如今，煉油廠、石油化工聯(lián)合企業(yè)和其他工廠的自動化范圍已遠不止核心過程控制領域，除了生產之外，工廠的自動化還包括提高安全性、可持續(xù)性和可靠性，因為工廠必須在不增加勞動力成本的情況下實現(xiàn)卓越運營。工業(yè)自動化和控制系統(tǒng)（IACS）的范圍包括分布式控制系統(tǒng)（DCS）、安全儀表系統(tǒng)（SIS）、機械保護系統(tǒng)（MPS）、制造執(zhí)行系統(tǒng)（MES）和能源管理信息系統(tǒng)（EMIS）等。而工業(yè)人工智能（AI）在以上自動化和控制系統(tǒng)中也發(fā)揮著重要作用：不僅能夠為生產和維護提供支持，同時也為系統(tǒng)本身的部署提供支持。

工業(yè) AI 工具

     這些工業(yè) AI 工具使用的技術分為四大類：因果 AI、機器學習、深度學習和生成式 AI。

     值得注意的是，在這些技術中，沒有一種技術是在所有任務上都優(yōu)于其他技術的，就像錘子并不是在所有工作中都比扳手好用。每種 AI 技術都有其特定的優(yōu)勢和適合的應用：

      因果AI 已將物理和化學機理模型嵌入到展示過程和設備如何工作的模型中，并將約定俗成的因果關系嵌入到agent函數(shù)中, 對故障進行描述。這些模型和agent內置于現(xiàn)成的應用程序中，可以量化效率并預測潛在問題。

     機器學習在訓練階段會從眾多統(tǒng)計算法中擇一使用，并將其應用于工廠的歷史數(shù)據(jù)，例如過程歷史、維護記錄和實驗室結果，以查找正常運行與異常情況（如故障、過程異常和質量問題）的相關性。在“推理”階段，這些相關性會被應用于agent函數(shù)以預測異常情況。還有深度學習，這是基于神經(jīng)網(wǎng)絡的機器學習的一個子集。

     生成式 AI 使用大型語言模型（LLM）式人工神經(jīng)網(wǎng)絡（ANN），例如生成式預訓練轉換器（GPT），它們均為統(tǒng)計算法。這些系統(tǒng)在現(xiàn)有軟件代碼上進行了預訓練，以便根據(jù)提示生成新代碼。

提高產量和質量

     工業(yè) AI 可用于支持生產運營。例如，通過“聊天”，先進過程控制（APC）軟件的操作人員可以詢問“copilot AI 助手”能設置哪些控制器設定點來滿足特定目標（如給料速度），“copilot AI 助手”將做出響應并提供建議選項。用戶界面將不再只是設置界面——使用傳統(tǒng)仿真工具在將設置應用于 APC 之前先嘗試不同的設置操作，而是一個具有自然語言輸入和響應的對話助手。它可以實現(xiàn)與“copilot AI 助手”的“交談“，而不僅限于設置操作。

     或者，計劃人員可以要求規(guī)劃和調度軟件中的“copilot AI助手”解釋軟件模型給出的邊際值和限制條件的基本原理。第三個例子是通過將機器學習與因果 AI（包括機理模型）相結合，在多個過程裝置上部署動態(tài)優(yōu)化。

     以上僅為展示當今工業(yè) AI 解決方案能力的幾個例子。工業(yè) AI 基于數(shù)據(jù)運行，因此工廠需要新的自動化模型來應用它。這包括更好地整合 DCS、SIS、MPS、MES 和 EMIS，以及工業(yè)物聯(lián)網(wǎng)絡基礎設施，以自動收集手動數(shù)據(jù)，例如振動、超聲波厚度、溫度、壓力、液位和噪音。

簡化維護，提升可靠性

     設備維護是工業(yè) AI 幫助企業(yè)實現(xiàn)降本增效的另一領域，其中包括預測設備維護需求以避免故障，例如提示設備結垢和性能下降。它還可用于優(yōu)化清潔和更換計劃、精確定位和控制排放以及量化腐蝕速率，從而更好地管理緩蝕劑注入和管段更換。再次申明，對因果 AI 專業(yè)知識進行編碼對于工業(yè) AI 在支持工廠設備維護方面至關重要。

     AI 不僅運行在本地服務器和云端，還嵌入在智能現(xiàn)場儀表中。例如，智能閥門定位器使用嵌入式因果 AI 來預測閥門組件的故障，并使用機理模型+AI 來量化影響控制回路性能的摩擦和死區(qū)等閥門問題。

     設備資產監(jiān)測是嵌入智能現(xiàn)場儀表的因果 AI 幫助提高維護運行效率的另一種方式。因果 AI 可用于預測風扇、電機、齒輪箱、泵和其他旋轉機械設備中的問題，以便在其導致故障和計劃外停機之前采取糾正措施。

DCS 組態(tài)和工業(yè) AI 工具箱

     工業(yè) AI 還可用于支持 DCS 的組態(tài)。例如，在進行傳統(tǒng) DCS 和 PLC 系統(tǒng)升級改造時，項目中經(jīng)常會使用 AI 來幫助說明原有系統(tǒng)的組態(tài)數(shù)據(jù)庫，并為新的DCS 生成等效數(shù)據(jù)庫。因果 AI、機器學習和生成式 AI 可在多個傳統(tǒng) DCS 和 PLC 系統(tǒng)上接受訓練以用于實現(xiàn)高達 70% 的 DCS 組態(tài)的自動轉換。

    “工欲善其事，必先利其器”，工業(yè) AI 也不例外，工廠一般需要配備多種 AI 工具，因為目前沒有一個 AI 工具可以做到適配每一項工作。因果 AI、機器學習和生成式 AI 都有各自的應用優(yōu)勢。僅提供一種工業(yè) AI 工具的供應商會傾向于將該工具強行安裝到所有應用程序中，就像“錘子找釘子”一樣，因此我們建議選擇與支持多種 AI 工具的供應商合作，這樣可以幫助企業(yè)避免單一工具造成的偏差。