這是“流程工業(yè)”發(fā)布的第  8294  篇文章

據(jù)德國(guó)信息技術(shù)、電信和新媒體協(xié)會(huì)Bitkom,于2020年進(jìn)行的關(guān)于"德國(guó)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(duì)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(duì)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(lèi)，本文將介紹2個(gè)來(lái)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(duì)數(shù)據(jù)進(jìn)行持續(xù)性研究。在一個(gè)工藝裝置中，往往對(duì)壓力進(jìn)行監(jiān)控。為可靠地防止裝置超壓，現(xiàn)場(chǎng)一般需要安裝緊急泄放閥?；谌斯ぶ悄艿臄?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(kāi)。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(kāi)要保持在盡可能低的水平。對(duì)過(guò)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(kāi)始對(duì)緊急泄放閥打開(kāi)前后介質(zhì)流速、介質(zhì)壓力和閥門(mén)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(huì)被自動(dòng)識(shí)別并歸類(lèi)。

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(gè)原因被確定下來(lái)。經(jīng)過(guò)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(kāi)啟，并將開(kāi)啟的頻率降低到原來(lái)的1/4。通過(guò)這種方式，不僅可以大大減少工藝介質(zhì)的損失，同時(shí)還可以減少空氣污染。

VTU實(shí)踐中的另一個(gè)例子，是一個(gè)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(jià)的成分組成。為了始終保證在任何時(shí)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(guò)量用藥的費(fèi)用每年加起來(lái)高達(dá)幾十萬(wàn)歐元。數(shù)據(jù)分析可減少昂貴物質(zhì)含量的波動(dòng)并最大限度地減少過(guò)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(gè)數(shù)據(jù)包。隨后，研究人員開(kāi)發(fā)了一種機(jī)器算法，該算法可以預(yù)測(cè)昂貴物質(zhì)的含量。此外，此算法還找出了進(jìn)行預(yù)測(cè)所需的重要參數(shù)。在本案例中，有大約100個(gè)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(guò)與工藝專(zhuān)家合作，可以確定新的工藝方法，具有針對(duì)性地對(duì)物質(zhì)含量的波動(dòng)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(guò)20天的數(shù)據(jù)分析，每年節(jié)省了近20萬(wàn)歐元的開(kāi)支。

以上2個(gè)例子表明，人工智能算法會(huì)事半功倍。循序漸進(jìn)的方法的好處是可以避開(kāi)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(gè)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(gè)步驟定義目標(biāo)，并在必要時(shí)通過(guò)研討會(huì)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(shí)或數(shù)據(jù)安全方面專(zhuān)家的要求，組建一個(gè)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(duì)待項(xiàng)目的探索性特征。然后根據(jù)GxP的要求，對(duì)算法進(jìn)行驗(yàn)證。最后，對(duì)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(mén)檻。因此，可以預(yù)計(jì)，超過(guò)14%的公司將很快成功使用這種面向未來(lái)的技術(shù)。

專(zhuān) 訪V TU工程公司數(shù)據(jù)科學(xué)家StefanPauli 博士

邁向第一個(gè)人工智能項(xiàng)目的一小步

PROCESS： 神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和人工智能有什么區(qū)別？

StefanPauli博士：分清這些術(shù)語(yǔ)對(duì)理解AI非常有幫助，因?yàn)殡m然它們彼此相關(guān)，但它們指的不是同一件事。伊萊恩-里奇1983年對(duì)于通用術(shù)語(yǔ)人工智能（AI）的定義比較恰當(dāng)："人工智能是研究如何使計(jì)算機(jī)做出目前人們更擅長(zhǎng)的事情"。因此，人工智能通常是指人為地部分模仿人類(lèi)智能的機(jī)器在某些部分表現(xiàn)得很智能?，F(xiàn)在有許多不同的人工智能技術(shù)。其中之一是機(jī)器學(xué)習(xí)算法，它從收集的數(shù)據(jù)中進(jìn)行獨(dú)立學(xué)習(xí)。在這些算法中，有一些比較簡(jiǎn)單的算法，如線性回歸或隨機(jī)森林，但也有非常復(fù)雜的算法，如神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)將神經(jīng)元（神經(jīng)細(xì)胞）連接成一個(gè)網(wǎng)絡(luò)，有點(diǎn)類(lèi)似人類(lèi)大腦的神經(jīng)元網(wǎng)絡(luò)。大型神經(jīng)網(wǎng)絡(luò)則被稱(chēng)為深度學(xué)習(xí)，它可以在圖像、文本或語(yǔ)言處理方面展示其卓越的能力，但需要大量的數(shù)據(jù)和計(jì)算能力。因此，從通用術(shù)語(yǔ)人工智能開(kāi)始，通過(guò)幾個(gè)中間術(shù)語(yǔ)（例如機(jī)器學(xué)習(xí)），人們就可以得出深度學(xué)習(xí)這個(gè)子術(shù)語(yǔ)。

