Planta auto otimizada: uma nova era de autonomia movida pela IA industrial

EnergyInsightsSoftware

As soluções de Inteligência Artifical em indústrias estão moldando uma nova era autônoma de plantas auto otimizadas na indústria de refino, de acordo com Antonio Pietri, presidente e CEO da Aspen Technology. Ouvimos como a tecnologia de software e a Inteligência Artificial pode oferecer novas oportunidades para os negócios

O mercado de refino de hoje é caracterizado por extrema volatilidade, alimentado por flutuações na demanda e preços de petróleo e combustível. Isso está pressionando os executivos e gerentes das refinarias que precisam avaliar continuamente novos cenários de economia, impacto ambiental, logística e segurança. A capacidade que demonstram de analisar e reagir com rapidez e eficiência a essas situações, além de desenvolver resiliência operacional aprimorada e confiabilidade será crucial para sustentar seus negócios e sua vantagem competitiva.

A visão de longo prazo para a indústria é a auto otimização, planta autônoma e a crescente implantação de Inteligência Artificial (IA) em todo o setor que está trazendo essa realidade para cada vez mais perto. No entanto, embora o refino tenha sido um dos primeiros a adotar muitas ferramentas digitais, a indústria ainda não percebeu totalmente o potencial da IA ​​industrial.

Isso ocorre principalmente porque o Machine Learning e a IA estão frequentemente bloqueados em vez de serem combinados com os recursos de engenharia existentes, como ferramentas, modelos e experiência, para fornecer uma solução prática que otimiza efetivamente os ativos da refinaria.

Esses são ativos que normalmente dependem de modelos de engenharia construídos a partir dos fundamentos básicos da química e da física, que incorporam conhecimentos de domínio chave, como segurança de processo e compreensão dos sistemas complexos da indústria.

Esses modelos se baseiam no conhecimento e na experiência dos cientistas, engenheiros e operadores mais importantes do mundo. Eles são altamente precisos, mas têm limitações em certos processos. Para melhorar sua precisão, os dados da planta devem ser empregados para calibrá-los para as condições e desempenho observados. Atualmente, a calibração de modelo eficaz requer conhecimento e experiência.

Construindo um modelo híbrido

É aqui que a IA e a Machine Learning têm um papel fundamental a desempenhar. Essas tecnologias estão emergindo rapidamente como ferramentas que podem acelerar muito a capacidade de empregar dados da planta, tanto para calibrar modelos de princípios básicos, quanto para criar rapidamente os processos e fenômenos baseados em dados. A IA tem o potencial de reduzir a experiência necessária para modelar sistemas de processo, mas deve ser combinada com a experiência de domínio para criar os “guardrails” do mundo real que permitem trabalhar de forma segura, confiável e intuitiva.

Essa combinação permite o que chamamos de modelos híbridos, que reúnem IA e princípios básicos para fornecer um modelo abrangente e preciso com mais rapidez e sem a necessidade de especialização. E, o que é crucial, eles servem como um ponto de partida vital no caminho para a planta de auto otimização.

O aprendizado de máquina é usado para criar o modelo, aproveitando a simulação, os dados da planta ou da planta piloto. O modelo também usa conhecimento de domínio, incluindo princípios básicos e restrições de engenharia, para construir um modelo enriquecido sem exigir que o usuário tenha profundo conhecimento em processos ou seja um especialista em IA.

As soluções suportadas por modelos híbridos atuam como um ponto de conexão entre o mundo de hoje focado nos primeiros princípios e o ambiente de “refinaria inteligente” do futuro.

Muitas empresas já estão experimentando os benefícios de uma abordagem de modelagem híbrida. As margens de refino estão intimamente relacionadas à capacidade dos planejadores e operadores da planta de atingir uma produção mensal o mais próximo possível do planejado e as lacunas geralmente podem ser atribuídas a modelos de planejamento desatualizados ou imprecisos. Um dos maiores refinadores mundiais projeta a capacidade de gerar revisões atualizadas desses modelos detalhados de reatores com a frequência necessária, entregará um valor superior a US $ 10 milhões anuais para uma refinaria típica de 200.000 barris por dia. Essa tecnologia é oportuna, pois as refinarias enfrentam mudanças nos produtos que devem produzir.

Cumprindo os objetivos

O desenvolvimento de soluções de modelo híbrido também será, para muitos refinadores, o primeiro passo para concretizar a visão da planta de auto otimização. Na AspenTech, nós definimos isso como uma instalação que pode se adaptar automaticamente e responder às mudanças nas condições de operação.

Baseando-se em uma combinação de IA e conhecimento de domínio-chave, a planta de auto otimização avaliará rapidamente todos os fluxos de dados disponíveis, tanto dentro de um ativo quanto além de seus limites. Ele vai reagir rapidamente às mudanças nas condições para alcançar o melhor resultado possível, levando em consideração a segurança, sustentabilidade, integridade dos ativos e os objetivos operacionais. Além disso, usará IA para antecipar o comportamento futuro e fornecer aos trabalhadores e gerentes cenários operacionais alternativos.

Na planta de auto otimização do futuro, os operadores e engenheiros estarão supervisionando a tomada de decisões mais rápidas e ágeis, livre de tarefas repetitivas e de baixo valor agregado. Além disso, as informações de confiabilidade de ativos e dados operacionais informarão os modelos para obter designs mais seguros e sustentáveis.

Esse é o objetivo final para o qual todos estamos nos dirigindo. Ainda há um caminho a percorrer na jornada para a indústria de refino, mas o avanço alcançado por meio dos recursos de modelagem híbrida abriu uma oportunidade completamente nova e é um passo transformador no mapa da rota para a planta de auto otimização. 

Clique abaixo para compartilhar este artigo

Navegue por nossa
primeira edição

Magazine Cover

Ver Arquivo da Revista