隨著全球范圍內(nèi)國家層面陸續(xù)推出工業(yè)4.0相關(guān)政策，人工智能已逐漸成為了工業(yè)4.0實(shí)施推廣過程中必不可缺的一部分。而人工智能，工業(yè)4.0與化工行業(yè)所產(chǎn)生的交集，讓現(xiàn)今傳統(tǒng)行業(yè)看到了次時(shí)代技術(shù)可以為其運(yùn)營模式，生產(chǎn)方式所帶來的影響。根據(jù)不完全統(tǒng)計(jì)，全球500強(qiáng)化工行業(yè)企業(yè)已有多家開始以工業(yè)4.0政策為指導(dǎo)，人工智能技術(shù)核心方向，制定其自身相關(guān)產(chǎn)品與解決方案的落地實(shí)施試點(diǎn)工程項(xiàng)目。在化工行業(yè)泛人工智能技術(shù)應(yīng)用主要集中于機(jī)器學(xué)習(xí)，大數(shù)據(jù)，計(jì)算機(jī)視覺，機(jī)器人，深度學(xué)習(xí)和AR/VR虛擬現(xiàn)實(shí)增強(qiáng)技術(shù)。

圖片來源視覺中國

一、化工市場市場規(guī)模

化工行業(yè)在全球經(jīng)濟(jì)發(fā)展進(jìn)程中占有極其重要的地位，它是傳統(tǒng)制造業(yè)，重工業(yè)以及紡織業(yè)等相關(guān)產(chǎn)業(yè)發(fā)展與產(chǎn)出的基石。根據(jù)業(yè)內(nèi)定義，化工行業(yè)可以簡單劃為石油化工、基礎(chǔ)化工和化學(xué)化纖三大領(lǐng)域。石油化工是指以石油和天然氣為原料，生產(chǎn)相關(guān)產(chǎn)品的領(lǐng)域，其常見產(chǎn)品包括塑料，清潔劑，潤滑劑等。而基礎(chǔ)化工是指通過化學(xué)合成所產(chǎn)出的如化肥，氯堿，甲乙醇等的日常化工制品。化學(xué)化纖則是指通過使用高分子化合物為原料天然或人工合成的紡絲，其被廣泛應(yīng)用與紡織，醫(yī)療等領(lǐng)域。由于化工行業(yè)門類繁多、工藝復(fù)雜、產(chǎn)品多樣，其在世界范圍內(nèi)市場總額極為巨大。跟據(jù)中國統(tǒng)計(jì)局與中商產(chǎn)業(yè)研究院數(shù)據(jù)，單中國的化工行業(yè)主要業(yè)務(wù)收入在2017年就已接近87000億人民幣。

中國化工行業(yè)主要業(yè)務(wù)營收總額趨勢（數(shù)據(jù)來自中國統(tǒng)計(jì)局）

二、化工行業(yè)常用人工智能技術(shù)領(lǐng)域

機(jī)器學(xué)習(xí)：機(jī)器學(xué)習(xí)指利用算法來解析數(shù)據(jù)，對真實(shí)世界中的事件做出決策和預(yù)測。在化工行業(yè)，機(jī)器學(xué)習(xí)的應(yīng)用主要集中在對于化工生產(chǎn)流程與維護(hù)方式的優(yōu)化。

大數(shù)據(jù)技術(shù)：大數(shù)據(jù)技術(shù)可完成標(biāo)識歸納相關(guān)數(shù)據(jù)。目前，大數(shù)據(jù)在化工行業(yè)的應(yīng)用主要集中在有無機(jī)物歸類，石油石化數(shù)據(jù)查詢，化纖數(shù)據(jù)清洗等多個(gè)領(lǐng)域。

機(jī)器人技術(shù)：機(jī)器人技術(shù)可以通過圖像識別，傳感器以及不同算法的結(jié)合，使機(jī)器人自主學(xué)習(xí)各工位工作完成無人化生產(chǎn)作用。目前，機(jī)器人技術(shù)在化工行業(yè)應(yīng)用集中在材料高尖端生產(chǎn)領(lǐng)域。

