研究表明，炼油行业可以从人工智能技术中受益匪浅。如今，石油需求和价格的波动给全球炼油行业带来了动荡的局面。炼油厂经理被迫审查和寻找新的选择，从安全、环境影响、物流和经济方面对每一个进行评估。他们快速分析和反应的能力，以及在运营中建立可靠性和弹性的能力，将是保持业务和竞争优势的关键。炼油行业的最终愿景是运营自我优化的自主工厂，而人工智能在整个行业的持续部署正在使这一现实更加接近。尽管炼油厂是许多数字工具的早期采用者，但该行业尚未充分认识到人工智能的潜力。这在很大程度上是因为人工智能和机器学习通常被孤立地看待，而不是与现有的工程能力（模型、工具和专业知识）相结合，以提供有效优化炼油厂资产的实用解决方案。这些资产通常依赖于根据物理和化学“第一原理”构建的工程模型，这些模型结合了关键领域的知识，例如过程安全和对工业复杂系统的理解。这些模型吸取了世界上最优秀的科学家、工艺工程师和操作员的知识和经验。它们非常准确，但在某些过程中也有局限性；为了提高其准确性，必须校准生产数据以匹配观察到的工厂条件和性能。目前，有效的模型校准需要相当多的专业知识和经验。构建混合模型这就是人工智能和机器学习发挥关键作用的地方。这些技术正在迅速兴起，它们可以大大提高使用工厂数据的能力，既可以校准“第一原理”模型，也可以快速创建基于数据的现象和过程模型。AI可能会减少对流程系统建模所需的专业知识的需求，但它必须与领域专业知识相结合，以创建允许它们安全、可靠和直观地工作的模型。这种结合使所谓的“混合模型”成为可能，它有效地结合了人工智能和“第一原理”，可以更快地提供全面和准确的模型，而无需广泛的知识和经验。至关重要的是，它们是通往自我优化工厂的重要阶段。机器学习用于使用模拟或工厂数据创建模型。该模型还使用领域知识（包括第一性原理和工程约束）来构建丰富的模型，并且不需要用户具有深厚的流程专业知识或成为AI专家。混合模型支持的解决方案充当了过去优先原则世界与未来“智能炼油厂”环境之间的桥梁。它们是帮助实现自优化设备的必要催化剂。如今，许多公司都受益于混合建模方法。炼油和烯烃利润率与工厂规划人员和运营商实现尽可能接近计划的月度生产的能力密切相关，并且通常可以追溯到他们过时或不正确的规划模型。例如，世界上最大的炼油厂之一预测，对一个典型的日产量为200,000桶的炼油厂，根据需要频繁修改详细的反应器模型每年会产生超过1000万美元的价值。当炼油厂应对他们必须生产的产品的巨大变化时，这项技术尤其及时。实现自我优化工厂的愿景对于许多炼油厂而言，开发混合模式解决方案也将是实现自我优化工厂愿景的第一步。行业专家将其定义为能够自动适应和响应不断变化的运行条件的设备。依靠人工智能和关键领域知识的结合，自我优化的工厂将快速评估所有可用的数据流，包括资产内和资产外。考虑到安全性、可持续性、资产健康和运营目标，它将对不断变化的条件做出快速反应，以实现最佳结果。此外，人工智能将用于预测未来行为，并为炼油厂员工和管理人员提供替代的未来操作场景。在未来的自我优化工厂中，操作员和技术人员将做出更快、更灵活的业务决策，这些决策已通过在闭环中运行以接近工厂预期极限的系统从低附加值的重复性任务中解放出来，使意外。此外，资产可靠性信息和运营数据将为更安全、更可持续的设计模型提供信息。这就是炼油厂所追求的。通过混合建模取得的进步是迈向自我优化工厂的转型步骤。
