人工智慧和淨零碳競賽
Klacci 凱樂奇 iF-R 讀頭門禁系統可以這麼小。 iF-R 讀卡器越來越多地擴展了 iF 系列智能非接觸式鎖的適用性。
隨著許多國家和企業的碳減排目標還有一段路要走，人工智慧能提供一條通往淨零的途徑嗎？Tunley Engineering的Aaron Yeardly 研究了人工智慧和智慧製造是否能透過數位雙胞胎胞最佳化、預測性維護和物聯網造福環境。
第四次工業革命（工業4.0）已經發生，它正在改變製造業的執行方式。工業 4.0 是數位時代的產物，因為自動化，製造技術中的資料交換，將中央工業控制系統轉移到智慧設定，透過物聯網（IoT）解決實體和數位世界。
工業 4.0 正在建立網路實體系統，這些系統可以將生產流程聯網，從而實現價值創造和即時最佳化。推動革命的主要因素是人工智慧（AI）和機器學習的進步。人工智慧所涉及的複雜演算法使用，從網路實體系統收集的資料，從而導致「智慧製造」。
工業 4.0 對製造業的影響將是天文數字，因為營運可以自動最佳化，以產生更高的利潤率。然而，使用人工智慧和智慧製造也會有利於環境。用於最佳化利潤的技術也可以用於深入瞭解公司的碳足跡，並加快其永續性。其中一些方法現在可用於幫助公司減少溫室氣體排放。其他方法有可能在未來減少全球溫室氣體排放。
範圍 3 辨識
範圍 3 排放是公司供應鏈的排放量，包括上游和下游活動。這意味著範圍 3 涵蓋了公司的所有溫室氣體排放源，但公司直接產生的溫室氣體排放源，和電力產生的排放源除外。毫不奇怪，平均而言，範圍 3 的排放量是範圍 1 和範圍 2 的總量的 5.5倍。因此，公司應確保在其溫室氣體排放基線中，對這三個範圍進行量化。
然而，與範圍 1 和範圍 2 排放量相比，範圍 3 的排放量難以衡量和計算。這是因為供應鏈缺乏透明度，缺乏與供應商的聯絡，以及提供誤導性資訊的複雜行業標準。與範圍 3 排放有關的主要問題如下：
- 資料的可靠性 —— 這包括供應鏈之間資料品質的可變性，以及用於計算溫室氣體排放的碳排放因子的不確定性。
- 重複計算 —— 隨著公司的供應鏈相互關聯，排放量可以很容易地重複計算。例如，一家公司的產品運輸也是另一家公司的材料運輸。
- 總供應鏈的公平歸屬 —— 鑑於供應鏈的溫室氣體總排放量，已經成功計算在內，供應鏈中每個參與者的公平責任是什麼？
基於人工智慧的工具可以幫助公司建立基線範圍 3 排放，因為它們用於模擬整個供應鏈。這些工具可以快速有效地，對從感測器收集的大量資料進行排序。如果一家公司在整個業務領域佈署了足夠的感測器，它可以辨識排放源，甚至檢測甲烷羽流。
數位雙胞胎最佳化
數位雙胞胎是一種人工智慧模型，可以作為實體裝置或整個系統的數位表示。數位雙胞胎可以透過使用人工智慧替代模型，來更好地監控和分配能源資源，並提供預測以進行更好的準備，從而幫助行業最佳化能源管理。數位雙胞胎將最佳化許多資料來源，並將其帶到儀表板上，以便使用者可以即時視覺化。例如，南洋理工大學的一項案例研究，在五年內在 200 棟校園建築中使用了數位雙胞胎，並設法節省了 31% 的能源和 9600 噸二氧化碳。該研究使用 IES 的 ICL 技術來規劃、營運和管理校園設施，以儘量減少能源消耗。
數位雙胞胎可以作為建築系統、工業流程、車輛，和許多其他機會的虛擬複製品。虛擬環境可以進行更多的測試和迭代，以便一切都可以最佳化到最佳效能。這意味著數位雙胞胎可用於最佳化建築管理，制訂基於碳減排的智慧策略。
預測性維護
工業中使用的機器和裝置的預測性維護，現在正成為常見的做法，因為它節省了公司進行定期維護的成本，或修復損壞裝置的成本。基於人工智慧的工具使用機器學習，來學習歷史感測器資料如何對映到歷史維護記錄。一旦使用歷史資料訓練機器學習演算法，它就可以根據工廠的即時感測器讀數，成功預測何時需要維護。預測性維護準確模擬當前使用的機器的磨損。
預測性維護的最佳部分是，它不需要額外的監控成本。已經建立了演算法，根據現有的操作遙測資料提供準確的預測。預測性維護與其他基於人工智慧的方法（如維護時間估計和維護任務排程）相結合，可用於為工業流程建立最佳的維護工作流程。相反，改善目前的維護制度往往導致計劃外停機、品質缺陷和事故，對每個人都有吸引力。
預測性維護產生的最佳維護計劃，可以防止通常不需要的工作。將透過控制佈署備件、減少人們來現場的差旅費，以及減少備件的熱點拍攝來節省碳。僅在需要時進行維護，而且不會太晚，將節省電力使用、效率（透過防止效能下降）和人力。此外，系統可以對容易發生彈性洩漏的管道，進行預測性維護，以儘量減少氫氟碳化合物和天然氣等溫室氣體的直接釋放。因此，它具有巨大的碳節約潛力。
研究顯示，在預測性維護和維護時間估計上，支撐維護活動的排程可以產生最佳的維護排程（Yeardley、Ejeh、Allen、Brown 和 Cordiner，2021 年）。 這項工作根據工廠佈局、停機時間和勞動力限制，透過最小化成本來最佳化排程。然而，也可以透過最佳化有關碳排放的時間表來規劃排程。在這種情況下，可以進行維護活動，以減少旅行，節省溫室氣體排放。
物聯網循環經濟
物聯網（IoT）是數位工業控制系統，是一個實體物件網路，透過感測器、軟體和其他技術透過網際網路連線，與每樣東西交換資料。隨著時間的推移，物聯網的實施將在全球進行，每個生產流程和供應鏈都將作為虛擬影像提供。
開放獲取物聯網的全球實施具有提供真正循環經濟的潛力。產品設計師可以使用物聯網提供的資訊，並從其他人的浪費中創造價值。從理論上講，我們可以建立一項工作，其中製造過程都相互關聯，這樣就沒有提取的原材料，沒有廢棄處理和淨零排放。
目前，世界一次開發一個製造工藝，而不是跨行業相互關聯的價值鏈。物聯網可能要花很長時間，才能建立所需的全球虛擬映像，但一旦它擁有了該技術，它就足以解決每個流程的損失，並在連線的公司之間交換材料。材料和能源消耗都可以共享，以大幅降低二氧化碳排放。這可能需要幾十年時間，但物聯網提供了創造循環經濟的技術。
結論
人工智慧在造福環境和推動世界淨零方面，具有巨大的潛力。目前在艾倫·圖寧研究所（英國國家資料科學中心）進行的研究組合，包括探索機器學習如何成為氣候變化解決方案的一部分的專案。例如，正在開發一種電力控制室演算法，以提供決策支援，並確保脫碳系統的能源安全。透過預測電力需求和最佳化時間表，國家電網的電力規劃得到了改善。此外，工業 4.0 可以規劃全球變暖和去碳化策略，對我們生活的影響。
0 comments:
張貼留言