キノコ
石油精製プラントに転職したぞー
職員？
おう、新入り、よろしくな
キノコ
よろしくお願いしますなのだ
職員？
さっそく仕事を教えよう
キノコ
難しいだろうけど、がんばるのだ！
職員？
まず、このボタンを押せ
キノコ
ふむ
職員？
終わりだ。あとはすべてAIがやってくれる
キノコ
は？
職員？
すべて自動化・機械化済みだからな
キノコ
は？
ロボット
おれも、AIロボットだ
キノコ
は？
ロボット
そして、お前もロボットになるんだよ！！
ロボットが正体を現した
キノコ
ぎゃあああああ
筆者
ということで、今日は石油精製プラントのAIシステム化に関するニュースです
Pick Up：製油所の原油処理装置のAIシステム化
今日は、ENEOSとPFNが、製油所の原油処理装置のAIシステム化（＝自動化）したニュースをピックアップしました。
ENEOSは、石油、天然ガス、電力などを取り扱う日本のエネルギー企業です。
Preferred Networks (PFN)は、人工知能（AI）技術の研究開発を行う日本のテクノロジー企業です。
ニュースの要約
ENEOSとPreferred Networks (PFN)は、川崎製油所で原油を処理する装置にAIを使って自動で運転するシステムを導入しました。これは世界で初めての試みです。
石油を精製するプラント（工場）はとても大規模で複雑です。そのため、長年の経験と高度な技術が必要です。
しかし、新しいAIシステムは、こうした人間のスキルに頼らずに安定した運転を実現します。
特に「常圧蒸留装置」という機械は、温度や圧力、流量、製品の品質など多くの要素を制御しなければなりません。
これまでは熟練した技術者が手動で操作していましたが、AIはこれを自動で行います。
この装置には24個の重要な運転因子（運転に影響を与える重要な要素）があり、それを常に監視して調整します。
また、13個のバルブを同時に操作することで、原油の種類や量が変わったときにも対応します。
AIシステムは、外の温度や天候の変化、冷却水の温度、原料の性質が変わっても安定して運転を続けることができます。これにより、より経済的で効率的な運転が可能となります。
今後、ENEOSはこのシステムを他の製油所にも展開し、さらに一般向けの販売も計画しています。
筆者
今回も、ポイントに絞って深堀りしていきます
また、TTT（Tech-Terms-Today)が大事にする、便利の裏側にどういったAIのリスクがあるか、どのような責任をもつかについても考察を入れていきます
この取り組みの何がスゴイのか
スゴイといいながら、この取り組みは一体何がスゴイといえるのでしょうか？
筆者
ポイントをまとめて表にしました
| 先端性のポイント | 説明 |
|---|---|
| 世界初の試み | 原油処理装置（特に常圧蒸留装置）において、AI技術を用いた常時自動運転を実現した点で、世界初の試みとなっています。 |
| 高度なデータ処理能力 | このシステムは、930個の入力センサーからのデータをリアルタイムで処理し、24個の運転因子（運転に影響を与える重要な要素）を常時監視します。この膨大なデータ量を処理し、最適な運転を行うためのAI技術の活用は非常に高度です。 |
| 複雑な制御の自動化 | 常圧蒸留装置は温度、圧力、流量、製品性状など多くの要素を制御する必要があり、通常は熟練技術者による細かな調整が必要です。AIがこれを自動で行い、経済的で安定した高効率な運転を実現しています。 |
| 柔軟な対応力 | AIシステムは、外気温変化、天候（降雨）、冷却水温変化、原料性状変化などの各種外乱に対しても安定的に制御を行うことができます。これにより、変動する運転条件に柔軟に対応し、安定した運転が可能となっています。 |
| 長年のノウハウをデジタル化 | 石油精製プラントの運転は長年の経験とノウハウに依存していましたが、このAIシステムにより、これらの知識をデジタル化し、自動化しています。これにより、熟練技術者のスキルや経験の差に左右されない安定した運転が可能です。 |
| 保安力の向上 | AIによる安定した運転により、事故やトラブルのリスクが低減し、保安力が向上します。安全性の確保は、石油精製プラントにおいて非常に重要な要素です。 |
| 将来的な展開 | このシステムはENEOSの他の製油所への展開や一般販売も計画されており、石油精製業界全体への影響も期待されています。これにより、業界全体の効率と安全性が向上する可能性があります。 |
筆者
たくさんスゴイことはありますが、ノウハウのデジタル化は特に画期的といえます
それでは、なぜ、熟練工のノウハウをデジタル化を実現するのが難しいのでしょうか？
以下の表に、熟練工のノウハウをデジタル化する際の具体的な難しさをまとめました。
| 難しさの要因 | 説明 |
|---|---|
| 暗黙知の形式化 | 熟練工のノウハウは暗黙知として存在し、言葉や数字で表現しにくい。 |
| 多様な状況への対応 | 現場で多様な状況に柔軟に対応する熟練工の判断をデジタル化するのは難しい。 |
| データ収集と質の確保 | データを収集し、その質を確保することが大変で、ノイズや欠損データがAIの性能に影響を与える。 |
| 熟練工の協力と理解 | 熟練工がノウハウのデジタル化に協力しない場合、正確なデジタル化が難しい。 |
| 複雑な因子の特定とモデル化 | 多くの複雑な因子を特定し、適切にモデル化するには高度な専門知識が必要。 ENEOSの例では、24個の重要な因子 |
| リアルタイム処理の難しさ | 現場の変化にリアルタイムで対応するためには、高い計算能力と低遅延のシステムが必要。 |
筆者
こういったハードルを越えてきたと考えると素晴らしい成果です
熟練ナレッジをデジタル化するプロセス
筆者
一般的に踏むべきプロセスをまとめました
以下の表に、ステップ番号を追加しました。
| # | ステップ | 説明 |
|---|---|---|
| 1 | 要件の分析と定義 | 熟練工が持つ技術や知識、作業の手順を詳細に分析し、要件を定義する。 |
| 2 | データ収集 | 熟練工の作業やプロセスに関するデータをセンサーやログ、ビデオなどで収集する。 |
