近日，艾斯本发布了aspenONE?软件V12，将AI技术运用于流程工业之中，形成混合建模能力，专为资本密集型企业设计。

Aspen Hybrid Models?软件可以从企业资产中获取数据，优化运营，帮助企业在复杂的竞争中立于不败之地。相比离散工业在数字化转型方面的上突飞猛进，流程工业则显得异常低调，这与针对流程工业的软件不足相关，艾斯本作为为数不多的专注于流程行业的软件开发企业，其创造性的把AI技术用在整个工艺装置之中，Hybrid Models混合模型是v12该软件的一大特色，通过传统的机理模型结合AI技术，加速整个装置建模，为客户在运营方面提供优化、提高效率。

利用AI建立模型优化运营

艾斯本技术有限公司大中华区总经理丁少杰表示，利用工厂自优化和自适应APC是流程工厂智能化的一个重要基石。以炼油厂举例，传统的APC或以前使用的DMCplus，在当工厂模型建立之后，随着工厂操作条件的变化，模型精度会发生偏离，给企业带来的效益提升就会大打折扣。DMC3就是这种自适应技术，工厂建立模型之后，随着工厂操作条件的改变，这个模型可以自动做出调整，能够最准确的反映出工厂装置的情况，从而为工厂优化带来最大效益。

此外设备智能化维护，是方案全生命周期的优化，艾斯本帮助工厂形成自主性维护，多方面利用如Aspen Mtell等AI技术，艾斯本在两年前收购了一家企业，形成了自己的设备预防性诊断技术，结合大数据分析、人工智能和机器学习等功能，能够提前30天甚至更多时间预测到当前设备的故障，以及造成设备故障的原因。通过这个方式可以非常有效的找到问题，一方面避免了这个设备的紧急非计划停车，给客户足够的时间重新安排生产计划，也可以找到相应的备选方案，同时也对设备的维护制定了一个解决方案。另外，在计划调度方面也有很多新功能。

多种模型加持

在V12中还加入了多种突破性的技术，包括多工况分析，及混合建模的功能，这个突破其实前面讲到有很多应用的场景，将艾斯本传统，最强、最有优势的技术，也就是first principles（化工过程第一定律）建模技术加以利用，结合AI分析方法，形成一个工业的混合模型。

⑵    第一种混合模型是AI-driven的混合模型，以大数据驱动为主的新型模型。

⑵第二种是Reduced Order的降维或者降序的模型，用流程模拟的结果用大数据分析的方法，把一个严格机理模型的复杂模型转变为一个非线性的数据模型。

⑶    第三种是First Principles-Driven模型，把流程模拟和大数据分析这些数据结合在一起。

这些模型既考虑了工业流程行业背景的知识，也包括对工艺过程的理解、对这些操作约束，以及最基本的质量能量平衡原则，再结合新的技术实现效率提升，与纯AI技术非常大的区别，艾斯本软件背后立足的是95%的工业知识，只有5%是AI code和算法。

这样的方法就能够突破现在模型难以维护的问题，实现快速地响应市场变化。

优化供应链，帮助客户梳理运营技能

丁少杰表示在石油化工供应链是企业的关键，艾斯本多年形成了很多优秀的建树。涉及供应链的内容目前包含两块内容，大的供应链及两端市场：一个是供应市场、一个是客户市场。

其实供应链里面还有很大的一块是工厂这一块，我们认为供应链是一个完整的供应链，我们AI的技术，目前我们已经很成功的应用在工厂这部分，垂直供应链那部分的应用。

   首先模型的准确性，我们做了很多的工作，前面讲到的Hybrid Models其实有两个应用：⑴一个是解决工艺流程层面，模型建模和模型复杂性的问题。这个模型在做供应链计划的时候把装置的模型准确地进行描述，让计划模型更加准确，提出一个Reduced Order建模的方式，这是AI很具体的应用，也就是降阶的模型，既保证了模型精度，同时也不失准确性的简化模型，能够让供应链计划更加准确。AI技术在Hybrid Models供应链里面的应用。

    ⑵另外一个应用，是AI在认知层面上的应用，也就是做供应链计划，结果是正常的还是偏差的，通过有很多以前很多方案计划从中发现，通过AI大数据技术分析或者AI技术、机器学习技术，从大量计划结果中找出帮助判断是否有异常点，有没有偏离很大的计划方案。这就是通过AI在这两个层面上施加的应用。

为新客户提供行业经验，简化操作助其成功

艾斯本过去40年为流程行业和各类资本密集型企业构建解决方案，经历了各种挑战，从中累积了丰富的经验，相信aspenONE?软件V12版本的推出能够使客户在没有数据科学专业知识的情况下将AI应用于关键流程中，为缺乏深入掌握流程知识或经验的新用户提供更好的支持。