不斷升級的能源需求和日益嚴(yán)重的環(huán)境問題正在加速制造業(yè)對可持續(xù)能源實(shí)踐的需求。然而，在這種緊迫性中，一個(gè)令人不安的統(tǒng)計(jì)數(shù)據(jù)迫在眉睫：據(jù)美國能源信息署報(bào)告，全球產(chǎn)生的能源中有60%被浪費(fèi)了。

應(yīng)對氣候變化的斗爭繼續(xù)面臨挫折，許多制造商都在努力減少溫室氣體排放并有效減少能源消耗。

只需考慮以下有關(guān)資源使用情況的統(tǒng)計(jì)信息：

美國能源信息署最新的《短期能源展望》(STEO)預(yù)測，僅在2024年，美國的電力消耗就將增長2.5%。

目前的預(yù)測發(fā)現(xiàn)，到2030年，人工智能(AI)數(shù)據(jù)中心預(yù)計(jì)將在美國增加約323太瓦時(shí)的電力需求。

AI是問題的一部分，還是解決方案的一部分?

雖然這些統(tǒng)計(jì)數(shù)據(jù)是由AI采用的速度驅(qū)動的，但技術(shù)本身也可能是解決方案的一部分。AI可以在促進(jìn)可持續(xù)發(fā)展戰(zhàn)略和推動制造商實(shí)現(xiàn)凈零碳目標(biāo)方面發(fā)揮關(guān)鍵作用。

相關(guān)研究顯示，到2028年，全球制造業(yè)市場的AI預(yù)計(jì)將增長到 208 億美元。施耐德電氣首席人工智能官Philippe Rambach認(rèn)為，AI解決方案可以在三個(gè)領(lǐng)域優(yōu)化制造業(yè)的能源效率和可持續(xù)發(fā)展目標(biāo)：

1.減少能源消耗和碳排放

AI驅(qū)動的解決方案擅長優(yōu)化能源密集型流程，例如建筑物中的暖通空調(diào)系統(tǒng)、海水淡化和區(qū)域供熱。通過利用先進(jìn)的算法，AI可以根據(jù)實(shí)時(shí)數(shù)據(jù)洞察動態(tài)提供調(diào)整能源使用的建議，從而最大限度地減少浪費(fèi)并減少碳足跡。

例如，由 AI 提供支持的預(yù)測性維護(hù)模型可以在設(shè)備升級之前檢測到設(shè)備效率低下，從而確保最佳性能，同時(shí)延長資產(chǎn)使用壽命。

2.優(yōu)化能源需求和組合

AI能夠以無與倫比的準(zhǔn)確性預(yù)測能源需求模式，包括需求峰值，使企業(yè)能夠優(yōu)化能源采購策略并有效平衡供需動態(tài)。通過分析歷史消費(fèi)數(shù)據(jù)、市場趨勢和天氣狀況等外部因素，AI算法可以推薦最佳能源組合，包括電網(wǎng)中的可再生能源，以在滿足企業(yè)需求的同時(shí)最大限度地降低成本和對環(huán)境的影響。

3.消除采用清潔能源的障礙

向清潔能源的過渡面臨各種障礙，從基礎(chǔ)設(shè)施挑戰(zhàn)到監(jiān)管復(fù)雜性。在這里，AI成為一種戰(zhàn)略工具，簡化了電網(wǎng)拓?fù)浒l(fā)現(xiàn)、面板洞察和電氣設(shè)備管理等流程。使用基于AI的分析，制造商可以確定將可再生能源集成到現(xiàn)有基礎(chǔ)設(shè)施中的最可行途徑，同時(shí)優(yōu)化能源分配和存儲。

通過采用AI驅(qū)動的技術(shù)，制造商不僅可以降低環(huán)境風(fēng)險(xiǎn)，還可以獲得顯著的成本節(jié)約和競爭優(yōu)勢。對于工業(yè)自動化和制造專業(yè)人士來說，這意味著要采用將AI融入到能源管理中一種整體方法，從生產(chǎn)過程到供應(yīng)鏈物流，以更有效地利用能源。

隨著越來越多的制造商接受這種范式轉(zhuǎn)變和AI的更多潛力，他們將把可持續(xù)發(fā)展與業(yè)務(wù)盈利能力結(jié)合起來，并最終提高運(yùn)營生產(chǎn)力、彈性和環(huán)境管理。

通過實(shí)時(shí)機(jī)器學(xué)習(xí)監(jiān)控碳排放

多年來，煉油石化廠一直在努力減少碳排放。傳統(tǒng)的監(jiān)測方法缺乏主動改善環(huán)境的即時(shí)洞察力。隨著技術(shù)的最新進(jìn)步，我們能夠使運(yùn)營商能夠優(yōu)化流程并最大限度地減少碳排放。在最近的一個(gè)用例中，施耐德電氣實(shí)施了一個(gè)先進(jìn)的解決方案：采用一個(gè)近乎實(shí)時(shí)的機(jī)器學(xué)習(xí)模型監(jiān)測真空蒸餾裝置的6個(gè)排放源。

