随着巴斯夫和陶氏公司等化工巨头加大投资以提高运营效率和改善经营成果，数字化和人工智能（AI）技术正越来越多地被化工行业使用。赢创工业（Evonik）和帝斯曼（DSM）等特种化学品行业巨头也在2021年宣布开展广泛合作，充分利用人工智能技术在材料发现、配方技术和产品开发方面的力量。
数字化是决定性的竞争因素
陶氏公司（DOW）副总裁、首席信息官兼首席数字官梅兰妮·卡尔马（Melanie Kalmar）表示：“我们正在对企业重新架构和重新布线，以充分利用数字技术加速实现我们的业务成果。”卡尔马表示，人工智能涉及陶氏在其许多流程中应用的“一系列能力”，可提高决策的速度和质量，并产生可操作的见解。卡尔马说，数字工具和功能帮助陶氏公司在新冠肺炎疫情蔓延期间保持继续运营并与客户保持畅通。陶氏公司的员工很快就接受了这一新技术并作为其新的工作方式。因此，公司决定在未来两年投资约4亿美元推进其数字化工作。
这项投资的重点是扩展数字工具。感兴趣的领域包括机器学习和先进的数字建模，以加速材料科学创新，增强电子商务购买和履行体验，采用新增的实时数字制造技术、运营数据智能和需求感知，以提高运营的生产率和可靠性。到2025年底，这些措施预计将每年实现超过3亿美元的EBITDA利润增量，并一次性提高1亿美元的结构性营运资本效率。
巴斯夫首席数据科学家Nikoloas Fanidakis表示，数字化是一个决定性的竞争因素，人工智能具有降低运营成本、提高效率、确保生产可靠性、改进和开发新产品以及改善客户体验的潜力。巴斯夫在日常业务的许多领域开发了人工智能应用程序和解决方案，如生产、工程设计、研发、销售、供应链等许多其他领域。巴斯夫还与多家外部商业和学术合作伙伴合作实施人工智能系统，包括德国柏林工业大学（TU）、英国帝国理工学院和剑桥大学。
人工智能推动化工行业加快发展
陶氏公司已经与多个学术机构、初创企业以及包括微软在内的业界老牌企业开展合作，并与微软共同开发预测智能技术，这是一项“具有预测能力”的数字化计划，将机器学习和人工智能有机结合，实现产品开发模式转变和加速创新，陶氏聚氨酯（PU）业务将采用这一计划。
卡尔马表示，预测智能技术由最终用户设计，以实现不同区域和细分市场的定制。它将陶氏公司的材料科学、反应动力学和流变学专业知识与人工智能技术相结合，从根本上改进产品配方开发过程，并加快差异化解决方案的上市时间。预测智能技术有更多好处：通过更快的响应时间和减少的试验次数来加速产品开发，从而缩短上市时间；基于历史数据、预测性数学模型、自动化工作流程和扩大应用的新产品配方特性预测，可以更快地设计出满足特定需求的定制解决方案。利用预测智能技术，通过在加工条件下模拟配方反应，从而缩短产品开发过程，减少实验室和生产试验的需要，从而实现更高效的合作。利用一个专门的客户门户网站，将提供陶氏公司PU商品特性数据以及强大探索能力，使产品配方开发更加高效。通过门户网站和流程数字化，客户将能够在单一界面中浏览从产品配方到最终交付的整个流程。
Fanidakis说，巴斯夫公司采用计算机视觉技术，在其作物保护业务中利用相机和视频中的数字图像，自动检测植物叶片中真菌感染速度和深度，从而确定我们产品的功效。该公司在制造过程中使用人工智能技术，就是利用生产设施中数千个传感器的预测能力，检测影响我们生产能力的异常情况。此外，巴斯夫依靠人工智能系统来理解模型并支持更好的决策。将先进的机器学习算法与内部和外部数据源相结合，从而提高时间序列预测的准确性、库存优化、产品定价等，同时也增强了客户体验。
Fanidakis表示，人工智能还对巴斯夫各个领域的研究进程提供支持。从实验计划开始，在人工智能的帮助下预测下一个最好的实验，一旦实验完成，人工智能通过关联或聚类信息，试图找到最有影响的因素，例如，或发现以前不知道的新见解，使数据有意义。Fanidakis指出，人工智能，尤其是机器学习，对巴斯夫的研发形成支持，将不同的数据源连接起来，并对图像和文本信息等复杂数据类型进行分析。巴斯夫使用人工智能的另一功能是了解材料如何随时间老化，并试图预测材料性能和未来行为。
陶氏公司主管全球研发的高级副总裁、首席技术官施瑞安博士（A. N. Sreeram）表示，该公司正在使用一种被称为高通量研究（HTR）的研究方法与高性能计算（HPC）相结合，从而减少错误，提高成功概率，将实验效率提高10~100倍，为陶氏客户提高产品商业化速度2~3倍。
