石油需求和價格的極大波動為煉油行業(yè)創(chuàng)造了動蕩的格局。煉油廠高管和經(jīng)理被迫每天檢查新的方案，并就安全，環(huán)境影響，物流和經(jīng)濟方面對每種方案進行評估。他們的快速分析和反應(yīng)能力以及在運營中建立可靠性和彈性的能力將是維持其業(yè)務(wù)和競爭優(yōu)勢的關(guān)鍵。

該行業(yè)的最終愿景是自我優(yōu)化的自主工廠-整個行業(yè)中越來越多的人工智能（AI）部署正使這一現(xiàn)實變得越來越近。然而，盡管提煉已成為許多數(shù)字工具的早期采用者，但該行業(yè)尚未完全意識到工業(yè)AI的潛力。

這就是說，在很大程度上，因為AI和機器學(xué)習(xí)經(jīng)常被孤立地看待，而不是與現(xiàn)有的工程能力（模型，工具和專業(yè)知識）結(jié)合起來，以提供有效地優(yōu)化煉油廠資產(chǎn)的實用解決方案。這些資產(chǎn)通常依賴于根據(jù)物理和化學(xué)“第一原理”構(gòu)建的工程模型，這些工程模型封裝了關(guān)鍵領(lǐng)域知識，例如過程安全性和對行業(yè)復(fù)雜系統(tǒng)的理解。

這些模型借鑒了世界上最好的科學(xué)家，過程工程師和操作員的豐富經(jīng)驗。它們非常準(zhǔn)確，但在某些過程中有局限性;為了提高其準(zhǔn)確性，必須使用工廠數(shù)據(jù)將其校準(zhǔn)為觀察到的工廠條件和性能。當(dāng)前，有效的模型校準(zhǔn)需要相當(dāng)多的專業(yè)知識和經(jīng)驗。

建立混合模型

這是AI和機器學(xué)習(xí)發(fā)揮關(guān)鍵作用的地方。這些技術(shù)正在迅速興起，它們可以極大地提高工廠數(shù)據(jù)的使用能力，既可以校準(zhǔn)第一性原理模型，又可以快速創(chuàng)建基于數(shù)據(jù)的現(xiàn)象和過程模型。AI可能會降低建模過程系統(tǒng)所需的專業(yè)知識，但必須將其與領(lǐng)域?qū)I(yè)知識相結(jié)合，以創(chuàng)建可使其安全，可靠且直觀地工作的真實“護欄”。

這種結(jié)合可以實現(xiàn)我們所謂的“混合模型”，該模型將AI和第一原理有效地結(jié)合在一起，可以在不需要大量專業(yè)知識的情況下更快地提供全面，準(zhǔn)確的模型。至關(guān)重要的是，它們是通往自我優(yōu)化工廠的重要階段。

機器學(xué)習(xí)用于利用仿真，工廠或中試工廠數(shù)據(jù)來創(chuàng)建模型。該模型還使用領(lǐng)域知識（包括第一原理和工程約束）來構(gòu)建豐富的模型-無需用戶具有深厚的流程專業(yè)知識或成為AI專家。

責(zé)任編輯：lq