該模型利用 AVEVA PI 集成每 5 分鐘分析一次數(shù)據(jù)流，從而即時(shí)了解二氧化碳排放的潛在偏差。這使操作人員能夠及時(shí)做出反應(yīng)，調(diào)查根本原因，并做出有針對性的調(diào)整，以優(yōu)化工藝流程，最大限度地減少二氧化碳排放。

為了實(shí)現(xiàn)近乎實(shí)時(shí)的二氧化碳跟蹤，基本步驟包括：

驗(yàn)證運(yùn)行數(shù)據(jù);

對排放性能進(jìn)行基準(zhǔn)測試;

選擇機(jī)器學(xué)習(xí)算法來預(yù)測排放;

標(biāo)記性能下降;

進(jìn)行根本原因分析。

在項(xiàng)目執(zhí)行階段，主題專家協(xié)助進(jìn)行運(yùn)營數(shù)據(jù)驗(yàn)證和更正，同時(shí)提供流程理解。在此之后，數(shù)據(jù)科學(xué)家專注于特征工程、選擇 ML 算法和識別指標(biāo)。最終，機(jī)器學(xué)習(xí)算法可以根據(jù)特定的工廠運(yùn)行條件預(yù)測關(guān)鍵的運(yùn)行參數(shù)。

將先進(jìn)的 ML 模型與 AVEVA PI 系統(tǒng)集成，使企業(yè)能夠最大限度地發(fā)揮其運(yùn)營數(shù)據(jù)的潛力。該集成提供了可操作的見解，以優(yōu)化流程性能并實(shí)現(xiàn)數(shù)據(jù)驅(qū)動的決策。通過使用歷史 PI 數(shù)據(jù)，企業(yè)可以進(jìn)行實(shí)時(shí)預(yù)測，以檢測偏差和潛在的根本原因。這樣可以提高性能、降低成本和競爭優(yōu)勢。

利用生成式AI提升綠氫產(chǎn)量

綠氫對于實(shí)現(xiàn)工業(yè)領(lǐng)域的可持續(xù)發(fā)展目標(biāo)至關(guān)重要。為了提升綠氫產(chǎn)量，西門子公司將通過基于生成式AI的軟件工具為氫氣生產(chǎn)提供支持。特別是在制氫方面，這些新的解決方案旨在幫助顯著簡化制氫廠的設(shè)計(jì)、工程和自動化，從而更快地?cái)U(kuò)大制氫規(guī)模。

Hydrogen Plant Configurator是西門子最新推出的一款基于生成式AI技術(shù)的智能聊天機(jī)器人，可幫助用戶進(jìn)行制氫工廠的設(shè)計(jì)。該AI軟件能夠根據(jù)生產(chǎn)設(shè)備所需的具體設(shè)計(jì)要求創(chuàng)建模塊流程圖，精確呈現(xiàn)系統(tǒng)單元和各連接處的布局。

此外，AI還能預(yù)測工廠的多項(xiàng)關(guān)鍵數(shù)據(jù)，如功耗、發(fā)熱量和重要組件詳情等。這些數(shù)據(jù)能夠便于用戶了解工廠的基礎(chǔ)情況，這些數(shù)據(jù)還能夠傳輸?shù)轿鏖T子COMOS和gPROMS等工程和仿真軟件中，自動創(chuàng)建管道和儀表圖。

“綠氫對工業(yè)去碳化至關(guān)重要。在可預(yù)見的未來內(nèi)，綠氫有著廣闊的市場需求，亟需提升產(chǎn)量。” 西門子過程自動化首席執(zhí)行官Axel Lorenz說，“生成式AI可以在制氫的關(guān)鍵階段提供支持，從而節(jié)省大量時(shí)間和成本。借助Hydrogen Plant Configurator，規(guī)劃和運(yùn)營一家可持續(xù)的制氫工廠變得前所未有的簡單，使得更高效的生產(chǎn)成為可能。”

西門子還面向制氫工廠的項(xiàng)目規(guī)劃階段推出了一款A(yù)I工具：COMOS AI工程助手。這款A(yù)I工具可以根據(jù)自然語言描述創(chuàng)建設(shè)備規(guī)格和圖表，并自動完成或修正模型和圖紙。在工程的跨領(lǐng)域階段或跨產(chǎn)品工作流程中，該助手還能通過轉(zhuǎn)換模型、圖紙和信息結(jié)構(gòu)，為例如西門子的Simit等仿真軟件提供支持。

用戶還可以使用COMOS AI從工程產(chǎn)品中檢索信息，COMOS AI能夠提供有關(guān)文檔、規(guī)格或技術(shù)細(xì)節(jié)的答案。通過輸入圖像、掃描件或PDF文件，它還可以主動提供相關(guān)資源，并將其轉(zhuǎn)化為精確的圖表和模型。