雖然工業(yè)部門正在經(jīng)歷由人工智能和物聯(lián)網(wǎng) (IoT) 驅(qū)動的轉(zhuǎn)型，但與此同時，勞動力也在發(fā)生轉(zhuǎn)變，因為傳統(tǒng)領(lǐng)域的專家被精通技術(shù)的工人所取代，他們帶來了新的運營專業(yè)知識水平。進入工業(yè)數(shù)據(jù)科學(xué)家，這是一種新型數(shù)據(jù)分析師，可以訪問比以往更多的工業(yè)數(shù)據(jù)以及將這些信息轉(zhuǎn)化為可操作情報的先進技術(shù)。

影響工業(yè)數(shù)據(jù)科學(xué)家崛起的關(guān)鍵因素包括：

●由于工業(yè)數(shù)據(jù)質(zhì)量和管理不佳、內(nèi)部孤島以及相關(guān)團隊之間缺乏協(xié)作，組織無法實現(xiàn)工業(yè)人工智能的全部價值。

●工業(yè)數(shù)據(jù)科學(xué)家?guī)淼淖越o自足有助于以更大的敏捷性和可擴展性解決創(chuàng)新和解決問題。

●AspenTech 的工業(yè) AI 解決方案和具有凝聚力的數(shù)字參考架構(gòu)將數(shù)據(jù)科學(xué)能力和領(lǐng)域?qū)I(yè)知識結(jié)合在一起。

流程工業(yè)中工業(yè)人工智能的現(xiàn)狀

ARC 咨詢小組在 2021 年對人工智能和物聯(lián)網(wǎng) (AIoT) 的融合報告的研究以及研究專家 Vanson Bourne的人工智能研究現(xiàn)狀準(zhǔn)確地描述了流程工業(yè)中人工智能的現(xiàn)狀。兩份報告都強調(diào)了改善協(xié)作、降低復(fù)雜性并打破數(shù)據(jù)科學(xué)和領(lǐng)域?qū)I(yè)知識之間的組織孤島的必要性。

術(shù)語“物聯(lián)網(wǎng)的人工智能或 AIoT”用于描述人工智能和工業(yè)物聯(lián)網(wǎng) (IIoT) 技術(shù)力量的融合。AIoT 專為尋求更好方法將不斷發(fā)展的勞動力與數(shù)據(jù)驅(qū)動的決策工具連接起來并以數(shù)字方式增強工作和業(yè)務(wù)流程的工業(yè)公司而構(gòu)建。然而，利用人工智能需要數(shù)據(jù)科學(xué)能力，這給已經(jīng)很復(fù)雜的環(huán)境增加了額外的復(fù)雜性。

雖然工程角色擅長分析大量數(shù)據(jù)，但設(shè)置和創(chuàng)建生產(chǎn)級機器學(xué)習(xí)環(huán)境并不容易。因此，通過人工智能釋放工業(yè)數(shù)據(jù)的價值需要一種混合方法。

工業(yè)人工智能的范式是為資本密集型行業(yè)提供可衡量的業(yè)務(wù)成果。工業(yè)組織不需要靠工業(yè)人工智能的價值來推銷，而挑戰(zhàn)在于實現(xiàn)它。Vanson Bourne 的研究發(fā)現(xiàn)，這里調(diào)查了 200 多名跨行業(yè)的 IT 和運營決策者，提供了對工業(yè) AI 采用現(xiàn)狀的關(guān)鍵見解。該研究揭示了阻礙組織實現(xiàn)工業(yè)人工智能全部價值的核心挑戰(zhàn)是工業(yè)數(shù)據(jù)質(zhì)量和管理不佳、內(nèi)部孤島、相關(guān)團隊之間缺乏協(xié)作以及圍繞工業(yè)人工智能制定明確的戰(zhàn)略。

什么是工業(yè)數(shù)據(jù)科學(xué)家？

傳統(tǒng)數(shù)據(jù)科學(xué)家的角色結(jié)合了計算機科學(xué)、統(tǒng)計學(xué)和數(shù)學(xué)。工業(yè)數(shù)據(jù)科學(xué)家的核心使命是構(gòu)建更全面、高性能和可持續(xù)的 AI/ML 模型，這些模型適用于特定目的、特定領(lǐng)域并解決重點關(guān)注的實際用例。他們分析、處理和建模數(shù)據(jù)；并具備預(yù)處理、模型類型、機器學(xué)習(xí)操作 (MLOps) 等部署概念、硬件部署方面或云和邊緣部署方面的能力和知識。數(shù)據(jù)科學(xué)家更多地關(guān)注算法部分和工具鏈的改進。

