随着环球范围内国家层面陆续推出工业4.0干系政策，人工智能已逐渐成为了工业4.0履行推广过程中必不可缺的一部分。而人工智能，工业4.0与化工行业所产生的交集，让现今传统行业看到了次时期技能可以为其运营模式，生产办法所带来的影响。根据不完备统计，环球500强化工行业企业已有多家开始以工业4.0政策为辅导，人工智能技能核心方向，制订其自身干系产品与办理方案的落地履行试点工程项目。在化工行业泛人工智能技能运用紧张集中于机器学习，大数据，打算机视觉，机器人，深度学习和AR/VR虚拟现实增强技能。
作者 | 李泓熹、田辰
一、化工市场市场规模
化工行业在环球经济发展进程中霸占极其主要的地位，它是传统制造业，重工业以及纺织业等干系家当发展与产出的基石。根据业内定义，化工行业可以大略划为石油化工、根本化工和化学化纤三大领域。石油化工是指以石油和天然气为质料，生产干系产品的领域，其常见产品包括塑料，清洁剂，润滑剂等。而根本化工是指通过化学合成所产出的如化肥，氯碱，甲乙醇等的日常化工制品。化学化纤则是指通过利用高分子化合物为质料天然或人工合成的纺丝，其被广泛运用与纺织，医疗等领域。由于化工行业门类繁多、工艺繁芜、产品多样，其在世界范围内市场总额极为巨大。跟据中国统计局与中商家当研究院数据，单中国的化工行业紧张业务收入在2017年就已靠近87000亿公民币。
中国化工行业紧张业务营收总额趋势
（数据来自中国统计局）
二、化工行业常用人工智能技能领域
机器学习：机器学习指利用算法来解析数据，对真实天下中的事宜做出决策和预测。在化工行业，机器学习的运用紧张集中在对付化工生产流程与掩护办法的优化。
大数据技能：大数据技能可完成标识归纳干系数据。目前，大数据在化工行业的运用紧张集中在有无机物归类，石油石化数据查询，化纤数据洗濯等多个领域。
机器人技能：机器人技能可以通过图像识别，传感器以及不同算法的结合，使机器人自主学习各工位事情完成无人化生产浸染。目前，机器人技能在化工行业运用集中在材料高尖端生产领域。
深度学习：深度学习具有强大的特色提取能力，并通过领域神经网络等前沿技能可以处理繁芜，高维，非线性的问题。目前，在化工行业的运用紧张集中于分子性能预测与药物分子筛选方向。
打算机视觉：打算机视觉紧张是指用摄影机和电脑代替人眼对目标进行识别，使其成为更适宜人眼不雅观察或传送给仪器检测的图像。打算机视觉在化工行业可以运用在新材料研发的信息描述上。
AI根本举动步伐：云打算属于主要的AI根本举动步伐之一，常日涉及通过互联网来供应动态易扩展且常常是虚拟化的资源。在化工行业，云打算可以用于新产品研发过程中，新材料预测模型的构建。
三、人工智能技能在化工行业中的运用分布
其他周边场景：由于化工行业利用人工智能的环球500强公司，故本报告并未席卷环球500强公司相对较少涉及领域，如危险品管理，2B端发卖等常见领域。
四、化工行业公司人工智能技能落地案例简述
IBM RXN for Chemistry：为了更科学高效地预测有机物合成反应，IBM发布了一款人工智能工具IBM RXN for Chemistry。基于深度学习、机器学习、大数据的IBM RXN for Chemistry起到预测有机化学物合成反应的浸染。通过简化模型和深化把稳力机制，该模型已达到89%预测精确度，成为有机化学合成事情的有力助手。SABIC全自动数字化复合股料生产线：SABIC与西门子，Airbone和库卡机器人取得互助，利用人工智能，大数据，传感器，机器人等前沿技能重新构建全自动数字化复合股料生产线。经由机器学习与机器人等尖端数字化技能加持的生产线，不仅可实现大规模复合股料定制化生产，而且使生产本钱与周期也大幅度降落。通用电气Predix资产管理方案：为了优化运维策略和提高资产可靠性，淡水河谷化肥公司采取了GE的Predix资产绩效管理方案（APM），该办理方案包括生产剖析、厚度监测和根本缘故原由剖析(RCA)功能。Predix APM是一套软件和做事办理方案，利用大数据等人工智能技能整合不同的数据源，并利用高等剖析算法使数据更具可操作性，促进跨组织的协作和知识管理。三井化学化工气体产品监测剖析系统：三井化学与NTT互助开拓了一款基于深度学习算法的模型，用来快速准确地在生产过程中预测油气产品的质量。它可通过实时处理数据，例如温度、压力和流量等，并结合深度学习算法，自动剖析数据间的关系，以仿照和预测结果。该预测模型在生产环境中的预测数值的偏差精确度可保持在为3%旁边的范围内。巴斯夫利用认知云技能智能化供应链运营：巴斯夫与IBM Watson团队互助，利用IBM Cloud 和IBM Watson AI做事快速构建了补给管理助手（Replenishment Advisor），以集成平台的形态帮助专家用户连接来自不同系统中构造化和非构造化数据，以供应供应链运营的统一概述，实现了库存颠簸与补给需求的预测事情，成功减少供应链中断的风险几率。Crystal 利用人工智能优化客户忠实度：为了缓解印尼核心市场爆发式增长所带来的客服压力，结合IBM办理方案以及其互助伙伴TrustSphere所开拓的关联性剖析平台TrustView，Crystal与IBM共同支配了关于客户忠实度的办理方案。该方案基于数据剖析量化了客户信赖度和做事质量的效果，并通过关系剖析见地塑造了无缝衔接的职员更换流程。五、人工智能技能在能源行业的发展趋势
数据资源限定：化工行业的生产数据虽然量大，但分布较窄，类型单调。因此算法无法从这种信息量少的大数据中发掘新的规律或知识，限定了模型的鲁棒性，导致模型的功能相对鸡肋，并不敷以完备取代传统的数据剖析方法。
容错率过低：由于化工生产过程每每涉及对大量有毒、易燃易爆的危险化学品直接或间接的利用。因此，行业对设备与系统的安全性与可靠性哀求极其严格，导致极低的容错率。
成本投资回报率较低：化工行业的技能开拓韶光相对较长，难以快速落地。这使人工智能运用不能在短期内产生明显效益，导致了对化工行业的成本投入相对匮乏。
六、人工智能技能在能源行业的局限性
强化安全管理：鉴于化工产品的敏感性，人工智能合营物联网、预测性剖析等技能能够通过实时监控设备运行状态、预测及诊断故障，加强事件应急处置能力等办法提高生产过程的安全等级。
简化技能培训：化学品的生产每每牵扯到高风险与危险环境，而虚拟增强现实与打算机视觉的涌现，让高危化工产品生产在安全环境下培训成为可能，从而大大降落培训所需人工，韶光以及运营本钱。
优化运营管理：在机器能够取代大部分体力劳动的当代工业环境下，企业在管理、调度和运营方面的能力将愈发主要。人工智能对数据强大的利用效率能够帮助企业从网络抓取并剖析市场动态，并结合对生产车间、物流及库存等信息的是实时监控，优化供应链管理。
本文为「智周」系列报告「核心版」，相应「深度版」的推出操持将在后续公布，敬请大家关注。针对「人工智能在化工行业的运用现状及展望」这一主题，有哪些方向或主题，你希望在报告深度版中读到更详细的阐述与剖析，欢迎留言，这将成为我们制作报告深度版的主要参考。