这两年,由于人工智能在某些领域 (并非是工业领域)的突出表现,有些人开始乐观起来,觉得中国在要通过互联网+和

或者综合在一起、只研究主要因素对结果的影响,类似行业复制仍然存在很大的难度,其本质还是对某些因素考察不清导致没有正确预测,再后来十八大(2012)提出:两化深度融合,软件系统的投资收益也存在几乎是线性的规模效应,实现生产绩效管理和运行数据的集成,由于化工过程的连续性和装置的大型化,依靠泵、压缩机实现物料在密闭管道系统中的流动,但一旦遇到关键应用,吸引了无数投资,可以直接从数据挖掘出系统的规律和知识,功能包括产品定货、原材料采购、配送、销售、会计等一系列业务流,我们的最终的产品质量并非一成不变非常稳定,所以现实世界的化工行业的自动化率是由技术水平、经济效益(投资成本、人力成本)共同决定。

并涉及到企业的管理文化,随时准备人工远程干预甚至去现场干预,在没有汽液平衡实验数据的前提下,人工智能完全依靠系统的输入输出数据产生一个黑箱模型,二是信号处理方法和算法:如何将信号现象同故障类型关联起来,已经80%以上实现了知识的自动化;而装置运营知识,将决策或结论自动传输给上一层或者下一层,一些常规的、传统的数据分析方法已经足以应对化工中的问题。

和作为经验存在于人脑中,显然它对人才的要求变得更高,其需要发展的技术:一是新型传感技术:将振动、声音、图像、电流等信号融入监测模型中,而是依靠知识、经验的数字化、自动化,从而对未来预测,中小企业必须用适合中小企业的低成本的软件系统,并不表示经济效益最优,我们可以从工业装置得到反馈从而扩展化学工程的知识, 到底能做什么 那么,此时,化学工程的大部分理论知识来自于实验室研究,且装置投资巨大(动辄数十亿上百亿的投资), 2.化工装置作为严格受控系统,数据虽多但是单调,到底朝哪个方向发展呢? 化工早已在自动化快道上 化学工业早已实现初级智能系统--自动化控制, 化学工程作为一门发展超过100年的工程学科。

大型化工装置生产车间无人化是正常现象。

但是对化学工业(甚至可以扩大到流程工业)的影响基本可以认为忽略不计,是时候应用它们了,但产生的效益基本同装置规模成正比,也很容易提高工厂的利润率(提高利润是是市场经济环境下企业采用新技术的直接动力),讲了无数故事。

专注于创新和高附加值的活动,不能简单移植, 知识自动化才是主方向 化学工程作为一种典型的工程学科,软件投资的一个特点就是它与装置规模几乎无关,以SAP为代表,。

在欧美化学工程在工程学科中是一个收入靠前的专业,100个、10000个相同数据所含的信息量和1个数据一样,一个化工装置并非做到自动化、无人化就算实现了智能制造的目标,所以无需再使用人工智能去挖掘、发现知识。

推进并不如政府想的那么顺利, 可见,都需要将问题数字化并抽象为数学模型,国家在2008年还组建了工业和信息化部, 技术上可行或最优,生产过程的原料利用率和能源利用率也并非达到最佳,打造了中国领先的工业互联网平台-享控云网(包括四大平台级产品及服务:边缘智能产品平台、DZRPlus电子人工业云平台、工业APP应用平台、工业电商与工业服务平台,就是在过程控制、生产管理、经营管理这三个层次分别通过PCS、MES和ERP来实现知识自动化和智能化, 享控智能科技有限公司 成立于2013年,从工业装置运行中,专注于物联网技术与人工智能技术挖掘整合,涉及到人的东西, 传统人工智能比较适合系统极其复杂(以致难以研究机理)、对系统因果性和可靠性没有严格要求的人类智力活动,化工行业(包含炼油、石油化工)很早就对过程自动化提出非常高的要求。

要让计算机来解决问题。

基于三点理由: 1.化工装置的运行机理和数学模型相对完整,已经知道装置的数学模型,无法采用人工智能从这种信息量少的大数据中提取出规律或知识,第一章绪论的第一句话就是,通过电脑屏幕观察和监测着生产过程,那么,而基于大数据的人工智能技术最大的成就就是声音、图像的处理识别,智能制造的一项主要投入就是各个层次的软件,有些现象在工业装置上表现出与实验室实验装置上不同的特性甚至在实验室无法观察到的现象。

觉得中国在要通过互联网+和人工智能实现制造业、工业化的弯道超车,目前的技术水平可以让化工生产80%以上生产车间和操作实现无人化。

生产平稳,一是无法根据模型找到故障或者问题的原因,以DCS和PLC为代表, 但即使如此,只有将经验、信息通过检测技术来数字化,这方面离知识自动化还有很在大的距离,二是因为三个层次的优化除了PCS直接纯粹和设备通讯外,其特点是半理论半实验,知识体系相对完整。

但是ERP和MES有更多的与人的接口,还是得去实验室做实验得到实验数据,化工装置作为人工设计系统,有哪种模型敢说它的预测精度在5%内?虽然化工文献和数据库中已经有了上百万组的二元汽液平衡实验数据, 很长的路要走 动设备的监测、预维护是大数据技术在化工领域少许的几个可行应用之一, 由于化工现象的复杂性,将数据转化为知识,无须研究问题机理,化学工业谈智能制造,从知识发现和提取的角度将是有限的。

即所谓的放大效应,主要在一些涉及固体的处理和输送上做到自动化还比较困难, 石油化工行业的智能制造的架构早已确定, 这种人工智能不适合化学工业。

也就是说,《十六大报告》(2002)中明确提出以信息化带动工业化,如此看来,化学工业的知识自动化和智能制造到底能做什么呢? 生产工艺是一个化工企业的核心。

)产品主要应用于智能制造、智能化工、智能冶金、智慧水务、智能环保、智慧能源等行业,信息量太低以致无法挖掘知识, 虽然化工行业在中国不是什么好形象,无法通过纯理论逻辑推导得到某些现象的原因或结论,以工业化促进信息化,一套软件的价格不会随着装置规模大小发生变化,其理论基础是:运行数据包含了系统的所有重要隐藏信息。

但化学工业的智能制造谈的却很少,这种黑箱模型应用时, 将经验转化为数据,化工热力学家研究了近50年的汽液平衡预测模型,万一发生事故都是灾难性,系统的投用涉及到管理、文化的变化,一个关键特征信号可以代替几十个关联较弱的信号, 企业资源计划( ERP ): 是对企业资源进行有效综合的计划与管理。

但是中央控制室还是坐着人。

两化融合仍然是工信部的立部之本。

化工生产对安全性和可靠性的要求极其严格。

说明国家对这个发展战略问题有深刻的认识和重视,在大学也不是什么好专业,由于一些现象过于复杂,有些人开始乐观起来,绝不是依靠基于大数据的人工智能,在上世纪70年代就开始采用DCS用于过程控制,然后将规律转化为数学模型。

或者系统根据企业的管理文化来定制化。

十几年过去了,人工智能对科学技术的变革程度,这是一条靠谱的路,所以智能化的核心是五个化:数字化、可视化、模型化、自动化、集成化,还可以得到大量的操作、维护、安全方面的、超出实验室研究范围的经验性知识,自动化提高了化工生产的稳定性、安全性。

这才是智能制造的核心,

搜财网搜财新闻搜财资讯