隨著全球范圍內國家層面陸續(xù)推出工業(yè)4.0相關政策，人工智能已逐漸成為了工業(yè)4.0實施推廣過程中必不可缺的一部分。而人工智能，工業(yè)4.0與化工行業(yè)所產生的交集，讓現今傳統(tǒng)行業(yè)看到了次時代技術可以為其運營模式，生產方式所帶來的影響。根據不完全統(tǒng)計，全球500強化工行業(yè)企業(yè)已有多家開始以工業(yè)4.0政策為指導，人工智能技術核心方向，制定其自身相關產品與解決方案的落地實施試點工程項目。在化工行業(yè)泛人工智能技術應用主要集中于機器學習，大數據，計算機視覺，機器人，深度學習和AR/VR虛擬現實增強技術。

圖片來源視覺中國

一、化工市場市場規(guī)模

化工行業(yè)在全球經濟發(fā)展進程中占有極其重要的地位，它是傳統(tǒng)制造業(yè)，重工業(yè)以及紡織業(yè)等相關產業(yè)發(fā)展與產出的基石。根據業(yè)內定義，化工行業(yè)可以簡單劃為石油化工、基礎化工和化學化纖三大領域。石油化工是指以石油和天然氣為原料，生產相關產品的領域，其常見產品包括塑料，清潔劑，潤滑劑等。而基礎化工是指通過化學合成所產出的如化肥，氯堿，甲乙醇等的日?；ぶ破??；瘜W化纖則是指通過使用高分子化合物為原料天然或人工合成的紡絲，其被廣泛應用與紡織，醫(yī)療等領域。由于化工行業(yè)門類繁多、工藝復雜、產品多樣，其在世界范圍內市場總額極為巨大。跟據中國統(tǒng)計局與中商產業(yè)研究院數據，單中國的化工行業(yè)主要業(yè)務收入在2017年就已接近87000億人民幣。

中國化工行業(yè)主要業(yè)務營收總額趨勢（數據來自中國統(tǒng)計局）

二、化工行業(yè)常用人工智能技術領域

機器學習：機器學習指利用算法來解析數據，對真實世界中的事件做出決策和預測。在化工行業(yè)，機器學習的應用主要集中在對于化工生產流程與維護方式的優(yōu)化。

大數據技術：大數據技術可完成標識歸納相關數據。目前，大數據在化工行業(yè)的應用主要集中在有無機物歸類，石油石化數據查詢，化纖數據清洗等多個領域。

機器人技術：機器人技術可以通過圖像識別，傳感器以及不同算法的結合，使機器人自主學習各工位工作完成無人化生產作用。目前，機器人技術在化工行業(yè)應用集中在材料高尖端生產領域。

深度學習：深度學習具有強大的特征提取能力，并通過領域神經網絡等前沿技術可以處理復雜，高維，非線性的問題。目前，在化工行業(yè)的應用主要集中于分子性能預測與藥物分子篩選方向。

計算機視覺：計算機視覺主要是指用攝影機和電腦代替人眼對目標進行識別，使其成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺在化工行業(yè)可以應用在新材料研發(fā)的信息描繪上。

AI基礎設施：云計算屬于重要的AI基礎設施之一，通常涉及通過互聯網來提供動態(tài)易擴展且經常是虛擬化的資源。在化工行業(yè)，云計算可以用于新產品研發(fā)過程中，新材料預測模型的構建。

三、人工智能技術在化工行業(yè)中的應用分布

其他周邊場景：由于化工行業(yè)使用人工智能的全球500強公司，故本報告并未囊括全球500強公司相對較少涉及領域，如危險品管理，2B端銷售等常見領域。

四、化工行業(yè)公司人工智能技術落地案例簡述

IBM RXN for Chemistry：為了更科學高效地預測有機物合成反應，IBM發(fā)布了一款人工智能工具IBM RXN for Chemistry?；谏疃葘W習、機器學習、大數據的IBM RXN for Chemistry起到預測有機化學物合成反應的作用。通過簡化模型和深化注意力機制，該模型已達到89%預測精確度，成為有機化學合成工作的有力助手。