| 3 | データの前処理とクリーニング | 収集したデータを分析しやすい形に整え、ノイズを除去する。 |
| 4 | モデルの設計とトレーニング | 熟練工の判断基準や操作手順を模倣するAIモデルを設計し、トレーニングする。 |
| 5 | モデルの検証と評価 | トレーニングしたモデルの性能を実際の作業環境で検証し、評価する。 |
| 6 | 実装と統合 | 検証が完了したAIモデルを実際のシステムに組み込み、既存システムと統合する。 |
| 7 | 試運転と調整 | 実際の運転を開始し、AIシステムの動作を監視しながら調整する。 |
| 8 | 教育とトレーニング | システムを運用する担当者にAIシステムの使い方を教育し、トレーニングする。 |
| 9 | 運用とメンテナンス | AIシステムが正常に動作し続けるよう、定期的なメンテナンスとモニタリングを行う。 |
それでは、こうしたプロセスを経てやっとできたAIシステムには、どのようなメリットがあるのでしょうか？
筆者
AIのメリットを、人間と対比してまとめてみました
| 項目 | 人力で行う場合 | AIで置き換える場合 |
|---|---|---|
| 安定性 | 熟練工のスキルや経験に依存し、個人差がある。 | 一貫した性能を発揮し、安定した運転が可能。 |
| 効率性 | 熟練工の経験により効率が変動。 | 大量のデータをリアルタイムで処理し、常に最適な操作を行う。 |
| 安全性 | 人間のミスや判断ミスによるリスクが存在。 | リスクを即座に検知し、適切な対策を講じることで安全性が向上。 |
| スキルギャップの解消 | 熟練工の退職や人材不足によりスキルギャップが発生。 | AIがスキルを継承し、人材不足や退職による影響を最小化。 |
| データの活用 | 経験に基づく判断が主。データ分析の限界がある。 | 膨大なデータを分析し、運転の最適化やトラブルシューティングの洞察を提供。 |
| 柔軟な対応 | 状況に応じた判断が必要で、迅速な対応が難しい場合もある。 | 様々な状況や変動に柔軟に対応し、迅速に適応。 |
| コスト | 熟練工の人件費がかかる。効率や安全性の変動によるコストも発生。 | 効率的な運転とトラブル予防でメンテナンスコストやエネルギーコストを削減。 |
| 継続的な改善 | 継続的な教育やトレーニングが必要。新しい技術の導入が難しい。 | 自己学習機能により、継続的に性能を改善。 |
| デジタルトランスフォーメーション | 人間の作業が中心で、デジタルトランスフォーメーションが進みにくい。 | DXを推進し、企業の競争力を高める。 |
筆者
個人的には、昨今の深刻な人手不足を考えると、自動化・標準化の恩恵は非常に大きいと考えています
人間とAIの役割分担
従来、人間によって行われてきたオペレーションをデジタル化するとき、その役割分担は悩ましいところです。
今回は、大体のAI化に当てはまるかたちで、論点と対比をまとめました。
以下の表に、AIと人間の役割を対比してまとめました。
| 項目 | AIの役割 | 人間の役割 |
|---|---|---|
| データ処理能力 | 大量データの迅速かつ正確な処理が得意 | データ処理に時間がかかるが、複雑な分析が可能 |
| 創造性と直感 | 限定的、主にデータに基づくパターン認識 | 高い創造性と直感による判断が可能 |
| 意思決定 | データドリブンな分析と予測に基づくサポート | 複雑な意思決定や不確実な状況での判断が得意 |
| 反復作業 | 正確に実行可能 | 集中力が続かず、エラーが発生する可能性 |
| 異常事態対応 | 事前にプログラムされた範囲内で対応可能 | 柔軟かつ即時に対応可能 |
| 学習と改善 | 運用中に得られるデータを基に継続的に学習・改善 | 経験と知識を基に継続的に学習・改善 |
| 倫理と判断 | 判断の自動化に利用されるが、倫理的判断は困難 | 倫理的判断や価値観に基づく意思決定が可能 |
AIと人間がそれぞれ得意とする分野を明確にすることが大事です。
筆者
多くの観点で、AIのほうが処理や正確性で優れています。しかし、倫理的判断は人間にて行われるべきです
それでは、どのような観点を考慮して判断されるべきでしょうか？
以下に、倫理的判断を行う際の留意点を表形式でまとめました。
| 留意点 | 説明 |
|---|---|
| 透明性と説明責任 | 判断のプロセスを透明にし、決定がどのように下されたかを明確にすること。 |
| 公平性と非差別 | 判断が特定の個人やグループに対して不公平な扱いをしないように注意すること。 |
| プライバシーの尊重 | 個人のプライバシーを尊重し、情報の取り扱いに慎重であること。 |
| 影響の評価 | 判断が社会や個人に与える影響を十分に評価すること。 |
| 法令遵守 | 判断が関連する法律や規制に準拠していることを確認すること。 |
| 倫理的基準の適用 | 社会的および職業的な倫理基準に基づいて判断を行うこと。 |
| 関係者の意見を尊重 | 判断に影響を受ける関係者の意見を聞き、その意見を尊重すること。 |
| 継続的な見直し | 判断が正しいかどうかを継続的に見直し、必要に応じて改善すること。 |
| 多様性の確保 | 判断に関与するチームの多様性を確保することで、異なる視点や価値観を取り入れること。 |
| リスク管理 | 判断に伴うリスクを評価し、適切に管理すること。 |
筆者
こういったことを守ることが、AIという強力な手段をポジティブな用途に利用するのに繋がります
誠実さと正直さを持ち、公平で尊重のある態度を心掛け、責任感を持って行動しましょう。
法令を守り、柔軟に学び、多様な意見を受け入れながら、リスクを意識して判断することが大切です。
これにより、倫理的で信頼される判断ができます。
まとめ
ENEOSとPreferred Networks (PFN)が川崎製油所で導入したAIシステムは、世界で初めての試みであり、非常に注目されています。
このシステムは、大量のデータをリアルタイムで処理し、常に最適な運転を行うことができる高度な技術です。
しかし、他社が同様に行うには超えるべきハードルがあります。
