近日，艾斯本發布了aspenONE?軟件V12，將AI技術運用于流程工業之中，形成混合建模能力，專為資本密集型企業設計。

Aspen Hybrid Models?軟件可以從企業資產中獲取數據，優化運營，幫助企業在復雜的競爭中立于不敗之地。相比離散工業在數字化轉型方面的上突飛猛進，流程工業則顯得異常低調，這與針對流程工業的軟件不足相關，艾斯本作為為數不多的專注于流程行業的軟件開發企業，其創造性的把AI技術用在整個工藝裝置之中，Hybrid Models混合模型是v12該軟件的一大特色，通過傳統的機理模型結合AI技術，加速整個裝置建模，為客戶在運營方面提供優化、提高效率。

利用AI建立模型優化運營

艾斯本技術有限公司大中華區總經理丁少杰表示，利用工廠自優化和自適應APC是流程工廠智能化的一個重要基石。以煉油廠舉例，傳統的APC或以前使用的DMCplus，在當工廠模型建立之后，隨著工廠操作條件的變化，模型精度會發生偏離，給企業帶來的效益提升就會大打折扣。DMC3就是這種自適應技術，工廠建立模型之后，隨著工廠操作條件的改變，這個模型可以自動做出調整，能夠最準確的反映出工廠裝置的情況，從而為工廠優化帶來最大效益。

此外設備智能化維護，是方案全生命周期的優化，艾斯本幫助工廠形成自主性維護，多方面利用如Aspen Mtell等AI技術，艾斯本在兩年前收購了一家企業，形成了自己的設備預防性診斷技術，結合大數據分析、人工智能和機器學習等功能，能夠提前30天甚至更多時間預測到當前設備的故障，以及造成設備故障的原因。通過這個方式可以非常有效的找到問題，一方面避免了這個設備的緊急非計劃停車，給客戶足夠的時間重新安排生產計劃，也可以找到相應的備選方案，同時也對設備的維護制定了一個解決方案。另外，在計劃調度方面也有很多新功能。

多種模型加持

在V12中還加入了多種突破性的技術，包括多工況分析，及混合建模的功能，這個突破其實前面講到有很多應用的場景，將艾斯本傳統，最強、最有優勢的技術，也就是first principles（化工過程第一定律）建模技術加以利用，結合AI分析方法，形成一個工業的混合模型。

⑵    第一種混合模型是AI-driven的混合模型，以大數據驅動為主的新型模型。

⑵第二種是Reduced Order的降維或者降序的模型，用流程模擬的結果用大數據分析的方法，把一個嚴格機理模型的復雜模型轉變為一個非線性的數據模型。

⑶    第三種是First Principles-Driven模型，把流程模擬和大數據分析這些數據結合在一起。

這些模型既考慮了工業流程行業背景的知識，也包括對工藝過程的理解、對這些操作約束，以及最基本的質量能量平衡原則，再結合新的技術實現效率提升，與純AI技術非常大的區別，艾斯本軟件背后立足的是95%的工業知識，只有5%是AI code和算法。

這樣的方法就能夠突破現在模型難以維護的問題，實現快速地響應市場變化。

優化供應鏈，幫助客戶梳理運營技能

丁少杰表示在石油化工供應鏈是企業的關鍵，艾斯本多年形成了很多優秀的建樹。涉及供應鏈的內容目前包含兩塊內容，大的供應鏈及兩端市場：一個是供應市場、一個是客戶市場。

其實供應鏈里面還有很大的一塊是工廠這一塊，我們認為供應鏈是一個完整的供應鏈，我們AI的技術，目前我們已經很成功的應用在工廠這部分，垂直供應鏈那部分的應用。

   首先模型的準確性，我們做了很多的工作，前面講到的Hybrid Models其實有兩個應用：⑴一個是解決工藝流程層面，模型建模和模型復雜性的問題。這個模型在做供應鏈計劃的時候把裝置的模型準確地進行描述，讓計劃模型更加準確，提出一個Reduced Order建模的方式，這是AI很具體的應用，也就是降階的模型，既保證了模型精度，同時也不失準確性的簡化模型，能夠讓供應鏈計劃更加準確。AI技術在Hybrid Models供應鏈里面的應用。

    ⑵另外一個應用，是AI在認知層面上的應用，也就是做供應鏈計劃，結果是正常的還是偏差的，通過有很多以前很多方案計劃從中發現，通過AI大數據技術分析或者AI技術、機器學習技術，從大量計劃結果中找出幫助判斷是否有異常點，有沒有偏離很大的計劃方案。這就是通過AI在這兩個層面上施加的應用。

為新客戶提供行業經驗，簡化操作助其成功

艾斯本過去40年為流程行業和各類資本密集型企業構建解決方案，經歷了各種挑戰，從中累積了豐富的經驗，相信aspenONE?軟件V12版本的推出能夠使客戶在沒有數據科學專業知識的情況下將AI應用于關鍵流程中，為缺乏深入掌握流程知識或經驗的新用戶提供更好的支持。