另一方面，工業(yè)數(shù)據(jù)科學(xué)家是領(lǐng)域知識與對應(yīng)用人工智能方面的理解以及識別機會和解決問題的獨特組合。配備了已經(jīng)民主化的最佳人工智能工具，工業(yè)數(shù)據(jù)科學(xué)家不依賴其他組織來分析數(shù)據(jù)和確定結(jié)果。

雖然工業(yè)數(shù)據(jù)科學(xué)家保持一定程度的數(shù)據(jù)科學(xué)敏銳度，但他們可以有效地與數(shù)據(jù)科學(xué)家合作，因為他們可以清楚地表達(dá)和使用數(shù)據(jù)科學(xué)應(yīng)用程序或產(chǎn)品的語言。工業(yè)數(shù)據(jù)科學(xué)家?guī)淼淖越o自足有助于以更大的敏捷性和可擴展性解決創(chuàng)新和解決問題。工業(yè)數(shù)據(jù)科學(xué)家的本質(zhì)是領(lǐng)域?qū)I(yè)知識，結(jié)合強大的工具鏈或一組打包的編程工具來解決具有挑戰(zhàn)性的工業(yè)問題，例如使用工業(yè)數(shù)據(jù)和人工智能預(yù)測未來條件或事件。

工業(yè)人工智能如何被用來解決挑戰(zhàn)

工業(yè) AI 提供由工業(yè)數(shù)據(jù)驅(qū)動的廣泛用例，并在最前沿進行預(yù)測性、規(guī)范性維護，以減少或消除設(shè)備停機時間。然而，全球大流行加速了該行業(yè)數(shù)字化的愿望，尤其是在制藥和生物技術(shù)行業(yè)。根據(jù) David Leitham 的說法，“我們已經(jīng)看到在預(yù)測設(shè)備故障方面非常有效，并且具有很強的特異性，這將繼續(xù)推動實現(xiàn)零計劃外停機并消除損失批次，這既昂貴又對整個供應(yīng)鏈造成破壞?！毕冗M的需求建模與規(guī)劃、調(diào)度和利用大數(shù)據(jù)來預(yù)測變化并主動調(diào)整對不同療法的需求相結(jié)合，變得越來越重要，因為療法變得越來越有針對性。

除了化學(xué)工業(yè)中的制藥和生物技術(shù)之外，通常還會有專門的設(shè)備模型并利用混合建模方法?；旌辖⒌谝辉碇R與經(jīng)驗和數(shù)據(jù)的新見解相結(jié)合。工業(yè) AI 還通過持續(xù)使用數(shù)據(jù)來更新和訓(xùn)練難以建模的過程條件（例如老化的設(shè)備）來幫助改善邊緣的模型維護。使用已經(jīng)收集的歷史數(shù)據(jù)，工業(yè) AI 可以自動構(gòu)建計劃或自動化流程，或找到設(shè)備故障或無法滿足每日或每周計劃的根本原因。

AspenTech 如何彌合領(lǐng)域?qū)I(yè)知識和人工智能之間的差距

AspenTech 廣泛的性能工程、生產(chǎn)優(yōu)化、資產(chǎn)性能管理、價值鏈優(yōu)化和相互關(guān)聯(lián)的混合建模應(yīng)用程序組合可幫助化學(xué)工程師、運營和其他工程學(xué)科進行協(xié)作并推動更高的價值。借助 AspenTech 的混合建模方法，該軟件提供了由化學(xué)工程師提供的第一原理建模工作流程的組合，包括數(shù)據(jù)科學(xué)工作流程，如預(yù)處理、模型訓(xùn)練、模型和算法選擇。工程師可以輕松協(xié)作創(chuàng)建混合模型，并將它們共同引入數(shù)據(jù)科學(xué)工具鏈。

