雖然工業(yè)部門(mén)正在經(jīng)歷由人工智能和物聯(lián)網(wǎng) (IoT) 驅(qū)動(dòng)的轉(zhuǎn)型,但與此同時(shí),勞動(dòng)力也在發(fā)生轉(zhuǎn)變,因?yàn)閭鹘y(tǒng)領(lǐng)域的專家被精通技術(shù)的工人所取代,他們帶來(lái)了新的運(yùn)營(yíng)專業(yè)知識(shí)水平。進(jìn)入工業(yè)數(shù)據(jù)科學(xué)家,這是一種新型數(shù)據(jù)分析師,可以訪問(wèn)比以往更多的工業(yè)數(shù)據(jù)以及將這些信息轉(zhuǎn)化為可操作情報(bào)的先進(jìn)技術(shù)。
影響工業(yè)數(shù)據(jù)科學(xué)家崛起的關(guān)鍵因素包括:
●由于工業(yè)數(shù)據(jù)質(zhì)量和管理不佳、內(nèi)部孤島以及相關(guān)團(tuán)隊(duì)之間缺乏協(xié)作,組織無(wú)法實(shí)現(xiàn)工業(yè)人工智能的全部?jī)r(jià)值。
●工業(yè)數(shù)據(jù)科學(xué)家?guī)?lái)的自給自足有助于以更大的敏捷性和可擴(kuò)展性解決創(chuàng)新和解決問(wèn)題。
●AspenTech 的工業(yè) AI 解決方案和具有凝聚力的數(shù)字參考架構(gòu)將數(shù)據(jù)科學(xué)能力和領(lǐng)域?qū)I(yè)知識(shí)結(jié)合在一起。
流程工業(yè)中工業(yè)人工智能的現(xiàn)狀
ARC 咨詢小組在 2021 年對(duì)人工智能和物聯(lián)網(wǎng) (AIoT) 的融合報(bào)告的研究以及研究專家 Vanson Bourne的人工智能研究現(xiàn)狀準(zhǔn)確地描述了流程工業(yè)中人工智能的現(xiàn)狀。兩份報(bào)告都強(qiáng)調(diào)了改善協(xié)作、降低復(fù)雜性并打破數(shù)據(jù)科學(xué)和領(lǐng)域?qū)I(yè)知識(shí)之間的組織孤島的必要性。
術(shù)語(yǔ)“物聯(lián)網(wǎng)的人工智能或 AIoT”用于描述人工智能和工業(yè)物聯(lián)網(wǎng) (IIoT) 技術(shù)力量的融合。AIoT 專為尋求更好方法將不斷發(fā)展的勞動(dòng)力與數(shù)據(jù)驅(qū)動(dòng)的決策工具連接起來(lái)并以數(shù)字方式增強(qiáng)工作和業(yè)務(wù)流程的工業(yè)公司而構(gòu)建。然而,利用人工智能需要數(shù)據(jù)科學(xué)能力,這給已經(jīng)很復(fù)雜的環(huán)境增加了額外的復(fù)雜性。
雖然工程角色擅長(zhǎng)分析大量數(shù)據(jù),但設(shè)置和創(chuàng)建生產(chǎn)級(jí)機(jī)器學(xué)習(xí)環(huán)境并不容易。因此,通過(guò)人工智能釋放工業(yè)數(shù)據(jù)的價(jià)值需要一種混合方法。
工業(yè)人工智能的范式是為資本密集型行業(yè)提供可衡量的業(yè)務(wù)成果。工業(yè)組織不需要靠工業(yè)人工智能的價(jià)值來(lái)推銷,而挑戰(zhàn)在于實(shí)現(xiàn)它。Vanson Bourne 的研究發(fā)現(xiàn),這里調(diào)查了 200 多名跨行業(yè)的 IT 和運(yùn)營(yíng)決策者,提供了對(duì)工業(yè) AI 采用現(xiàn)狀的關(guān)鍵見(jiàn)解。該研究揭示了阻礙組織實(shí)現(xiàn)工業(yè)人工智能全部?jī)r(jià)值的核心挑戰(zhàn)是工業(yè)數(shù)據(jù)質(zhì)量和管理不佳、內(nèi)部孤島、相關(guān)團(tuán)隊(duì)之間缺乏協(xié)作以及圍繞工業(yè)人工智能制定明確的戰(zhàn)略。
什么是工業(yè)數(shù)據(jù)科學(xué)家?
