精炼智能：通过AI转换操作

当受到零散的知识和时间密集型手动分析的挑战时，人工智能有助于加速运营事件中的决策

人工智能（AI）不再是化学过程行业（CPI）的未来概念 - 它是当今运营效率和竞争优势的驱动力。实际上，IBM调查的CPI高管中有80％以上[1]承认，AI将在未来三年内对其业务产生深远的影响。公司已经在研发（R＆D； 74％），制造业（61％），风险管理（58％）和预测（47％）等领域部署AI，以降低成本，提高产品质量和加速创新。

一家公司领导现实世界中的AI实现是总抗药（法国巴黎；www.totalenergies.com），它在其Antwerp炼油厂引入了AI驱动的知识助手（图1）。与Chapsvision与Sinequa合作（www.sinequa.com），总体素基开发并部署了AI助手，内部代码为MILAA（我的智能学习应用程序）和JAFAR（用于经验回报的生成AI），以克服炼油厂知识管理和根本原因分析方面的长期挑战。这些工具使用自然语言处理（NLP），机器学习（ML）和智能搜索来统一操作数据，降低停机时间并提高决策速度和准确性。

操作数据挑战

在部署这些AI解决方案之前，总能力工程师在访问关键操作数据方面面临着重大障碍。根本原因分析（RCA）报告，维护记录和技术手册被分散在孤立的系统之间，以不一致的格式存储，通常仅以单语言使用。

这种解决问题的手册，较重的方法引入了三个主要风险：

• 由于识别失败根本原因而导致的延长停机时间
• 不一致的决策，因为在团队或网站之间不容易分享学习
• 反复的操作事件，损失的生产率损失，维修和供应链中断损失

在一个例子中，如果相关的RCA数据在各个团队中实时可用，则可以避免在两年内进行多个泵失败。

特定于域的AI助手

为了应对这些挑战，与企业智能搜索领导者Sinequa合作，为建立了专门针对工业运营商和工程师的需求而定制的AI助手。

MILAA：从过去的失败中学习的更聪明的方法。MILAA的开发是为了合并1,000多个RCA文档，从Attrolenegies Antwerp炼油厂到一个集中的AI增强知识库。该工具基于Sinequa的企业搜索平台，利用域特异性的本体论来提取和组织结构化信息，例如设备类型，故障模式，停机时间和补救措施的有效性。工程师可以使用自然语言查询与MILAA互动，从而大大减少找到相关数据所需的时间。通过消除需要手动筛选密集的技术报告的需求，MILAA不仅简化了解决问题的问题，而且还促进了跨站点学习的帮助，帮助标准化了全球炼油厂的运营响应和预防策略。

Jafar：从搜索到智能对话。为了提高可用性，总体能够部署Jafar，这是一种生成的AI助手，将静态文档转换为动态的，对话的见解。Jafar通过自动将技术RCA文档转换为法语，荷兰语，德语和英语，同时保留特定于行业的术语，从而扩展了Milaa的功能。这是由于一个定制的内部字典可以补充基本模型，从而确保AI了解总体语言独特的语言和缩写词，这是可能的。

“自动翻译这些文档并不是一件容易的事，因为它们包含特定于TotalEnergies核心业务的技术语言和术语，''我们的业务依赖于与我们的活动相关的许多特定术语和首字母缩写词，因此，使用Sinequa，我们能够通过集成内部开发的词典来增强默认模型。这为Jafar提供了更多的上下文，使其能够更好地理解和处理我们的独特文档。

这种特定领域的增强功能使Jafar可以细分RCA内容，提取故障模式并以技术准确且易于导航的格式总结数据，从而极大地改善了工程师与操作知识的交互方式。

AI穿过CPI

尽管总能力侧重于运营知识和设备正常运行时间，但AI也彻底改变了化学部门的其他部位。在研发中，机器学习可以帮助科学家确定有希望的分子，优化化学公式，并预测功效加速产品开发周期并降低成本。在供应链规划中，AI可将预测错误减少多达50％，从而帮助公司管理原材料采购并减少库存浪费。这些工具还支持预测性预测，从而使CPI公司可以更好地预测定价变化和需求波动，从而提高了盈利能力和供应链敏捷性。

AI的AI部署是这些更广泛的创新的自然扩展 - 将类似技术应用于设备可靠性，维护计划和运营安全。

优化性能

问题，中断和停机时间通常会使精炼厂造成数百万美元的运营损失。对ABB委托委托的3,000多家工厂维护决策者的全球调查[2]揭示，超过三分之二的工业企业每月至少一次未计划中的停机时间，典型的企业每小时造成接近125,000美元，或每八小时的班次最多100万美元。根据金伯利特的研究[3]，油气行业计划外的停机时间平均每年损失3800万美元。业绩最差的组织每年的财务影响超过8800万美元。即使是1％的停机时间，相当于3.65天，每年的费用也可能超过500万美元。

自2024年2月上线以来，MILAA和JAFAR系统已在Attronergies Antwerp炼油厂进行了可衡量的绩效改进。实施减少了执行根本原因分析所需的时间，从而大大加速了操作事件期间的决策。在最初的六个月中，从工具知情的决定中获得的见解，这些决定有助于防止三个主要的设备故障，每种设备都可能导致数百万美元的运营损失。 

由多萝西·洛佐夫斯基（Dorothy Lozowski）编辑

参考

1. IBM，研究见解：通过AI优化化学品值链，www.ibm.com/thought-leadhips/institute-business-value/en-us/report/chemicals-value-chain-ai-，2020年。

2。ABB，ABB调查显示，计划外的停机时间每小时费用为125,000美元，新闻稿，www.new.abb.com，2023年10月11日。

3。根据Maxgrip的报道，了解业务运营中停机时间的成本，www.maxgrip.com/resource/article-the-cost-of-unplanned-downtime/，2025年4月25日访问。

作者

劳伦特·范利切特（Laurent Fanichet）是Chapsvision的Sinequa公司顾问兼副总裁（251 W 30thstreet，纽约，纽约8楼10001；电子邮件：[电子邮件保护];网站：Sinequa.com），他领导Sinequa的全球通信战略和分析师参与，并在支持客户成功计划中起着至关重要的作用。在欧洲和美国拥有20多年的软件行业经验，他以前曾担任营销副总裁，在那里他从头开始建立了美国营销团队，为Sininequa在北美的增长做出了贡献，并帮助与Gartner和Forrester这样的公司建立了Sininequa的领导。在加入Sinequa之前，他在Quantum Corporation，Atempo和Ilog担任高级职务。