深度學(xué)習(xí)：深度學(xué)習(xí)具有強(qiáng)大的特征提取能力，并通過領(lǐng)域神經(jīng)網(wǎng)絡(luò)等前沿技術(shù)可以處理復(fù)雜，高維，非線性的問題。目前，在化工行業(yè)的應(yīng)用主要集中于分子性能預(yù)測與藥物分子篩選方向。

計(jì)算機(jī)視覺：計(jì)算機(jī)視覺主要是指用攝影機(jī)和電腦代替人眼對目標(biāo)進(jìn)行識別，使其成為更適合人眼觀察或傳送給儀器檢測的圖像。計(jì)算機(jī)視覺在化工行業(yè)可以應(yīng)用在新材料研發(fā)的信息描繪上。

AI基礎(chǔ)設(shè)施：云計(jì)算屬于重要的AI基礎(chǔ)設(shè)施之一，通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴(kuò)展且經(jīng)常是虛擬化的資源。在化工行業(yè)，云計(jì)算可以用于新產(chǎn)品研發(fā)過程中，新材料預(yù)測模型的構(gòu)建。

三、人工智能技術(shù)在化工行業(yè)中的應(yīng)用分布

其他周邊場景：由于化工行業(yè)使用人工智能的全球500強(qiáng)公司，故本報(bào)告并未囊括全球500強(qiáng)公司相對較少涉及領(lǐng)域，如危險(xiǎn)品管理，2B端銷售等常見領(lǐng)域。

四、化工行業(yè)公司人工智能技術(shù)落地案例簡述

IBM RXN for Chemistry：為了更科學(xué)高效地預(yù)測有機(jī)物合成反應(yīng)，IBM發(fā)布了一款人工智能工具IBM RXN for Chemistry。基于深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、大數(shù)據(jù)的IBM RXN for Chemistry起到預(yù)測有機(jī)化學(xué)物合成反應(yīng)的作用。通過簡化模型和深化注意力機(jī)制，該模型已達(dá)到89%預(yù)測精確度，成為有機(jī)化學(xué)合成工作的有力助手。

SABIC全自動數(shù)字化復(fù)合材料生產(chǎn)線：SABIC與西門子，Airbone和庫卡機(jī)器人取得合作，使用人工智能，大數(shù)據(jù)，傳感器，機(jī)器人等前沿技術(shù)重新構(gòu)建全自動數(shù)字化復(fù)合材料生產(chǎn)線。經(jīng)過機(jī)器學(xué)習(xí)與機(jī)器人等尖端數(shù)字化技術(shù)加持的生產(chǎn)線，不僅可實(shí)現(xiàn)大規(guī)模復(fù)合材料定制化生產(chǎn)，而且使生產(chǎn)成本與周期也大幅度降低。

通用電氣Predix資產(chǎn)管理方案：為了優(yōu)化運(yùn)維策略和提高資產(chǎn)可靠性，淡水河谷化肥公司采用了GE的Predix資產(chǎn)績效管理方案（APM），該解決方案包括生產(chǎn)分析、厚度監(jiān)測和根本原因分析(RCA)功能。Predix APM是一套軟件和服務(wù)解決方案，運(yùn)用大數(shù)據(jù)等人工智能技術(shù)整合不同的數(shù)據(jù)源，并使用高級分析算法使數(shù)據(jù)更具可操作性，促進(jìn)跨組織的協(xié)作和知識管理。

三井化學(xué)化工氣體產(chǎn)品監(jiān)測分析系統(tǒng)：三井化學(xué)與NTT合作開發(fā)了一款基于深度學(xué)習(xí)算法的模型，用來快速準(zhǔn)確地在生產(chǎn)過程中預(yù)測油氣產(chǎn)品的質(zhì)量。它可通過實(shí)時(shí)處理數(shù)據(jù)，例如溫度、壓力和流量等，并結(jié)合深度學(xué)習(xí)算法，自動分析數(shù)據(jù)間的關(guān)系，以模擬和預(yù)測結(jié)果。該預(yù)測模型在生產(chǎn)環(huán)境中的預(yù)測數(shù)值的誤差精確度可保持在為3%左右的范圍內(nèi)。