傳統(tǒng)數(shù)據(jù)科學(xué)家的角色結(jié)合了計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)和數(shù)學(xué)。工業(yè)數(shù)據(jù)科學(xué)家的核心使命是構(gòu)建更全面、高性能和可持續(xù)的 AI/ML 模型,這些模型適用于特定目的、特定領(lǐng)域并解決重點(diǎn)關(guān)注的實(shí)際用例。他們分析、處理和建模數(shù)據(jù);并具備預(yù)處理、模型類型、機(jī)器學(xué)習(xí)操作 (MLOps) 等部署概念、硬件部署方面或云和邊緣部署方面的能力和知識(shí)。數(shù)據(jù)科學(xué)家更多地關(guān)注算法部分和工具鏈的改進(jìn)。
另一方面,工業(yè)數(shù)據(jù)科學(xué)家是領(lǐng)域知識(shí)與對(duì)應(yīng)用人工智能方面的理解以及識(shí)別機(jī)會(huì)和解決問(wèn)題的獨(dú)特組合。配備了已經(jīng)民主化的最佳人工智能工具,工業(yè)數(shù)據(jù)科學(xué)家不依賴其他組織來(lái)分析數(shù)據(jù)和確定結(jié)果。
雖然工業(yè)數(shù)據(jù)科學(xué)家保持一定程度的數(shù)據(jù)科學(xué)敏銳度,但他們可以有效地與數(shù)據(jù)科學(xué)家合作,因?yàn)樗麄兛梢郧宄乇磉_(dá)和使用數(shù)據(jù)科學(xué)應(yīng)用程序或產(chǎn)品的語(yǔ)言。工業(yè)數(shù)據(jù)科學(xué)家?guī)?lái)的自給自足有助于以更大的敏捷性和可擴(kuò)展性解決創(chuàng)新和解決問(wèn)題。工業(yè)數(shù)據(jù)科學(xué)家的本質(zhì)是領(lǐng)域?qū)I(yè)知識(shí),結(jié)合強(qiáng)大的工具鏈或一組打包的編程工具來(lái)解決具有挑戰(zhàn)性的工業(yè)問(wèn)題,例如使用工業(yè)數(shù)據(jù)和人工智能預(yù)測(cè)未來(lái)?xiàng)l件或事件。
工業(yè)人工智能如何被用來(lái)解決挑戰(zhàn)
工業(yè) AI 提供由工業(yè)數(shù)據(jù)驅(qū)動(dòng)的廣泛用例,并在最前沿進(jìn)行預(yù)測(cè)性、規(guī)范性維護(hù),以減少或消除設(shè)備停機(jī)時(shí)間。然而,全球大流行加速了該行業(yè)數(shù)字化的愿望,尤其是在制藥和生物技術(shù)行業(yè)。根據(jù) David Leitham 的說(shuō)法,“我們已經(jīng)看到在預(yù)測(cè)設(shè)備故障方面非常有效,并且具有很強(qiáng)的特異性,這將繼續(xù)推動(dòng)實(shí)現(xiàn)零計(jì)劃外停機(jī)并消除損失批次,這既昂貴又對(duì)整個(gè)供應(yīng)鏈造成破壞?!毕冗M(jìn)的需求建模與規(guī)劃、調(diào)度和利用大數(shù)據(jù)來(lái)預(yù)測(cè)變化并主動(dòng)調(diào)整對(duì)不同療法的需求相結(jié)合,變得越來(lái)越重要,因?yàn)榀煼ㄗ兊迷絹?lái)越有針對(duì)性。