というのも、熟練工のノウハウをデジタル化するのは、暗黙の知識を形式化したり、多様な状況に対応したりすることは、多くのハードルがあるからです。
それでも成功すれば、運転の効率化や安全性の向上といった大きなメリットがあります。
AIを導入する際には、透明性、公平性、プライバシーの尊重、法令遵守などの倫理的な判断が重要です。
人間とAIが協力して、技術革新を進めるためにも、どのような倫理的判断が求められるかは、世界をまたいで議論をされていく課題だと、筆者は考えています。
筆者
こういったことを守ることが、AIという強力な手段をポジティブな用途に利用するのに繋がります
今回の自動運転に少し似た論点として、自動車の自動運転があります。こちらもご参照ください。
今日のキーワード
AIシステム
AIシステムは、大量のデータをリアルタイムで処理し、安定した自動運転を実現します。これにより、経済的で効率的な運転が可能になります。AI技術は、さまざまな分野での自動化と最適化を支援し、従来の手動操作に比べて正確性と効率性が大幅に向上します。(関連リンク: IBM – What is Artificial Intelligence)
デジタル化
熟練工のノウハウをデジタル化することで、効率的で安定した運転が実現します。デジタル化には多くの課題がありますが、大きなメリットもあります。具体的には、知識の共有や継承が容易になり、業務の標準化が進むと同時に、データ駆動型の意思決定が可能になります。(関連リンク: TechTarget – Digitalization)
データ処理
AIシステムは、センサーからのデータをリアルタイムで処理し、最適な運転を行います。これにより、運転効率が大幅に向上します。データ処理の精度とスピードは、AIの性能に直接影響を与えるため、質の高いデータの収集と処理が不可欠です。(関連リンク: SAS – Data Processing)
リアルタイム制御
AIシステムはリアルタイムでデータを処理し、運転を最適化します。これにより、変動する条件に迅速かつ柔軟に対応できます。リアルタイム制御は、運転の安定性と効率を維持するために重要な技術であり、多様な状況に対応する能力を提供します。(関連リンク: NI – Real-Time Control Systems)
センサー技術
センサー技術は、運転状況を正確に把握するために不可欠です。センサーは、温度、圧力、流量などのさまざまな運転パラメータを測定し、AIシステムに必要なデータを提供します。最新のセンサー技術は、高精度で耐久性があり、過酷な環境でも信頼性を発揮します。(関連リンク: TechTarget – Sensor)
モデル化
多くの複雑な因子を特定し、適切にモデル化することが、AIシステムの成功に不可欠です。高度なモデル化技術が必要です。これにより、システムの挙動を正確に予測し、最適な制御戦略を立てることが可能となります。モデル化は、AIシステムの性能と精度を左右する重要な要素です。(関連リンク: MathWorks – System Modeling)
データ品質
データの質を確保することが重要です。ノイズや欠損データがあるとAIの性能に悪影響を及ぼします。データ品質の管理は、信頼性の高いAIシステムの運用に不可欠であり、データのクリーニングと検証プロセスを含みます。(関連リンク: Towards Data Science – Data Quality Management)
ノウハウのデジタル化
熟練工の経験と知識をデジタル化することで、スキルギャップを解消し、安定した運転が可能となります。デジタル化により、知識が組織全体で共有され、効率的なトレーニングと教育が可能になります。また、退職や異動による知識の損失を防ぐことができます。(関連リンク: Forbes – Digitize Your Company’s Knowledge)
自動化
AIが複雑な制御を自動で行い、経済的で安定した高効率な運転を実現します。自動化により生産性が向上し、人間のエラーを減少させることができます。これにより、業務の効率化とコスト削減が期待されます。(関連リンク: UiPath – Robotic Process Automation)
データセキュリティ
AIが処理するデータのプライバシーを保護し、不正アクセスを防ぐためのセキュリティ対策が必要です。データセキュリティは、機密情報の保護やサイバー攻撃のリスクを軽減するために不可欠です。(関連リンク: CSO – Data Security)
リスク管理
AIシステムの導入に伴うリスクを評価し、適切に管理することが重要です。これにより、予期せぬトラブルを防ぐことができます。リスク管理は、システムの安定運用と信頼性の確保に欠かせないプロセスです。(関連リンク: Investopedia – What is Risk Management)
故障予知
AI技術を利用して設備の故障を予知し、事前に対策を講じることで、保安力を向上させます。故障予知により、運転の中断を最小限に抑え、効率的なメンテナンスが可能になります。(関連リンク: IBM – What is Predictive Maintenance)
予知保全
故障予知と関連し、設備の保全活動を事前に計画し、効率的な運転を実現します。予知保全により、メンテナンスのタイミングを最適化し、設備の寿命を延ばすことができます。(関連リンク: Noria – Reliability Centered Maintenance)
保安力強化
AIを活用してプラントの保安力を強化し、事故やトラブルのリスクを低減します。保安力強化は、安全な運転環境の維持と従業員の安全確保に寄与します。(関連リンク: Chemical Processing – Enhancing Plant Safety)
インシデント管理
AIを利用してインシデントを迅速に検知・対応し、影響を最小限に抑えます。インシデント管理は、運用の信頼性を高め、迅速な対応を可能にします。(関連リンク: Axelos – Incident Management)
サイバーセキュリティ
