更大的潛力，使組織減少對(duì)資本項(xiàng)目的依賴(lài)。

　　AI還可以在支持和概述項(xiàng)目的工程方法、設(shè)計(jì)的可施工性以及如何組織材料、設(shè)備和勞動(dòng)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(jìn)度。

　　確保工程模型的準(zhǔn)確性

　　AI對(duì)運(yùn)營(yíng)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(yùn)營(yíng)工廠已經(jīng)提供的海量運(yùn)營(yíng)數(shù)據(jù)，并確定自動(dòng)計(jì)算與工程模型預(yù)測(cè)與現(xiàn)實(shí)世界運(yùn)營(yíng)相匹配的調(diào)整因子的方程。這使運(yùn)營(yíng)公司免于依賴(lài)第三方顧問(wèn)來(lái)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(duì)工廠的可持續(xù)性和盈利能力都產(chǎn)生了深遠(yuǎn)的影響。

　　例如，它使一家美國(guó)煉油廠在模擬和預(yù)測(cè)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(jià)值產(chǎn)品的最關(guān)鍵單位之一。這些高度準(zhǔn)確的低維護(hù)AI支持的模型幫助煉油廠發(fā)現(xiàn)了改善運(yùn)營(yíng)的見(jiàn)解，并提高了規(guī)劃運(yùn)營(yíng)的準(zhǔn)確性。這使得煉油廠能夠提高高價(jià)值產(chǎn)品的產(chǎn)量，同時(shí)確保其達(dá)到排放目標(biāo)。

　　使用第一原理模型來(lái)定義和預(yù)測(cè)一個(gè)項(xiàng)目的性能和結(jié)果是過(guò)程工業(yè)的標(biāo)準(zhǔn)。然而，有一些過(guò)程是更難預(yù)測(cè)的。通常這些是通過(guò)不太精確的技術(shù)來(lái)管理的，如操作員的經(jīng)驗(yàn)或經(jīng)驗(yàn)法則，但這可能會(huì)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(jì)選項(xiàng)，這些選項(xiàng)可以非常快速地縮小選項(xiàng)的范圍，這些選項(xiàng)不僅最能滿(mǎn)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(chēng)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(jī)會(huì)。

　　以前，工程師會(huì)使用來(lái)自同樣有限數(shù)量的操作案例和條件的有限數(shù)據(jù)來(lái)定義這些關(guān)鍵參數(shù)。想象一下，設(shè)計(jì)一臺(tái)具有如此有限數(shù)據(jù)集的iPad，更不用說(shuō)定制的100億美元加工廠了。然而，這在過(guò)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(lái)優(yōu)化早期設(shè)計(jì)決策。利用AI和高性能計(jì)算——無(wú)論是在云中還是在桌面上——都可以讓設(shè)計(jì)人員依靠更廣泛的數(shù)據(jù)集來(lái)調(diào)整和微調(diào)其設(shè)計(jì)。

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

　　這些決策通常會(huì)對(duì)工廠的資本和運(yùn)營(yíng)成本、風(fēng)險(xiǎn)分析以及實(shí)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(bào)告說(shuō)，這項(xiàng)技術(shù)幫助它在工廠的整個(gè)生命周期內(nèi)將優(yōu)化工廠設(shè)計(jì)所需的設(shè)計(jì)時(shí)間減半。

　　工程軟件和技術(shù)的整合

　　雖然多案例分析無(wú)疑是當(dāng)今使用AI驅(qū)動(dòng)型數(shù)字化的工程公司關(guān)注的一個(gè)關(guān)鍵領(lǐng)域。但是，在與所有地區(qū)的客戶(hù)交談時(shí)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(xiàng)工作的關(guān)鍵是能夠在整個(gè)組織中查找和重用數(shù)據(jù)，并最終在整個(gè)供應(yīng)商、分包商和顧問(wèn)的生態(tài)系統(tǒng)中查找和重用數(shù)據(jù)。它可以帶來(lái)有如此多的收獲(一些公司估計(jì)，僅在工程和估算生產(chǎn)率方面就有機(jī)會(huì)實(shí)現(xiàn)兩位數(shù)的提高)，以至于那些不向前邁進(jìn)的人可能會(huì)在未來(lái)面臨競(jìng)爭(zhēng)力下降的風(fēng)險(xiǎn)。

　　純粹基于AI的解決方案的一個(gè)主要缺點(diǎn)是結(jié)果取決于它可以訪問(wèn)的數(shù)據(jù)的質(zhì)量。在運(yùn)行工廠的情況下，儀器儀表可能會(huì)出現(xiàn)故障，導(dǎo)致存儲(chǔ)在工廠數(shù)據(jù)歷史庫(kù)中的“壞”操作數(shù)據(jù)。純粹的AI驅(qū)動(dòng)的解決方案將無(wú)法可靠地檢測(cè)這些差異。

　　將AI的強(qiáng)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(duì)這一挑戰(zhàn)，并且這也是運(yùn)營(yíng)公司的理想選擇。

　　展望工程行業(yè)的未來(lái)，數(shù)字化轉(zhuǎn)型將不可避免地加速并帶來(lái)重大改進(jìn)。雖然在Covid-19到來(lái)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(shì)的催化劑。工程公司要取得成功，就必須采用現(xiàn)有的先進(jìn)技術(shù)，包括人工智能工具。這將確保組織在整個(gè)端到端價(jià)值鏈中實(shí)現(xiàn)運(yùn)營(yíng)效率，從而獲得競(jìng)爭(zhēng)優(yōu)勢(shì)。