百万年来,人类从起源、演化到文明社会的发展,一直都离不开与自然的共生与共处,所以生态环境的问题,也自古有之。孔子说,“子钓而不纲,弋不射宿”,说的是不可滥捕滥杀;荀子也说,“斩伐养长,不失其时”,讲的是树木养伐之道。一言蔽之,就是人与自然的相处应一切有度。
“有度”意味着平衡,意味着有张即有驰、有加即有减。所以,当工业文明发展带来了污染物的过度排放之后,生态的问题最终也必须靠减排来解决。
去年,我国向全球做出“2030年前碳达峰、2060年前碳中和”的承诺,表明我国在生态文明建设方面的决心和目标。而要实现这个目标,需要每一个人、每一个团体学会“做减法”,少用一张纸、少开一天车,对于生产企业而言,不但要考虑增效降本,更要考虑如何满足更高要求的节能减排标准。
通常来说,企业会从几个方面着手实现节能减排,包括采用更先进的工艺和设备、降低动力能耗、加强能源的管理等等。现如今,加上大数据、云计算、5G、人工智能等数字化技术的应用,所有这些环节还能被进一步优化和完善。比如,通过对生产全过程的实时状态进行感知、监测和数据收集,然后经过算法模型的分析,就能够实现对各类资源的动态整合和有效控制;再比如,将节能相关的流程、过程参数、算法融合进工艺设计,根据实际生产场景,生成最优的模型组合,在提高单体设备生产效率的同时,还可以降低能量消耗,从源头上实现节能。
数字化技术助力企业减排与降本
作为环保和制药设备的工程设计和制造企业,苏州科舵工程技术有限公司(以下简称“苏州科舵”)正在很好地把这些技术融入到设备的工艺设计中。
据苏州科舵数智工业部总监兼首席信息官许宏向至顶网记者介绍,苏州科舵的核心产品覆盖了各个方面,包括药企在原药生产过程中所需的固液体分离技术、不同液体混合物的分离技术,以及三废处理过程中对污染气体、液体和固态颗粒物的有机处理技术等等。“现在,我们正在努力在所有这一系列产品中附加上数字化能力。”
苏州科舵数智工业部总监兼首席信息官 许宏
其中,比较常规的做法之一,就是在生产性设备端实现数据采集和数据分析,通过对设备运行状况的监测和识别,达到预测性维护、备品备件管理和资源预测性调拨,这不但能提高设备的生产效率,还能减少在生产过程中的非计划停机,从而达到“节能减排”的目的。
不过,要满足环保的要求,更重要的还要做好三废处理。在生产企业,一般会通过活性炭吸附技术,在废气和废水处理过程中吸附有害物质,比如去除污水浓缩过程产生的胶粘物质,从而提升浓缩设备的传热性能,间接达到节能减排的效果,同时也保护设备的正常运行,降低设备维护成本。
这个过程如果引入数字化技术,不仅可以帮助企业更好地满足环保规范,还能够从各个方面减少成本浪费。“举例来说,基于数字化分析,它就会告诉我们,活性炭的吸附率呈现什么样的趋势,从而帮助企业决定是否增加或者替换活性炭辅料。”许宏解释说,“以前企业往往要靠经验,经常需要多备库存,这不仅会产生库存成本,另外由于活性炭的保存对环境有比较高的要求,所以也会产生自然损耗。而有了数据预测模型之后,就可以对活性炭这种高附加值的辅料和催化剂进行动态调节。”
并且,这样的动态调节还可以延伸到供应链端。“比如说,模型预测在3天后需要采购10吨活性炭,加上物流时间,采购部门就可以很快得到向供应商下单的时间,从而优化物料库存量和财务现金流。”许宏表示。
工业互联网平台赋能产业协同
据了解,目前苏州科舵已经把大量的预测模型算法组合融入到设备工程的各个关键节点,不断地优化工艺流程。而许宏认为,未来基于工业互联生态平台的构建,数字化技术所能带来的价值,还会辐射至整个产业,推动产业链之间的协同和“双碳”目标的实现。
许宏强调,工业互联网不应该是某个企业的平台,而是“公共”的生态性平台,“也就是说,产业链上不同的利益相关方都可以把自己的产品放到同一个平台上,并且从平台上获取相应的信息,然后通过数字技术分析去指导企业业务的发展。”
还以上述的活性炭辅料的采购为例。当某生产企业与其供应商把相关信息都共享在同一工业互联网平台之上,生产企业在辅料即将用完之前,供应商就可以基于数据预测提前备出对应的采购量,并按照预期时间安排发货,如此一来,就能减少中间的多次沟通、下单等繁琐操作,真正做到上下游的有效协同。相反地,生产企业在掌握上游供应商供货情况的前提下,也可以更灵活地管理自己的供应链体系,更好地安排生产进度。
另一方面,针对“双碳”目标的实现,工业互联网也被认为可以发挥很大的作用。举例来说,过去,相关数据互不相通、信息孤岛的存在是导致生态环境管控难的一大问题。而基于工业互联网,就可以构建一个区域信息共享数据库,把相关的机构、部门和企业纳入进来,并借助平台之上的大数据、人工智能等技术,实现对该区域生态环境、资源消耗情况和碳排放状况的实时监测和协同治理。
在挑战与变化中摸索前行
总而言之,技术的价值将在各个领域被释放,满足企业生产的各种需求,而企业的唯一选项就是去“拥抱”它。
比如,在生产制造过程中,有很多的经验化标准都可以抽取出来,以人工智能算法模型的方式放到设备的工艺设计中,或者构建在工业互联网平台之上,而人在其中的作用,主要就是输入数据,然后根据输出的数据进行分析和决策。也就是说,人工智能可以在很多场景帮人“打辅助”。
当然,随着数据量的大幅增加和人工智能的深入应用,这对企业IT基础设施设施的计算能力也会提出更高的要求,比如在一些本地模型训练的场景,甚至需要用到GPU服务器。而在机械制造业,除了生产端,针对图形的并行计算,GPU的需求也是比较大的。“它可以帮助研发设计人员实现在线协同设计和统一数据管理,并且设计模型数据量越大、设计人员越多,企业的数据中心就越要往这方向做部署。”许宏表示。
不过,在他看来,能用技术解决的都还不是最大的问题,在企业进行数字化转型、引入新技术的过程中,企业业务模式、运营方式和工艺流程的创新才是最大的挑战。
“其中的关键在于,企业能不能快速转变成一个创新型的柔性组织,快速地在资源调配和组织关系等方面做出调整。”出于这样的理念,现如今的苏州科舵正在积极地融入这样的变化,而他个人,也正在直面其中的挑战,不断摸索前行。
好文章,需要你的鼓励
值此超大规模计算厂商和云服务商力挺的Arm处理器阵营尚未全面攻占数据中心,AMD的复兴之路也正在途中的非常时期,英特尔尚凭余威把持着数据中心领域新型计算引擎的市场走向。
虽然每个季度在企业AI芯片支出中Nvidia要占有高达数百亿美元的份额,但仍有许多公司和投资者认为AI基础设施市场还有空间留给其他赢家,无论是边缘芯片还是数据中心芯片领域。