PROCESS： 根據(jù)Bitkom最近的一項(xiàng)研究，只有14%的化學(xué)和制藥公司使用人工智能或機(jī)器 學(xué)習(xí)工具。 這是為什么呢？

StefanPauli博士：14%的化學(xué)和制藥公司已經(jīng)使用人工智能。雖然這聽(tīng)起來(lái)非常少，但這項(xiàng)研究中的行業(yè)平均水平是13%。這項(xiàng)研究還談到了推廣人工智能的最大挑戰(zhàn)，這揭示了人工智能不被經(jīng)常使用的原因。大公司認(rèn)為最大的挑戰(zhàn)來(lái)自于投資成本高（59%）、數(shù)據(jù)保護(hù)要求（50%）、數(shù)據(jù)安全性要求（46%）以及缺乏應(yīng)用案例（45%）。這與我們的經(jīng)驗(yàn)值非常吻合。然而，通過(guò)采用適當(dāng)?shù)姆椒?，例如，我們所采取循序漸進(jìn)的方法（見(jiàn)下一個(gè)問(wèn)題）方面就有很好的經(jīng)驗(yàn)，從低投資成本開(kāi)始，隨著成功而加大投資。通過(guò)設(shè)計(jì)對(duì)數(shù)據(jù)進(jìn)行一致的保護(hù)和安全，可以確保工業(yè)生產(chǎn)流程的穩(wěn)定性以及商業(yè)秘密和專(zhuān)有技術(shù)的保護(hù)。根據(jù)我們的經(jīng)驗(yàn)，對(duì)于化工行業(yè)，特別是制藥業(yè)，還面臨另一個(gè)具體的挑戰(zhàn)——嚴(yán)格的監(jiān)管要求和工藝。人工智能算法必須經(jīng)過(guò)GxP驗(yàn)證。在GMP合規(guī)性和數(shù)字化這兩個(gè)領(lǐng)域都有豐富專(zhuān)業(yè)知識(shí)的有能力的合作伙伴可以在這些方面提供支持。

PROCESS： 從想法到商業(yè)案例：實(shí)施人工智能項(xiàng)目的決定性成功因素是什么？

StefanPauli博士：據(jù)經(jīng)驗(yàn)，以下幾點(diǎn)是最重要的：1.確定和定義一個(gè)有價(jià)值且可行的項(xiàng)目目標(biāo)。使用人工智能時(shí)，某些事情不會(huì)改變。與尋常項(xiàng)目一樣，必須確定、制定和定義項(xiàng)目目標(biāo)（例如SMART）。這有時(shí)可能是AI項(xiàng)目中最困難和最重要的任務(wù)之一。指導(dǎo)性的用例研討會(huì)在這里已經(jīng)證明了它們的價(jià)值。

2.跨學(xué)科和有經(jīng)驗(yàn)的項(xiàng)目團(tuán)隊(duì)。由于制造型工業(yè)公司的工藝通常比較復(fù)雜，因此，成功的項(xiàng)目管理需要一個(gè)跨學(xué)科的團(tuán)隊(duì)。使用新的職位描述，如數(shù)據(jù)科學(xué)家、數(shù)據(jù)工程師以及經(jīng)典的MES工程師，當(dāng)然還有來(lái)自工程和運(yùn)營(yíng)的經(jīng)驗(yàn)豐富的技術(shù)人員，他們非常了解生產(chǎn)過(guò)程。為了簡(jiǎn)化人工智能的應(yīng)用并且增加成功率，能夠獲取現(xiàn)有知識(shí)是非常重要的。

3. 循序漸進(jìn)的方法。我們認(rèn)為，按照“從小事做起，在成功中成長(zhǎng)”的座右銘，一步一步地發(fā)展項(xiàng)目，有利于成功。與其他軟件開(kāi)發(fā)一樣，敏捷項(xiàng)目方法是理想的選擇。

在“流程工業(yè)”推出的 流程工業(yè)知識(shí)圈 小程序上，雜志已更新至最新一期~歡迎閱讀 ！ 全彩印刷，圖文并茂，您將獲得和翻閱紙質(zhì)雜志一樣的體驗(yàn)。

了解更多技術(shù)資料，請(qǐng)掃描下方二維碼

為什么高鹽廢水難處理？附高鹽廢水零排放關(guān)鍵技術(shù)和方法總結(jié)

2022-09-04

自動(dòng)化技術(shù)實(shí)現(xiàn)更多的可持續(xù)性

2022-09-01

制氫純度99.999%！我國(guó)首套自主研發(fā)的橇裝天然氣制氫裝置投用，橇裝天然氣制氫有何優(yōu)勢(shì)？

2022-09-03

點(diǎn)擊原文，免費(fèi)閱讀流程工業(yè)雜志電子雜志