高通量研究（HTR）生成大量数据，使陶氏研究团队能够开发基于人工智能的工具，包括机器学习和深度学习，加快解决方案的识别，从提高聚合物生产效率的强化催化的分子发现到配方设计。通过与陶氏生产公司密切合作，优化生产流程，为我们的生产基地提供工具，从而提高所需材料的生产效率。
Kebotix公司创始人兼首席执行官基尔·贝克尔（Jill Becker）表示，利用人工智能和先进机器人技术可以加速开发化学品和新材料。贝克尔说，Kebotix开发了世界上第一个人工智能和机器人驱动的闭环平台，可以自主发现、合成、识别并通过数字化开发出先进的材料和化学品。她说：“化学品公司对采用数字化技术和人工智能非常感兴趣。”贝克尔称，Kebotix于2020年12月宣布与BP建立合作关系，以帮助该公司利用人工智能和其他先进的数字技术，缩短公司各个领域的设计流程，从而节省时间和资源。该公司还与墨西哥Koura（前身为Mexichem Fluor）合作，以更短时间和更低成本的方式发现更环保和更友好的高性能材料。她说：“通过人工智能实现数字化和自动化的力量正在改变化学工业，在促进经济增长方面发挥着关键作用，并影响到其他所有行业，包括医疗、农业、交通、公用事业，甚至是信息行业。”
西班牙石油公司（Cepsa）表示，该公司已在西班牙圣罗克的Puente Mayorga化工厂开展数字化改造项目，这是该厂最近完成的技术升级的一部分。该项目安装了包括产量、能源和吞吐量（YET）系统，人工智能程序；工业4.0技术，包括机器学习、大数据和高级分析功能，进一步优化流程和提高工厂的能源效率。Cepsa公司表示，在整个公司部署先进的分析技术是Cepsa数字化转型的关键支柱。该YET系统将Cepsa的数据科学家和现场工艺工程师聚集在一起，开发实时优化器，通过机器学习算法帮助工厂提高产量、降低能源成本和/或提高产量。Cepsa补充说，它已经在西班牙休尔瓦的Palos de la Frontera化工厂应用了两个YET优化系统，重点是提高产量；在Puente Mayorga工厂安装的YET优化系统可实现天然气消耗量下降；在上海工厂安装的YET优化系统，将用于帮助提高反应收率，降低能源成本。
人工智能助力特化品开发
今年4月赢创工业宣布将与IBM的合作关系延长至2025年，并将成为第一家参与麻省理工学院（MIT）—IBM沃森实验室人工智能研发的化工公司。另一家特种化学品公司帝斯曼（DSM）今年1月宣布，和全球生物技术研究领域的顶尖大学荷兰代尔夫特理工大学宣布成立生物科学人工智能实验室（AI4B.io Lab）。
赢创与IBM在认知解决方案方面的合作可以追溯到2017年，赢创的首席数据官亨里克·哈恩（Henrik Hahn）表示：“这有助于推动公司内部从技术到方法的多方面数字化转型。”该公司的MIT—IBM 沃森实验室人工智能实验室成员将致力于探索图形建模、混合建模等技术方法，以及人工智能与量子计算之间的联系，并在材料发现、配方技术、知识管理以及市场分析领域项目研究。
帝斯曼首席技术官马库斯·雷默斯（Marcus Remmers）表示，AI4B.io实验室的设想是通过开发和应用高精度基于人工智能的微生物、生物过程以及两者的结合来加速生物科学的创新。该公司还将探索从微生物水平到工厂规模的人工智能方法，应用范围将从菌种开发和应用开发到发酵过程控制。例如，新的人工智能应用将在酶和乳制品培养物的生物制造中得到示范。”
两家公司认为，人工智能可以帮助提高特化品公司运营效率，包括从采购、营销和财务全流程；加快研发周期；加快产品创新等等。人工智能与人类的创造力相结合，是对特种化学品行业的有益补充，加速研发或重新定义客户体验。人工智能可以帮助特种化学品公司对依赖特化品的行业提供技术支持，为价值链下游提供更好的新产品，哈恩说。
雷默斯表示，生物技术和数字技术是帝斯曼创新的关键推动因素。通过应用人工智能，我们的目标是提高流程的运行效率，同时也提高产品的质量控制。例如，在产品配方过程（如干燥）中实现粒度建模和控制。在生物科学领域，人工智能方法可以发现数据中的模型，以指导研发优化过程，如自动菌株表征和开发。计算过程也可以加速，因为基于人工智能的模型允许实时优化和自适应控制。