看一個工業(yè)數(shù)據(jù)科學(xué)家工作流程的例子，當(dāng)定制操作資產(chǎn)不存在流程圖模型時，可以手動收集最能代表該設(shè)備廣泛操作的數(shù)據(jù)，而不是從頭開始構(gòu)建這些模型。組織中的工業(yè)數(shù)據(jù)科學(xué)家將“修剪數(shù)據(jù)”以確保數(shù)據(jù)質(zhì)量。此預(yù)處理步驟檢查丟失的傳感器，然后使用 AspenTech 的模型構(gòu)建器解決方案為該特定用例構(gòu)建適當(dāng)或合適的模型。然后，此混合模型通過物理約束來豐富，以強制執(zhí)行質(zhì)量平衡或特定于用例的其他標(biāo)準(zhǔn)。一旦導(dǎo)入流程圖模擬器，化學(xué)工程師和工業(yè)數(shù)據(jù)科學(xué)家就可以共同優(yōu)化模型。

結(jié)論

憑借 40 多年的經(jīng)驗并專注于工業(yè)制造領(lǐng)域，AspenTech 解決方案的各個方面都針對客戶和用戶的角色以及具有領(lǐng)域?qū)I(yè)知識的要求進行了調(diào)整。這些解決方案中的每一個都位于一個有凝聚力的數(shù)字參考架構(gòu)上，這有助于將所有這些功能結(jié)合在一起。彌合差距和專業(yè)知識使每位專家都能在他們增加價值的地方做出貢獻(xiàn)，并通過整體調(diào)整到他們的應(yīng)用程序和界面獲得舒適度；這些解決方案結(jié)合在一起可以解決更廣泛的問題。

工業(yè)公司將繼續(xù)尋找更好的方法將其不斷發(fā)展的勞動力與數(shù)據(jù)驅(qū)動的決策工具聯(lián)系起來，并以數(shù)字方式增強工作和業(yè)務(wù)流程。然而，利用人工智能需要數(shù)據(jù)科學(xué)能力，這給已經(jīng)很復(fù)雜的環(huán)境增加了額外的復(fù)雜性。

圍繞數(shù)據(jù)科學(xué)建立組織能力是工業(yè)制造商的重中之重。對工業(yè)數(shù)據(jù)科學(xué)家角色的投資和建立一定程度的數(shù)據(jù)科學(xué)敏銳度是合理的，因為他們可以與數(shù)據(jù)科學(xué)家有效地協(xié)作。工業(yè)數(shù)據(jù)科學(xué)家是一種新型的技術(shù)驅(qū)動、數(shù)據(jù)授權(quán)的領(lǐng)域?qū)＜?，可以訪問比以往更多的工業(yè)數(shù)據(jù)，以及將這些信息轉(zhuǎn)化為整個企業(yè)的可操作情報所需的可訪問 AI/ML 和分析工具.如今，工業(yè)部門的許多數(shù)據(jù)科學(xué)家都具有化學(xué)、石油或工業(yè)工程背景，而不是計算機科學(xué)或軟件工程背景。

工業(yè)數(shù)據(jù)科學(xué)家專注于解決該領(lǐng)域的現(xiàn)實問題。他們利用自己的領(lǐng)域經(jīng)驗將領(lǐng)域知識整合到數(shù)據(jù)科學(xué)項目中——傳統(tǒng)數(shù)據(jù)科學(xué)家不具備的專業(yè)水平。ARC 咨詢集團認(rèn)為，高級過程控制 (APC) 工程師等現(xiàn)有角色是互補技能和重點培養(yǎng)內(nèi)部能力領(lǐng)域的絕佳示例。確保成功的工業(yè)數(shù)據(jù)科學(xué)能力計劃的關(guān)鍵因素包括：

●簡化計算 AI/ML 基礎(chǔ)設(shè)施。

●簡化 AI/ML 部署。

●結(jié)合領(lǐng)域?qū)I(yè)知識協(xié)作技術(shù)。

●以高級過程控制和建模中的現(xiàn)有組織能力為起點。

Peter Reynolds 對流程和技術(shù)領(lǐng)域進行研究，例如流程優(yōu)化、資產(chǎn)績效管理和數(shù)據(jù)分析。作為能源和化學(xué)行業(yè)的主題專家，他擁有超過 25 年的專業(yè)經(jīng)驗。在加入 ARC 之前，Peter 曾在新不倫瑞克省圣約翰市的 Irving Oil 擔(dān)任自動化和 IT 經(jīng)理，該公司經(jīng)營著加拿大最大的煉油廠、八個石油碼頭以及加拿大和美國的 800 多個零售點。Irving 以前的職位包括領(lǐng)導(dǎo) Irving Oil Refining Growth 團隊為與 BP 的新建合資煉油廠制定過程控制和自動化戰(zhàn)略，以及圣約翰煉油廠自動化系統(tǒng)負(fù)責(zé)人。