プラントのデジタルシステムをサイバー攻撃から保護するための対策が不可欠です。サイバーセキュリティは、システムの信頼性と機密情報の保護に重要な役割を果たします。(関連リンク: Cisco – What is Cybersecurity)
デジタルツイン
プラントの運転状況をリアルタイムでデジタルモデル化し、効率的な運用を支援します。デジタルツインにより、運転の最適化とトラブルシューティングが容易になります。(関連リンク: IBM – What is a Digital Twin)
筆者
用語集もぜひご覧ください
今日の英単語
筆者
ITは海外から来た用語が多いです。英語で理解できるようなりましょう
AI System
AI systems process large volumes of data in real-time, enabling stable autonomous operations. This technology allows for more economical and efficient operations compared to traditional manual controls, significantly improving accuracy and efficiency. (Related link: IBM – What is Artificial Intelligence)
Digitalization
By digitalizing the expertise of skilled workers, efficient and stable operations can be achieved. Despite the challenges, digitalization brings substantial benefits, including easier knowledge sharing and standardization across operations, enabling data-driven decision-making. (Related link: TechTarget – Digitalization)
Data Processing
AI systems process data from sensors in real-time, optimizing operations significantly. Accurate and speedy data processing is crucial to AI performance, making high-quality data collection and processing essential. (Related link: SAS – Data Processing)
Real-Time Control
AI systems process data in real-time, optimizing operations. This allows quick and flexible responses to changing conditions, ensuring stability and efficiency. Real-time control is vital for maintaining operational stability and adaptability. (Related link: NI – Real-Time Control Systems)
Sensor Technology
Sensor technology is crucial for accurately monitoring operational parameters such as temperature, pressure, and flow. Advanced sensors provide precise, reliable data even in harsh environments, essential for AI systems. (Related link: TechTarget – Sensor)
Modeling
Identifying and accurately modeling many complex factors is crucial for successful AI systems. Advanced modeling techniques allow for precise system behavior predictions and optimal control strategies, significantly impacting AI performance and accuracy. (Related link: MathWorks – System Modeling)
Data Quality
Ensuring high data quality is critical. Noise and missing data can negatively impact AI performance. Data quality management involves cleaning and validating data, crucial for reliable AI operations. (Related link: Towards Data Science – Data Quality Management)
Digitalizing Expertise
Digitalizing the experience and knowledge of skilled workers bridges skill gaps, enabling stable operations. Digitalization facilitates knowledge sharing across the organization, allowing efficient training and preventing knowledge loss due to retirements or transfers. (Related link: Forbes – Digitize Your Company’s Knowledge)