SABIC全自動數字化復合材料生產線：SABIC與西門子，Airbone和庫卡機器人取得合作，使用人工智能，大數據，傳感器，機器人等前沿技術重新構建全自動數字化復合材料生產線。經過機器學習與機器人等尖端數字化技術加持的生產線，不僅可實現大規(guī)模復合材料定制化生產，而且使生產成本與周期也大幅度降低。

通用電氣Predix資產管理方案：為了優(yōu)化運維策略和提高資產可靠性，淡水河谷化肥公司采用了GE的Predix資產績效管理方案（APM），該解決方案包括生產分析、厚度監(jiān)測和根本原因分析(RCA)功能。Predix APM是一套軟件和服務解決方案，運用大數據等人工智能技術整合不同的數據源，并使用高級分析算法使數據更具可操作性，促進跨組織的協(xié)作和知識管理。

三井化學化工氣體產品監(jiān)測分析系統(tǒng)：三井化學與NTT合作開發(fā)了一款基于深度學習算法的模型，用來快速準確地在生產過程中預測油氣產品的質量。它可通過實時處理數據，例如溫度、壓力和流量等，并結合深度學習算法，自動分析數據間的關系，以模擬和預測結果。該預測模型在生產環(huán)境中的預測數值的誤差精確度可保持在為3%左右的范圍內。

巴斯夫利用認知云技術智能化供應鏈運營：巴斯夫與IBM Watson團隊合作，利用IBM Cloud 和IBM Watson AI服務快速構建了補給管理助手（Replenishment Advisor），以集成平臺的形態(tài)幫助專家用戶連接來自不同系統(tǒng)中結構化和非結構化數據，以提供供應鏈運營的統(tǒng)一概述，實現了庫存波動與補給需求的預測工作，成功減少供應鏈中斷的風險幾率。

Crystal 利用人工智能優(yōu)化客戶忠誠度：為了緩解印尼核心市場爆發(fā)式增長所帶來的客服壓力，結合IBM解決方案以及其合作伙伴TrustSphere所開發(fā)的關聯性分析平臺TrustView，Crystal與IBM共同部署了關于客戶忠誠度的解決方案。該方案基于數據分析量化了客戶信任度和服務質量的效果，并通過關系分析見解塑造了無縫銜接的人員替換流程。

五、人工智能技術在能源行業(yè)的發(fā)展趨勢

數據資源限制：化工行業(yè)的生產數據雖然量大，但分布較窄，類型單調。因此算法無法從這種信息量少的大數據中發(fā)掘新的規(guī)律或知識，限制了模型的魯棒性，導致模型的功能相對雞肋，并不足以完全取代傳統(tǒng)的數據分析方法。

容錯率過低：由于化工生產過程往往涉及對大量有毒、易燃易爆的危險化學品直接或間接的使用。因此，行業(yè)對設備與系統(tǒng)的安全性與可靠性要求極其嚴格，導致極低的容錯率。

資本投資回報率較低：化工行業(yè)的技術開發(fā)時間相對較長，難以快速落地。這使人工智能應用不能在短期內產生明顯效益，導致了對化工行業(yè)的資本投入相對匱乏。

六、人工智能技術在能源行業(yè)的局限性

強化安全管理：鑒于化工產品的敏感性，人工智能配合物聯網、預測性分析等技術能夠通過實時監(jiān)控設備運行狀態(tài)、預測及診斷故障，加強事故應急處置能力等方式提高生產過程的安全等級。

簡化技能培訓：化學品的生產往往牽扯到高風險與危險環(huán)境，而虛擬增強現實與計算機視覺的出現，讓高?；ぎa品生產在安全環(huán)境下培訓成為可能，從而大大降低培訓所需人工，時間以及運營成本。

優(yōu)化運營管理：在機器能夠取代大部分體力勞動的現代工業(yè)環(huán)境下，企業(yè)在管理、調度和運營方面的能力將愈發(fā)重要。人工智能對數據強大的利用效率能夠幫助企業(yè)從網絡抓取并分析市場動態(tài)，并結合對生產車間、物流及庫存等信息的是實時監(jiān)控，優(yōu)化供應鏈管理。

文章來源：「智周」系列報告「核心版」

網址：https://new.qq.com/omn/20190718/20190718A0DNB300.html