除了化學(xué)工業(yè)中的制藥和生物技術(shù)之外,通常還會(huì)有專門(mén)的設(shè)備模型并利用混合建模方法?;旌辖⒌谝辉碇R(shí)與經(jīng)驗(yàn)和數(shù)據(jù)的新見(jiàn)解相結(jié)合。工業(yè) AI 還通過(guò)持續(xù)使用數(shù)據(jù)來(lái)更新和訓(xùn)練難以建模的過(guò)程條件(例如老化的設(shè)備)來(lái)幫助改善邊緣的模型維護(hù)。使用已經(jīng)收集的歷史數(shù)據(jù),工業(yè) AI 可以自動(dòng)構(gòu)建計(jì)劃或自動(dòng)化流程,或找到設(shè)備故障或無(wú)法滿足每日或每周計(jì)劃的根本原因。
AspenTech 如何彌合領(lǐng)域?qū)I(yè)知識(shí)和人工智能之間的差距
AspenTech 廣泛的性能工程、生產(chǎn)優(yōu)化、資產(chǎn)性能管理、價(jià)值鏈優(yōu)化和相互關(guān)聯(lián)的混合建模應(yīng)用程序組合可幫助化學(xué)工程師、運(yùn)營(yíng)和其他工程學(xué)科進(jìn)行協(xié)作并推動(dòng)更高的價(jià)值。借助 AspenTech 的混合建模方法,該軟件提供了由化學(xué)工程師提供的第一原理建模工作流程的組合,包括數(shù)據(jù)科學(xué)工作流程,如預(yù)處理、模型訓(xùn)練、模型和算法選擇。工程師可以輕松協(xié)作創(chuàng)建混合模型,并將它們共同引入數(shù)據(jù)科學(xué)工具鏈。
看一個(gè)工業(yè)數(shù)據(jù)科學(xué)家工作流程的例子,當(dāng)定制操作資產(chǎn)不存在流程圖模型時(shí),可以手動(dòng)收集最能代表該設(shè)備廣泛操作的數(shù)據(jù),而不是從頭開(kāi)始構(gòu)建這些模型。組織中的工業(yè)數(shù)據(jù)科學(xué)家將“修剪數(shù)據(jù)”以確保數(shù)據(jù)質(zhì)量。此預(yù)處理步驟檢查丟失的傳感器,然后使用 AspenTech 的模型構(gòu)建器解決方案為該特定用例構(gòu)建適當(dāng)或合適的模型。然后,此混合模型通過(guò)物理約束來(lái)豐富,以強(qiáng)制執(zhí)行質(zhì)量平衡或特定于用例的其他標(biāo)準(zhǔn)。一旦導(dǎo)入流程圖模擬器,化學(xué)工程師和工業(yè)數(shù)據(jù)科學(xué)家就可以共同優(yōu)化模型。
結(jié)論
憑借 40 多年的經(jīng)驗(yàn)并專注于工業(yè)制造領(lǐng)域,AspenTech 解決方案的各個(gè)方面都針對(duì)客戶和用戶的角色以及具有領(lǐng)域?qū)I(yè)知識(shí)的要求進(jìn)行了調(diào)整。這些解決方案中的每一個(gè)都位于一個(gè)有凝聚力的數(shù)字參考架構(gòu)上,這有助于將所有這些功能結(jié)合在一起。彌合差距和專業(yè)知識(shí)使每位專家都能在他們?cè)黾觾r(jià)值的地方做出貢獻(xiàn),并通過(guò)整體調(diào)整到他們的應(yīng)用程序和界面獲得舒適度;這些解決方案結(jié)合在一起可以解決更廣泛的問(wèn)題。
工業(yè)公司將繼續(xù)尋找更好的方法將其不斷發(fā)展的勞動(dòng)力與數(shù)據(jù)驅(qū)動(dòng)的決策工具聯(lián)系起來(lái),并以數(shù)字方式增強(qiáng)工作和業(yè)務(wù)流程。然而,利用人工智能需要數(shù)據(jù)科學(xué)能力,這給已經(jīng)很復(fù)雜的環(huán)境增加了額外的復(fù)雜性。
