石油需求和價格的極大波動為煉油行業創造了動蕩的格局。煉油廠高管和經理被迫每天檢查新的方案，并就安全，環境影響，物流和經濟方面對每種方案進行評估。他們的快速分析和反應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務和競爭優勢的關鍵。

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

這就是說，在很大程度上，因為AI和機器學習經常被孤立地看待，而不是與現有的工程能力（模型，工具和專業知識）結合起來，以提供有效地優化煉油廠資產的實用解決方案。這些資產通常依賴于根據物理和化學“第一原理”構建的工程模型，這些工程模型封裝了關鍵領域知識，例如過程安全性和對行業復雜系統的理解。

這些模型借鑒了世界上最好的科學家，過程工程師和操作員的豐富經驗。它們非常準確，但在某些過程中有局限性;為了提高其準確性，必須使用工廠數據將其校準為觀察到的工廠條件和性能。當前，有效的模型校準需要相當多的專業知識和經驗。

建立混合模型

這是AI和機器學習發揮關鍵作用的地方。這些技術正在迅速興起，它們可以極大地提高工廠數據的使用能力，既可以校準第一性原理模型，又可以快速創建基于數據的現象和過程模型。AI可能會降低建模過程系統所需的專業知識，但必須將其與領域專業知識相結合，以創建可使其安全，可靠且直觀地工作的真實“護欄”。

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

機器學習用于利用仿真，工廠或中試工廠數據來創建模型。該模型還使用領域知識（包括第一原理和工程約束）來構建豐富的模型-無需用戶具有深厚的流程專業知識或成為AI專家。

責任編輯：lq