巴斯夫利用認(rèn)知云技術(shù)智能化供應(yīng)鏈運(yùn)營：巴斯夫與IBM Watson團(tuán)隊(duì)合作，利用IBM Cloud 和IBM Watson AI服務(wù)快速構(gòu)建了補(bǔ)給管理助手（Replenishment Advisor），以集成平臺的形態(tài)幫助專家用戶連接來自不同系統(tǒng)中結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以提供供應(yīng)鏈運(yùn)營的統(tǒng)一概述，實(shí)現(xiàn)了庫存波動與補(bǔ)給需求的預(yù)測工作，成功減少供應(yīng)鏈中斷的風(fēng)險(xiǎn)幾率。

Crystal 利用人工智能優(yōu)化客戶忠誠度：為了緩解印尼核心市場爆發(fā)式增長所帶來的客服壓力，結(jié)合IBM解決方案以及其合作伙伴TrustSphere所開發(fā)的關(guān)聯(lián)性分析平臺TrustView，Crystal與IBM共同部署了關(guān)于客戶忠誠度的解決方案。該方案基于數(shù)據(jù)分析量化了客戶信任度和服務(wù)質(zhì)量的效果，并通過關(guān)系分析見解塑造了無縫銜接的人員替換流程。

五、人工智能技術(shù)在能源行業(yè)的發(fā)展趨勢

數(shù)據(jù)資源限制：化工行業(yè)的生產(chǎn)數(shù)據(jù)雖然量大，但分布較窄，類型單調(diào)。因此算法無法從這種信息量少的大數(shù)據(jù)中發(fā)掘新的規(guī)律或知識，限制了模型的魯棒性，導(dǎo)致模型的功能相對雞肋，并不足以完全取代傳統(tǒng)的數(shù)據(jù)分析方法。

容錯(cuò)率過低：由于化工生產(chǎn)過程往往涉及對大量有毒、易燃易爆的危險(xiǎn)化學(xué)品直接或間接的使用。因此，行業(yè)對設(shè)備與系統(tǒng)的安全性與可靠性要求極其嚴(yán)格，導(dǎo)致極低的容錯(cuò)率。

資本投資回報(bào)率較低：化工行業(yè)的技術(shù)開發(fā)時(shí)間相對較長，難以快速落地。這使人工智能應(yīng)用不能在短期內(nèi)產(chǎn)生明顯效益，導(dǎo)致了對化工行業(yè)的資本投入相對匱乏。

六、人工智能技術(shù)在能源行業(yè)的局限性

強(qiáng)化安全管理：鑒于化工產(chǎn)品的敏感性，人工智能配合物聯(lián)網(wǎng)、預(yù)測性分析等技術(shù)能夠通過實(shí)時(shí)監(jiān)控設(shè)備運(yùn)行狀態(tài)、預(yù)測及診斷故障，加強(qiáng)事故應(yīng)急處置能力等方式提高生產(chǎn)過程的安全等級。

簡化技能培訓(xùn)：化學(xué)品的生產(chǎn)往往牽扯到高風(fēng)險(xiǎn)與危險(xiǎn)環(huán)境，而虛擬增強(qiáng)現(xiàn)實(shí)與計(jì)算機(jī)視覺的出現(xiàn)，讓高危化工產(chǎn)品生產(chǎn)在安全環(huán)境下培訓(xùn)成為可能，從而大大降低培訓(xùn)所需人工，時(shí)間以及運(yùn)營成本。

優(yōu)化運(yùn)營管理：在機(jī)器能夠取代大部分體力勞動的現(xiàn)代工業(yè)環(huán)境下，企業(yè)在管理、調(diào)度和運(yùn)營方面的能力將愈發(fā)重要。人工智能對數(shù)據(jù)強(qiáng)大的利用效率能夠幫助企業(yè)從網(wǎng)絡(luò)抓取并分析市場動態(tài)，并結(jié)合對生產(chǎn)車間、物流及庫存等信息的是實(shí)時(shí)監(jiān)控，優(yōu)化供應(yīng)鏈管理。

文章來源：「智周」系列報(bào)告「核心版」

網(wǎng)址：https://new.qq.com/omn/20190718/20190718A0DNB300.html