如果化學公司想要保持競爭力并在不斷變化的世界中前進，他們需要迅速采用創(chuàng)新技術。將物聯(lián)網(IoT)納入到這些公司可以提供重要的好處。將物聯(lián)網(IoT)與機器學習(machine learning)結合起來，可以推動這個行業(yè)更高效地工作，創(chuàng)造更好的結果。

　　物聯(lián)網(IoT)可以如何改善化學生產?化學公司可以如何在他們的生產流程中使用物聯(lián)網(IoT)和機器學習(machine learning)?

　　利用物聯(lián)網（IoT）技術來改善化學品的生產

　　圖1、工業(yè)4.0的轉換圖示

　　雖然很多行業(yè)都在接受物聯(lián)網，但是迄今為止它可能與化學品業(yè)務無關。但ARC的總裁Andy Chatha幾年前在ARC咨詢集團行業(yè)論壇的主題演講中明確表示，物聯(lián)網(IoT)也適用于化工行業(yè)。 Chatha解釋說，物聯(lián)網技術(IoT)可以簡化許多工業(yè)公司的生產流水線部分，包括提供智能機器，提供更好的大數(shù)據(jù)存儲容量，并且?guī)椭鷥?yōu)化系統(tǒng)和資產。在這個行業(yè)中物聯(lián)網(IoT)的好處是深遠的。它們包括更好的生產力，更高的資產利用率和更高的收入。

　　促進創(chuàng)新

　　研發(fā)方面存在巨大的機遇，以更快的速度創(chuàng)造更高價值和更高利潤率的產品，尤其是專業(yè)和農作物保護用的化學品。先進的分析和機器學習(machine learning)能夠幫助實現(xiàn)分子的高容量優(yōu)化，以及模擬實驗室測試和實驗，以系統(tǒng)優(yōu)化配方的性能和成本(“從試管到化工產品片劑”)。

　　圖2、工業(yè)4.0在化工行業(yè)中的應用

　　此外，先進的分析和機器學習可以推動最佳可用資源的分配，以根據(jù)實際情況投資組合重點研究項目。

　　同時，內部知識和專利數(shù)據(jù)庫的篩選也成為可能，以最大限度地利用知識產權并填補其中的空白。

　　機器學習還可以幫助化學品制造商在產品生命周期中對可持續(xù)性和環(huán)境影響進行模擬仿真。

　　改變工廠運營中的博弈

　　物聯(lián)網為制造和資產管理中的機器學習(machine learning)奠定了基礎，因為它可以捕獲有關資產狀態(tài)和性能，過程參數(shù)，產品質量，生產成本，存儲容量和庫存(遙測)，入站/出站物流，工人的實時數(shù)據(jù)安全，配對的產品與服務等;

　　圖3、物聯(lián)網在商業(yè)運營中的關鍵目標

　　利用當今先進的數(shù)據(jù)采集，存儲，處理和分析功能，現(xiàn)在可以將大量的工廠，資產和運營數(shù)據(jù)與先進的算法結合使用，以模擬，預測和規(guī)定資產的維護需求，從而提高可用性，優(yōu)化正常運行時間以提高運營績效并延長資產壽命。

　　在這種情況下，數(shù)字雙胞胎(digital twins ，當每個引擎、每個渦輪、每臺核磁共振，都被創(chuàng)造了一個“數(shù)字雙胞胎”(Digital Twin)，能為企業(yè)創(chuàng)造更多價值)在管理資產性能和維護方面起著重要的作用。一旦工廠和工藝被設計并且被工程化出來，數(shù)字雙胞胎(digital twins )就可以通過模擬與安全性和/或性能相關的特殊工廠和工藝條件(如飛行模擬器)來訓練操作員。數(shù)字資產雙胞胎((Digital Twin))可用于維護，以預測某些過程參數(shù)對資產性能，資產生命周期和維護需求的影響。德勤大學出版社的文件“工業(yè)4.0與化學工業(yè)”解釋了“數(shù)字雙胞胎”的概念，“組織通過從物理到數(shù)字，再回到物理的運動所產生的信息中創(chuàng)造出價值”。

