Как искусственный интеллект помогает производителям МЭГ

ИИ перестраивает производство и ключевые бизнес-процессы. Расскажем о том, как эту технологию применяют нефтехимические компании, лидирующие в производстве этиленгликолей.

Способность искусственного интеллекта (ИИ) анализировать данные в беспрецедентных масштабах и создавать алгоритмы действий открывает новые возможности для применения его во всех отраслях человеческой деятельности.

По данным ООН, глобальный рынок ИИ в течение десятилетия вырастет со 189 млрд долларов в 2023 году до 4,8 трлн долларов в 2033-м. На этом же отрезке ИИ повлияет на 40% рабочих мест, повышая производительность, но при этом стимулируя сокращение персонала.

Нефтехимия, как и другие отрасли промышленного производства, претерпевает глубокие изменения в эпоху ИИ и готова с его помощью достичь принципиально новых уровней эффективности, устойчивости и инноваций. В практике крупнейших компаний, выпускающих этиленгликоль, появляется все больше примеров внедрения и масштабирования технологий ИИ в ключевых процессах.

ИИ и создание новых продуктов

SABIC, производитель этиленгликолей №1 в мире, использует вычислительную платформу для моделирования свойств новых полимерных материалов, что позволяет снижать зависимость от дорогостоящих экспериментов.

В компании собрали обширный набор данных, состоящий из пяти целевых свойств, связанных с реакцией полимеров на изменения температуры, воздействие электрического тока, механическое напряжение и оптические условия. Специалисты создали и протестировали несколько моделей машинного обучения, которые точно предсказывают пять свойств полимеров. Преимущества подобных моделей в том, что они прогнозируют свойства материалов, используя в качестве входных данных только лишь молекулярную структуру.

Машинное обучение – это область исследований в ИИ, связанная с разработкой и изучением статистических алгоритмов, которые могут обучаться на данных, а также выполнять задачи без детальных инструкций.

Компания Dow Inc. использует обученную на основе больших данных модель, чтобы запускать алгоритмы и подбирать индивидуальный состав продукта под запросы клиентов. Так, в Dow смогли сократить время для исследования и разработки полиуретановых изделий по индивидуальному заказу. В компании отмечают, что процесс, на который ранее у разработчиков уходило до полугода, теперь укладывается в «считанные секунды».

ИИ и управление производством

BASF взялась за опыты с ИИ более десяти лет назад, изучая возможности и преимущества моделей машинного обучения. Используя накопленный гигантский массив данных, компания внедряет ИИ на своих заводах по всему миру для снижения издержек и создания дополнительной ценности.

Например, ИИ помогает менеджменту задействовать прогностическую мощность для выявления аномалий, влияющих на производственные возможности. В BASF отмечают, что большие данные позволяют оптимизировать процессы и повышать точность прогнозирования, чтобы увеличить производительность и сократить потребление ресурсов. ИИ позволяет автоматически определять наиболее важные параметры процесса и качества, чтобы связать текущие данные с историческими, а затем использовать эту информацию в качестве инструмента прогнозирования.

В BASF обкатывают технологии ИИ на заводе в Гейсмаре (Луизиана, США), где помимо прочей продукции выпускают этиленгликоль. На производстве там несколько лет используют «мягкие датчики», по аналогии с обычными физическими датчиками, которые зачастую невозможно использовать в экстремальных условиях работы на химическом производстве. «Мягкие датчики» обеспечивают доступ в режиме реального времени к данным о параметрах качества материала без проведения лабораторных испытаний. Это позволяет оценить конкретную переменную в любой момент, что обеспечивает точный прогноз качества конечной продукции BASF.

Предиктивный интеллект – это технология моделирования процессов. Она обеспечивает доступ к историческим данным и анализу материалов в режиме реального времени.

ИИ и профилактика поломок

Алгоритмы ИИ и машинного обучения могут анализировать огромные объемы данных. Это дает возможность прогнозировать сбои в работе оборудования до их возникновения. Такой проактивный подход к техническому обслуживанию сокращает время простоя, оптимизирует производственные графики и продлевает срок службы критически важного оборудования. Сокращая время простоев и максимально используя возможности оборудования, нефтехимические компании повышают операционную эффективность и прибыльность.

По оценкам консалтинговой компании McKinsey, профилактическое обслуживание может сократить расходы на техническое обслуживание на 10–40% и увеличить время безотказной работы оборудования на 10–20%.

Лидер отечественной нефтехимии и единственный производитель этиленгликолей в РФ компания «Сибур» создала модели ИИ-диагностики, которые непрерывно оценивают сотни специальных параметров работы ключевого производственного оборудования. В числе параметров вибрация, температурный диапазон, давление и т.д.

Постоянное обследование и анализ данных помогает на ранних стадиях находить признаки скорых дефектов, чтобы оперативно принимать упреждающие меры прежде чем поломка случится. Плановое техобслуживание обходится намного дешевле экстренных ремонтов.

ИИ и защита окружающей среды

Компания INEOS внедрила технологию на основе ИИ, чтобы мониторить сокращение выбросов углекислого газа на своем предприятии в Грейнджмуте (Великобритания)

Программное обеспечение (ПО) оптимизирует работу промышленных объектов для снижения выбросов углекислого газа. Главным преимуществом такого решения в INEOS считают возможность получать расчеты минимально возможных выбросов, созданные с помощью анализа информации, полученной из сотен точек данных в рамках разных процессов. В компании заявляют, что ПО позволяет сокращать объем выбросов на 10%.

Технология на основе ИИ непрерывно отслеживает потребление энергии на объекте, чтобы выявлять возможности для минимизации расхода топлива и электроэнергии. Помимо доступа к более подробным данным о выбросах в режиме реального времени, ПО позволяет узнавать, когда и где оптимизировать процессы и работу оборудования для снижения выбросов.

SABIC использует ИИ-технологию для отслеживания выбросов по всей цепочке создания стоимости с помощью единой методологической системы. Точное картирование выбросов, позволяет SABIC выявлять и минимизировать «горячие точки» в цепочке создания стоимости, что является важнейшим инструментом на пути к декарбонизации производства.

Парадоксальным образом развитие ИИ может негативно влиять на экологию. Дата-центры, где находятся серверы ИИ, увеличивают энергопотребление за счет энергии, которую в основном все еще получают за счет сжигания угля, газа и нефтяного топлива.

ИИ и будущее

Применение ИИ в нефтехимии не ограничивается приведенными выше сферами и кейсами. Отрасль использует AI-технологии для улучшения работы в самых разных направлениях.

• Охрана труда. Видеоаналитика на основе ИИ выявляет угрозы безопасности и предотвращает несчастные случаи на производстве. Например, алгоритмы ИИ определяют, надели ли работники надлежащее защитное снаряжение или не входят ли они в опасные зоны.

• Логистика. Алгоритмы ИИ могут оптимизировать логистические маршруты и графики перевозок, минимизируя затраты и сокращая выбросы углекислого газа.

• Продажи. ИИ за счет накопленных данных помогает отвечать на вопросы: какая продукция сейчас наиболее востребована, на каких рынках в каких регионах и по каким ценам ее выгоднее продавать.

Интеграция ИИ в нефтехимию сопряжена с определенными трудностями. Она требует значительных инвестиций в технологии и инфраструктуру, а также усилий по обучению персонала, чтобы сотрудники могли эффективно использовать новые инструменты. Однако преимущества таких инвестиций очевидны. Стратегически ИИ определит будущее нефтехимии, помогая ей идти по пути операционного совершенства, устойчивого развития и инновационного будущего.