久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

作者：

艾斯本營銷戰略高級總監Ron Beck

       艾斯本資深高級解決方案咨詢顧問竺建敏博

已故美國未來學家Alvin Toffler說過：“改變不只是人生的必需品，改變本身就是人生”。當下，世界正在努力擺脫疫情，變革至關重要。

沒有人確切知道新常態究竟什么樣的？但可以確定的是，要在未來保持領先地位，企業現在就必須加快數字化進程，并為明天的意外做好準備。企業有必要實現高水平的整體適應性，并通過提高敏捷性來推動生產力。面對激烈的全球競爭，流程工業和資本密集型企業必須有戰略眼光和明確的重點。加速數字化是好的，但還不夠。對于企業來說，通過部署能夠提高可持續性和盈利能力雙重挑戰的技術來專注于創造可衡量的價值是至關重要的。

工業AI是一種戰略商業武器，因為它將分析、AI機器學習、領域專業知識的關鍵護欄相結合，從工業數據中提取價值。工業AI將幫助企業做出日益復雜的供應鏈選擇和決策。迅速變化的全球碳減排勢頭要求我們關注整個亞洲的能源轉型，尤其是韓國、日本、中國、印度尼西亞和印度。同樣值得關注的是推動循環經濟的廢棄塑料的回收與利用問題，而AI正在所有這些方面已經為用戶創造價值。企業需要部署具有關鍵內置領域專業知識的嵌入式AI驅動的工業解決方案，增強這些AI工具和數據，以釋放真正的價值。

了解計劃的實施情況

在遠程或混合辦公仍然存在的情況下，企業需要展示他們遠程運營和管理資產的能力，并使用分析技術來提高資產的完整性和安全標準。

在與Crystol Energy聯合進行的一項調查中，大多數能源和化工公司的受訪者表示，疫情爆發初期，他們在數字化方面準備不足。對于資產密集型行業的公司來說，最重要的是確保員工的安全和資產的安全運行。受訪者一致認為，提供靈活的工作環境并通過提高利益攸關方的透明度來加速數字化進程。技能短缺是一個被反復提及的阻礙企業可持續發展的長期風險，這是因為經濟波動導致最有經驗的員工提前離職，企業只能招聘需要培訓且缺乏領域專業知識的人員來填補崗位空缺。獲得全球資本的機會越來越多地與可持續性績效掛鉤，這使得可持續性目標愈發重要。

早在疫情導致經濟放緩之前，員工和客戶就期望能源行業能夠經營清潔、高效的業務。新一代員工和客戶要求企業在可持續發展方面承擔更大的責任。艾斯本和Robert Socolow博士進行的一項新的全球行業可持續發展模式調查顯示，48%的化工行業受訪者報告說，客戶是其可持續發展舉措的關鍵驅動力；65%的受訪者表示，廣泛的社會義務是關鍵驅動力。企業知道，要保護品牌聲譽并吸引和調動優秀人才，他們必須建立更清潔、更安全、更可持續的業務，共同創造更加綠色的未來。

許多能源企業也在豐富其能源結構，這催生了能源轉型方面的更多項目，如氫經濟、碳捕獲、生物原料和可再生能源資產。

新的行業常態

未來五年，隨著行業規模的縮小，有價值的專業技能將會減少，技能短缺會加劇。由于大多數數據科學家入職不久，數字化工具和分析的使用將會增加，尤其是加速新一輪數據科學家和技術專家之間合作的解決方案。降低成本和碳足跡仍然是重點議程。預計煉油生產結構將向化學原料轉變，因為亞洲近期石油需求增長有一半來自化學品增長。

隨著亞洲經濟的復蘇和中產階級的崛起，大型綜合工廠項目正在高效應對不斷變化的市場需求。從石油消費轉向天然氣消費的行業趨勢仍在繼續，特別是在化工原料和發電領域。天然氣和可再生能源可以滿足日益增長的電力需求，氫經濟則是一個新興領域。在印度尼西亞，地熱將發揮越來越大的作用，同時也帶來操作上的挑戰。

新能源領域的這些發展勢頭意味著，快速和強大的早期概念設計對于技術經濟分析至關重要，這樣才能確保資產生命周期的盈利性能力。

為了更精確、自主地優化復雜資產運營，企業越來越需要采用嚴格機理模型與AI驅動模型相融合的混合模型，特別是能源轉型技術方案。對于資本項目來說，及時、透明地評估和通報項目進展有助于釋放價值。為了有效地管理項目風險，有必要對數據進行可視化、分析、基準化和共享，以提高速度和確定性。這樣才能獲得一個更加敏捷的協作式優質資產設計和更可預測的無縫執行過程。

持續學習和持續優化

艾斯本自優化工廠愿景是一種完全數字化的資產，具有自學習、自適應和自維護能力。客戶希望建立更加靈活的企業組織。在企業層面，公司需要將日益智能化的資產整合到更加敏捷、響應迅速的價值鏈中。

就時間表而言，運營的某些業務模塊將在相對較短的時間內實現自主運行，而要實現更廣泛的自主運行，則需要5-10年時間。一般來說，石油和化工資產過于復雜，至少在未來5-10內無法完全自主運行。我們正努力實現自維護工廠，運營商更多的是履行戰略監督職能。

Alvin Toffler有兩句經典名言： “知識是力量的最民主的源泉”，“21世紀的文盲不是那些不會讀寫的人，而是那些不會學習、不會摒棄已學以及不會再次學習的人”。這兩句話強調了數字化技術和工業AI在賦能員工調動知識和從工業數據中學習的重要性。

事實上，自優化工廠利用數據來生成知識，而工業AI為企業提供了巨大的學習、摒棄已學和再次學習的能力。面向未來，Toffler說得對，尤其是在當前新的行業常態中，流程工業和資本密集型企業必須擁抱變革并利用工業AI的獨特力量推動價值。