Automation
AI automates complex controls, enabling economical, stable, and highly efficient operations. Automation increases productivity and reduces human errors, leading to more efficient operations and cost savings. (Related link: UiPath – Robotic Process Automation)
Data Security
Protecting the privacy of data processed by AI and preventing unauthorized access requires robust security measures. Data security is essential to protect sensitive information and reduce the risk of cyber-attacks. (Related link: CSO – Data Security)
Risk Management
Evaluating and managing the risks associated with AI system implementation is crucial. Effective risk management prevents unexpected issues and ensures stable and reliable operations. (Related link: Investopedia – What is Risk Management)
Predictive Maintenance
Using AI to predict equipment failures and take preemptive measures enhances safety. Predictive maintenance minimizes operational interruptions and allows for efficient maintenance planning. (Related link: IBM – What is Predictive Maintenance)
Reliability-Centered Maintenance
Closely related to predictive maintenance, it involves planning maintenance activities in advance to ensure efficient operations. Reliability-centered maintenance optimizes maintenance timing and extends equipment lifespan. (Related link: Noria – Reliability Centered Maintenance)
Enhanced Safety
Utilizing AI to enhance plant safety reduces the risk of accidents and incidents. Enhanced safety measures contribute to maintaining a safe operational environment and ensuring worker safety. (Related link: Chemical Processing – Enhancing Plant Safety)
Incident Management
AI detects and responds to incidents quickly, minimizing their impact. Effective incident management improves operational reliability and enables prompt responses to issues. (Related link: Axelos – Incident Management)
Cybersecurity
Protecting digital systems in plants from cyber-attacks is essential. Cybersecurity measures are crucial for maintaining system reliability and protecting sensitive information. (Related link: Cisco – What is Cybersecurity)
Digital Twin
Creating a real-time digital model of plant operations supports efficient management. Digital twins optimize operations and facilitate troubleshooting by providing accurate real-time data. (Related link: IBM – What is a Digital Twin)
Real-Time Monitoring
Utilizing sensors and AI for real-time monitoring of plant conditions ensures quick detection of anomalies. Real-time monitoring is vital for maintaining operational stability and safety. (Related link: GE – Benefits of Real-Time Monitoring)
