隨著數字化在所有工業領域的加速發展，重新思考如何實施產品、服務和參與策略的需求也在增加。如今，隨著企業努力應對同時實現盈利和可持續發展目標的雙重挑戰，數字化變得更加重要。人工智能(AI)驅動的數字化可以幫助解決這一雙重挑戰。

(資料圖片僅供參考)

多年來，不同的工程學科單獨運作，只專注于它們的特定領域，這是行之有效的。然而，市場動態現在迫使過程工程師著眼于更大的前景，通過整合不同的工程學科來優化他們的工業，并改善協作。

增強的工作流程使工藝工程師、項目工程師、估算人員以及安全和能源專家之間能夠更好地溝通和共享信息，這有助于抓住協作提供的機會，幫助發現提高工廠盈利能力和可持續性績效的機會。

然而，就數字化轉型本身而言，工程公司正在采取的大多數舉措都是整合和連接工程軟件和技術組合，以支持跨越部門、學科和辦公室的新的、簡化的、數字化工作流程。預期的業務優勢包括更短的周期時間、更低的成本和更高質量的設計，以及在設計、施工和移交過程中遇到的錯誤和問題更少。

與此同時，運營公司一直在努力縮小理論工程模型預測的運營行為與實際運營之間的差距。傳統上，這是通過改變工程模型的“調整因素”來解決的，但通常需要多年的經驗。它還需要持續的關注，因為調諧因素必須不時改變。隨著越來越多的新一代工程師不愿意在一個特定的工作職能上花費數年時間，運營公司發現很難開發和保留所需的專業知識，并阻止了許多運營公司利用現有的先進解決方案。

人工智能的機遇

如今，越來越多的工程公司正在將其數字化計劃擴展到新的領域，以利用不斷升級的商機。人工智能通常是這些機會的核心。事實上，高級管理人員現在正在優先考慮應用AI，以減少單個任務通常需要的設置和編程開銷。與此相一致，我們已經看到了一些AI驅動的數字化應用在整個行業中帶來好處的例子。

特別是使用AI驅動的數字孿生技術可以為工程公司的客戶帶來更多的價值，因為它可以在資產投入運營后捕獲資產的實時數據。此外，在移交期間利用數字化設計和工程數據，為在運營和維護期間提供增值服務提供了更大的潛力，使組織減少對資本項目的依賴。

AI還可以在支持和概述項目的工程方法、設計的可施工性以及如何組織材料、設備和勞動力的規劃方面發揮重要作用。這種早期規劃方法已被證明可以降低成本并加快進度。

確保工程模型的準確性

AI對運營公司產生了更大的影響。AI技術現在可以輕松讀取大多數運營工廠已經提供的海量運營數據，并確定自動計算與工程模型預測與現實世界運營相匹配的調整因子的方程。這使運營公司免于依賴第三方顧問來保持工程模型的準確性，并且還大大降低了更新這些模型的頻率。這對工廠的可持續性和盈利能力都產生了深遠的影響。

例如，它使一家美國煉油廠在模擬和預測其FCC反應堆的性能方面獲得了前所未有的準確性。FCC是煉油廠最大的二氧化碳排放者之一，也是生產高價值產品的最關鍵單位之一。這些高度準確的低維護AI支持的模型幫助煉油廠發現了改善運營的見解，并提高了規劃運營的準確性。這使得煉油廠能夠提高高價值產品的產量，同時確保其達到排放目標。

使用第一原理模型來定義和預測一個項目的性能和結果是過程工業的標準。然而，有一些過程是更難預測的。通常這些是通過不太精確的技術來管理的，如操作員的經驗或經驗法則，但這可能會導致低于預期的性能水平。

然而，AI可以模擬數千種設計選項，這些選項可以非常快速地縮小選項的范圍，這些選項不僅最能滿足業主的要求，而且是最安全、最環保、最具成本效益的選擇。一種稱為多案例分析的新功能為工程公司提供了改變這些早期決策方式的機會。

以前，工程師會使用來自同樣有限數量的操作案例和條件的有限數據來定義這些關鍵參數。想象一下，設計一臺具有如此有限數據集的iPad，更不用說定制的100億美元加工廠了。然而，這在過去一直是標準做法。

多案例分析有助于根據數百甚至數千種操作條件和案例的考慮來優化早期設計決策。利用AI和高性能計算——無論是在云中還是在桌面上——都可以讓設計人員依靠更廣泛的數據集來調整和微調其設計。

從許多不同等級的原油到不同的環境天氣條件，這種對潛在設計在實際條件下性能的了解可以帶來全面的改進：從建筑材料，設備的大小，到公用事業的類型，甚至是工廠的位置。

這些決策通常會對工廠的資本和運營成本、風險分析以及實現其預期目的的整體適應性產生重大影響。一家大型全球天然氣液體加工廠技術提供商報告說，這項技術幫助它在工廠的整個生命周期內將優化工廠設計所需的設計時間減半。

工程軟件和技術的整合

雖然多案例分析無疑是當今使用AI驅動型數字化的工程公司關注的一個關鍵領域。但是，在與所有地區的客戶交談時得到的反饋往往是，在數字化方面要解決的最高優先領域是工程軟件和技術組合的整合，其次是其余應用程序和業務流程的數字化。

這項工作的關鍵是能夠在整個組織中查找和重用數據，并最終在整個供應商、分包商和顧問的生態系統中查找和重用數據。它可以帶來有如此多的收獲(一些公司估計，僅在工程和估算生產率方面就有機會實現兩位數的提高)，以至于那些不向前邁進的人可能會在未來面臨競爭力下降的風險。

純粹基于AI的解決方案的一個主要缺點是結果取決于它可以訪問的數據的質量。在運行工廠的情況下，儀器儀表可能會出現故障，導致存儲在工廠數據歷史庫中的“壞”操作數據。純粹的AI驅動的解決方案將無法可靠地檢測這些差異。

將AI的強大功能和敏捷性與基于第一原則的嚴格工程技術的制衡相結合的混合解決方案可以有效地應對這一挑戰，并且這也是運營公司的理想選擇。

展望工程行業的未來，數字化轉型將不可避免地加速并帶來重大改進。雖然在Covid-19到來之前，變革的道路已經牢固確立，但疫情大流行已成為加速這一趨勢的催化劑。工程公司要取得成功，就必須采用現有的先進技術，包括人工智能工具。這將確保組織在整個端到端價值鏈中實現運營效率，從而獲得競爭優勢。