圍繞數(shù)據(jù)科學(xué)建立組織能力是工業(yè)制造商的重中之重。對(duì)工業(yè)數(shù)據(jù)科學(xué)家角色的投資和建立一定程度的數(shù)據(jù)科學(xué)敏銳度是合理的,因?yàn)樗麄兛梢耘c數(shù)據(jù)科學(xué)家有效地協(xié)作。工業(yè)數(shù)據(jù)科學(xué)家是一種新型的技術(shù)驅(qū)動(dòng)、數(shù)據(jù)授權(quán)的領(lǐng)域?qū)<?,可以訪問(wèn)比以往更多的工業(yè)數(shù)據(jù),以及將這些信息轉(zhuǎn)化為整個(gè)企業(yè)的可操作情報(bào)所需的可訪問(wèn) AI/ML 和分析工具.如今,工業(yè)部門(mén)的許多數(shù)據(jù)科學(xué)家都具有化學(xué)、石油或工業(yè)工程背景,而不是計(jì)算機(jī)科學(xué)或軟件工程背景。
工業(yè)數(shù)據(jù)科學(xué)家專注于解決該領(lǐng)域的現(xiàn)實(shí)問(wèn)題。他們利用自己的領(lǐng)域經(jīng)驗(yàn)將領(lǐng)域知識(shí)整合到數(shù)據(jù)科學(xué)項(xiàng)目中——傳統(tǒng)數(shù)據(jù)科學(xué)家不具備的專業(yè)水平。ARC 咨詢集團(tuán)認(rèn)為,高級(jí)過(guò)程控制 (APC) 工程師等現(xiàn)有角色是互補(bǔ)技能和重點(diǎn)培養(yǎng)內(nèi)部能力領(lǐng)域的絕佳示例。確保成功的工業(yè)數(shù)據(jù)科學(xué)能力計(jì)劃的關(guān)鍵因素包括:
●簡(jiǎn)化計(jì)算 AI/ML 基礎(chǔ)設(shè)施。
●簡(jiǎn)化 AI/ML 部署。
●結(jié)合領(lǐng)域?qū)I(yè)知識(shí)協(xié)作技術(shù)。
●以高級(jí)過(guò)程控制和建模中的現(xiàn)有組織能力為起點(diǎn)。
Peter Reynolds 對(duì)流程和技術(shù)領(lǐng)域進(jìn)行研究,例如流程優(yōu)化、資產(chǎn)績(jī)效管理和數(shù)據(jù)分析。作為能源和化學(xué)行業(yè)的主題專家,他擁有超過(guò) 25 年的專業(yè)經(jīng)驗(yàn)。在加入 ARC 之前,Peter 曾在新不倫瑞克省圣約翰市的 Irving Oil 擔(dān)任自動(dòng)化和 IT 經(jīng)理,該公司經(jīng)營(yíng)著加拿大最大的煉油廠、八個(gè)石油碼頭以及加拿大和美國(guó)的 800 多個(gè)零售點(diǎn)。Irving 以前的職位包括領(lǐng)導(dǎo) Irving Oil Refining Growth 團(tuán)隊(duì)為與 BP 的新建合資煉油廠制定過(guò)程控制和自動(dòng)化戰(zhàn)略,以及圣約翰煉油廠自動(dòng)化系統(tǒng)負(fù)責(zé)人。
2024-06-24 07:48
2024-06-24 07:41
2024-06-19 11:06
2024-06-18 09:56
2024-06-17 08:17
2024-06-15 10:06
2024-06-12 09:28
2024-06-11 09:44
2024-06-10 09:48