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

應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)計信息：

• 美國能源信息署最新的《短期能源展望》（STEO）預測，僅在2024年，美國的電力消耗就將增長2.5%。
• 目前的預測發(fā)現(xiàn)，到 2030 年，人工智能 （AI） 數(shù)據(jù)中心預計將在美國增加約 323 太瓦時的電力需求。

圖1：AI可以在促進可持續(xù)發(fā)展戰(zhàn)略和推動制造商實現(xiàn)凈零碳目標方面發(fā)揮關(guān)鍵作用。

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可以在促進可持續(xù)發(fā)展戰(zhàn)略和推動制造商實現(xiàn)凈零碳目標方面發(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預計將增長到 208 億美元。施耐德電氣首席人工智能官Philippe Rambach認為，AI解決方案可以在三個領(lǐng)域優(yōu)化制造業(yè)的能源效率和可持續(xù)發(fā)展目標：

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。通過利用先進的算法，AI可以根據(jù)實時數(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并減少碳足跡。

例如，由 AI 提供支持的預測性維護模型可以在設備升級之前檢測到設備效率低下，從而確保最佳性能，同時延長資產(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確性預測能源需求模式，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，從基礎設施挑戰(zhàn)到監(jiān)管復雜性。在這里，AI成為一種戰(zhàn)略工具，簡化了電網(wǎng)拓撲發(fā)現(xiàn)、面板洞察和電氣設備管理等流程。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)有基礎設施中的最可行途徑，同時優(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)境風險，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)務盈利能力結(jié)合起來，并最終提高運營生產(chǎn)力、彈性和環(huán)境管理。

圖 4：將先進的 ML 模型與 AVEVA PI 系統(tǒng)集成，使企業(yè)能夠最大限度地發(fā)揮其運營數(shù)據(jù)的潛力

通過實時機器學習監(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)境的即時洞察力。隨著技術(shù)的最新進步，我們能夠使運營商能夠優(yōu)化流程并最大限度地減少碳排放。在最近的一個用例中，施耐德電氣實施了一個先進的解決方案：采用一個近乎實時的機器學習模型監(jiān)測真空蒸餾裝置的6個排放源。

該模型利用 AVEVA PI 集成每 5 分鐘分析一次數(shù)據(jù)流，從而即時了解二氧化碳排放的潛在偏差。這使操作人員能夠及時做出反應，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。

為了實現(xiàn)近乎實時的二氧化碳跟蹤，基本步驟包括：

•   驗證運行數(shù)據(jù)；
•   對排放性能進行基準測試；
•   選擇機器學習算法來預測排放；
•   標記性能下降；
•   進行根本原因分析。

在項目執(zhí)行階段，主題專家協(xié)助進行運營數(shù)據(jù)驗證和更正，同時提供流程理解。在此之后，數(shù)據(jù)科學家專注于特征工程、選擇 ML 算法和識別指標。最終，機器學習算法可以根據(jù)特定的工廠運行條件預測關(guān)鍵的運行參數(shù)。

將先進的 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)可以進行實時預測，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。

圖 4：Hydrogen Plant Configurator是西門子最新推出的一款基于生成式AI技術(shù)的智能聊天機器人，可幫助用戶進行制氫工廠的設計。

利用生成式AI提升綠氫產(chǎn)量 

綠氫對于實現(xiàn)工業(yè)領(lǐng)域的可持續(xù)發(fā)展目標至關(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計、工程和自動化，從而更快地擴大制氫規(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)的智能聊天機器人，可幫助用戶進行制氫工廠的設計。該AI軟件能夠根據(jù)生產(chǎn)設備所需的具體設計要求創(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還能預測工廠的多項關(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)省大量時間和成本。借助Hydrogen Plant Configurator，規(guī)劃和運營一家可持續(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目規(guī)劃階段推出了一款AI工具：COMOS AI工程助手。這款AI工具可以根據(jù)自然語言描述創(chuàng)建設備規(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。