Татьяна Петрова 
Американская технологическая компания Emerson объявила об успешном внедрении решения для оптимизации на основе искусственного интеллекта для Saudi Aramco, одной из ведущих мировых интегрированных энергетических и химических компаний. Сотрудничество началось с интеграции гибридных моделей Emerson Aspen Hybrid Models в существующую систему планирования нефтеперерабатывающих заводов Aramco, что привело к созданию одной из крупнейших в мире многообъектных моделей оптимизации.
Новая технология объединяет физико-химические модели, глубокие отраслевые знания и специализированный промышленный искусственный интеллект. Такой подход позволяет с высокой точностью описывать нелинейные зависимости в процессах, что значительно повышает корректность моделей планирования НПЗ. На ключевых установках нефтепереработки уже достигнута точность прогнозирования выхода и качества продукции до 98,5%.
Гибридные ИИ-модели были внедрены на установках непрерывной каталитической регенерации (CCR) и платформинга. Их применение обеспечивает более точный подбор сырья для смешения, минимизирует разрыв между планом и фактическим исполнением, а также повышает точность прогнозирования рентабельности для всей глобальной сети НПЗ Aramco. В настоящее время ведется работа по расширению этого подхода на установки гидрокрекинга, что, как ожидается, еще больше повысит точность моделей и продемонстрирует масштабируемость стратегии.
«Это внедрение представляет собой важную веху в стратегии Aramco в области искусственного интеллекта, — заявил Ахмад Алкудмани, директор департамента глобальной оптимизации в Aramco. — Мы стремимся использовать инновационные технологии для более разумной и эффективной оптимизации нефтепереработки. С повышением точности моделей мы улучшаем плановые решения, сокращаем необходимость ручных корректировок со стороны наших инженеров и открываем новые возможности для создания стоимости по всем нашим глобальным активам».
Ключевые преимущества, которых Aramco стремится достичь с помощью Aspen Hybrid Models, включают увеличение объемов выхода целевых продуктов, диверсификацию выбора сырья для более прибыльных и устойчивых операций, а также автоматизацию обновления моделей, что снижает потребность в ручной настройке. Внедренное решение доказывает свою масштабируемость и надежность для глобального планирования нефтепереработки.
