新辟用武之地 GenAI赋能化工数字化

生成式AI是传统AI的拓展新武器

生成式AI和传统AI有着重要的区别，但它并不能替代传统AI，反倒可以被看作是一个有力的拓展选手。特别是在化工这样的大流程制造行业，三个不同段位的AI场景可谓“平分秋色”。

传统的AI是规则导向的，遵循预定好的逻辑和游戏规则，对高度结构化数据做出自动化处理，比如大家熟悉的PID控制逻辑、传统的先进控制系统（APC）其实都是属于这个范畴。甚至于在石油化工领域被广泛应用的高端排产软件PIMS和绝大多数线性优化模型，都并未步入机器学习的范畴，它们做的每一条预测和优化都是基于我们对PIMS的delta矢量的提前预设参数。

在石油化工行业大展拳脚

梳理石油化工行业的经营管理不难发现，首当其冲的问题是不同管理层级上此消彼长的价值交替关系和全局优化之间的矛盾。比如：

• 装置班组长和一线操作员的关注点在于如何安全稳定生产，把工艺参数的波动性减到最低；

  
  

• 装置工程师的关注点在于每个关键工艺参数的最佳控制区间，以确保生产长周期稳定运行的基础上，实现运行优化，以获取产能最大化、高附加值产品的收率最大化和能效最优等；

  
  

• 运营主管所思考的，是如何在原材料价格波动和市场需求变化中，通过合理的计划排产，实现价值链效益最大化。

那么，如何综合平衡这些不同层面的优化点？如果仅依赖人脑管理，获得最优解的难度是很高的。而BCG通过三位一体化的AI场景的联立求解，做到了全天候最佳操作员、最佳工程师和最佳运营主管的结合：

• 24小时的最佳操作员：算法的底层与APC集成，根据目标参数波动趋势，自动预测出被控参数的最优范围，为操作员提供报警信息，但目标设定的优化区间并不在本层AI考虑之列；

  
  

• 24小时的最佳工程师：第二层的算法是装置参数优化，基于深度机器学习AI，通过对大量历史参数组合的模拟，寻找每个参数最佳的目标区间来对装置的产能、收率、能耗、产品质量进行优化。就像一个有着20年参数优化经验的老师傅全天候工作，用仪表盘的模式，随时展示出每个三级参数的最佳经济操作区间、实时的操作范围，以及操作区间偏离带来的经济差异等；

• 24小时的最佳运营主管：在价值链层面，第三层算法是一个高层的决策参考模型，是一种主动出击的控制台；它会在各种假设情景的基础上构建全域价值最优方案。比如，主动开放某种机会油品的掺配比例，对全厂的各类产品收率有多少影响。我们会利用生成式AI的自我学习能力，全局搜索超过1,000个可能的情景，并分析比对每种可能场景的边际利润、对计划检修的影响以及对原材料可获取度的要求等，并采用图表的方式为管理层自动呈现出来。

BCG基于生成式AI构建了价值链全周期CEO监控平台，通过扫描、抓取、分析、监控、回顾模块组合在短时间内通过图文并茂的方式为决策者呈现决策建议。从行业应用的效果看，产品可以促进基层运营人员与决策管理团队的协调共识，大幅提振石油化工的整体运营效率。目前，BCG的AI解决方案应用范围遍及全球，涵盖不同的生产作业层级，全球50个不同的石油化工企业集团的200多个工厂的实践证明，这套系统能够实现平均8.3美元/公吨的经济效益。

人工智能产业发展未来可期，随着《生成式人工智能服务管理暂行办法》的实施，人工智能在各领域的发展和应用更加健康规范，生成式AI虽不能替代传统的AI，但在化工行业确实有用武之地。

AI赋能工业发展｜新能源汽车｜Auto AI

AI人才｜生成式AI价值

原创内容的最终解释权以及版权归波士顿咨询公司所有。如需转载文章，请在信息栏输入“转载”，获取转载须知。