　　圖4、3D打印在化工業(yè)中的應用

　　分布式制造/ 3D打印在開發(fā)創(chuàng)新原料和推動新的收入來源方面為化工行業(yè)帶來了全新的機遇。在傳統(tǒng)元件制造中使用3000多種材料，而只有大約30種材料可用于3D打印。從這個角度來看，到2020年化學粉末材料市場預計每年將會超過6.3億美元。

　　圖5、工業(yè)4.0的分層架構

　　通過在可穿戴設備上增加智能標簽，可以提高工作人員的安全性，這可以幫助提醒工作人員接觸危險物質(如有毒氣體)，以便在緊急情況下幫助找到雇員和合同工。此外，如果員工離開指定的或授權的工作區(qū)域(“連接的工作人員”)，則可能會觸發(fā)警報。

　　把你的供應鏈帶到另一個層面上

　　在供應鏈中，物聯(lián)網和機器學習的新技術還有很多潛力。只要考慮使用高級分析來提高預測準確性，從而導致整個銷售和運營計劃流程以及相關KPI的改進。

　　先進的分析和機器學習可以用來緩解供應鏈中斷的風險。例如，在發(fā)生自然災害的情況下，貨物可以自動重新路由，以最低的成本實現(xiàn)按時交貨的目標和完成對客戶的承諾。

　　另一個使用的機會在于優(yōu)化運輸資產和相關成本。在許多情況下運輸化學品意味著需要考慮特殊設備和復雜的合規(guī)性要求，空回程是常態(tài)而非例外，從而避免會導致成本增加和資產利用率不理想。在這里，機器學習可以幫助更好地利用運輸資產，并將浪費排除在物流職能之外。

　　靠近客戶來創(chuàng)新

　　過去幾年，化學工業(yè)作為一個“資產密集型”行業(yè)，正在著力于優(yōu)化工廠和資產運營。然而，開發(fā)創(chuàng)新的，以客戶為中心的商業(yè)模式和服務方面還有很大的潛力可以挖掘。以下是化學公司如何在客戶前端更好地利用物聯(lián)網(IoT)和機器學習(machine learning)的一些例子：

　　利用傳感器和遙測技術來實現(xiàn)供應商/供應商庫存管理的概念，并使補貨流程完全自動化(“不接觸”或者“低接觸”訂單)。

　　通過傳感器技術實時監(jiān)控客戶的制造工藝參數(shù)，利用先進的算法將工藝參數(shù)與(半成品)的質量關聯(lián)起來，開始銷售首過質量測試產品作為業(yè)務成果，而不是銷售產品。提供基準數(shù)據(jù)作為服務的機會。

　　使用先進的算法，更好地了解客戶的購買行為/模式，相應地調整產品和服務組合，識別交叉銷售機會以增加客戶的忠誠度和分享錢包。

　　圖6、物聯(lián)網的作用

　　通過捕捉和處理來自社交媒體的非結構化數(shù)據(jù)，通過適當?shù)臓I銷活動和創(chuàng)新的服務產品來獲得客戶/市場情緒的可視性。

　　繼續(xù)推進物聯(lián)網

　　通過機器學習和使用物聯(lián)網，化工企業(yè)可以前進并獲得積極的業(yè)務成果?；瘜W公司如何使用物聯(lián)網技術?Chatha說，工業(yè)企業(yè)已經或正在為整合物聯(lián)網和機器學習奠定基礎?？偟膩碚f，物聯(lián)網可以作為一種解決方案，幫助化工行業(yè)跟上時代的步伐，更好地滿足股東和客戶的需求。但是，如果有足夠的清潔和豐富的數(shù)據(jù)來訓練算法，并建立高質量的預測結果的模型，那么這是成功的關鍵。另一個關鍵的成功因素是高技能的數(shù)據(jù)的科學家缺乏，這些可能是在化學工業(yè)中快速采用物聯(lián)網和機器學習技術的嚴重制約因素。