在特种化学品制造与研发中整合人工智能

随着中小型制造和工业企业寻求通过人工智能、云计算和先进建模来加速创新，首要挑战是将新技术与可靠的数据、科学专长以及将产品推向市场的实际情况结合起来。对于特种化学品制造商路博润（Lubrizol）而言，数字化转型的核心在于为研究人员提供工具，以便他们更快地测试想法、做出更明智的决策，并在不妥协性能的前提下开发可持续材料。

发生了什么

据《麻省理工科技评论》报道，特种化学品制造商路博润正在构建一个连接业务流程、现代数据平台和云基础设施的数字基础，以支持其研发团队。路博润信息技术副总裁吉里什·饶（Girish Rao）解释说，他们的目标是将数十年来积累的技术数据与深刻理解客户需求和物理限制的化学家及工程师的深厚专业知识结合起来。数据科学家帮助识别模式、测试新假设，并在研究人员进行物理实验之前对各种可能性进行建模。饶强调说：“这并不是要取代科学判断；而是要为我们的科学家提供更好的工具。”

为了弥合科学家、数据科学家和IT团队之间的鸿沟——这三者分别优先考虑实验有效性、模型性能和平台安全性——路博润创建了“融合团队”。这些跨职能小组围绕共同的目标进行协作，从小型试点项目开始以建立信任。饶指出，一旦建立了信任并且团队了解了他们所创造的价值，各项倡议就会推进得更加顺利。此外，云基础设施为公司提供了灵活性，使其能够访问计算资源和现代工具，而无需进行构建和维护专用数据中心所需的巨额资本投资。

事实证明，这些技术能力对于推进可持续发展计划特别有价值。根据报告，数字建模帮助研究人员评估更多配方，探索淀粉和玉米基材料等生物基替代品，并评估产品生命周期中的各项权衡。虽然在满足性能预期、监管要求和财务限制的同时扩大生产规模依然很复杂，但人工智能模拟多个变量的能力有助于团队应对相互冲突的需求。

为什么这对小型制造和研发团队很重要

对于运营专业工业或制造企业的小型团队负责人和企业主来说，路博润的方法凸显了一个基本的战略真理：当技术脱离领域专长独立运作时，人工智能的采用就会失败。技术行业的核心瓶颈很少是计算能力本身；而是技术领域专家（您的化学家、工程师或资深操作员）与技术实施者（IT或数据资源）之间的摩擦。

通过组织跨职能的“融合团队”并从受限的小规模试点项目开始，小公司可以绕过通常困扰数字化转型的漫长信任建立阶段。您不需要庞大的企业预算来部署基于云的建模或共享数据存储库。相反，您需要一个深思熟虑的策略来增强现有员工的判断力，而不是试图将他们排除在决策循环之外。使用外部云基础设施使较小的参与者能够发挥出超过自身体量的作用，在将昂贵的物理材料投入车间之前，以数字化方式测试配方或操作参数。

本周要做的事

1. 审计您当前的运营和技术数据孤岛，以确定历史领域知识存储的位置以及您的技术人员访问它们的难易程度。

1. 组建一个由领域专家（例如资深工程师或产品专家）和技术操作员组成的跨职能“融合团队”，以规划一个单一的、低风险的试点项目。

1. 评估与您的运营范围相匹配的基于云的计算和建模工具，确保您无需投资昂贵的本地硬件即可扩展资源。

来源

• Innovating with AI in the special chemicals industry — MIT Tech Review