陶氏化學是美國最大（全球第三大）的化學品制造公司，市值為 382 億美元。
陶氏2021年年度報告顯示，公司凈收入約為64億美元，凈銷售額為550億美元。截至2021年12月31日，該公司在全球擁有35,700名員工。
陶氏成功部署了早期的人工智能項目，以解決有意義的商業(yè)問題。 此外，這些部署為未來更大規(guī)模的組織轉(zhuǎn)型奠定了基礎，最近的營銷產(chǎn)品和陶氏領導層的聲明也證實了這一點。
本文特別研究了陶氏化學當前的兩個使用案例，它們展示了當前人工智能計劃如何支持公司的業(yè)務目標：
聚氨酯配方匹配的自動化和預測性：陶氏利用機器學習和預測分析來開發(fā)定制適合每個客戶的聚氨酯產(chǎn)品。
檢測密封部位是否泄漏：陶氏化學使用計算機視覺和機器學習來檢測其化工廠的密封部件有沒有泄漏。
我們首先仔細研究陶氏化學如何使用人工智能開發(fā)定制聚氨酯產(chǎn)品，例如泡沫和半硬質(zhì)塑料。
使用案例 1：聚氨酯配方匹配自動化
陶氏尋求一種解決方案來加快新產(chǎn)品開發(fā)的研發(fā)過程，例如為各個行業(yè)開發(fā)泡沫和半硬質(zhì)塑料。
陶氏在其公司網(wǎng)站上列出了其工廠生產(chǎn)的各種聚氨酯產(chǎn)品。 這些產(chǎn)品包括：
● 聚氨酯添加劑，適用于各種應用，例如鞋類、床墊、汽車內(nèi)飾和噴涂泡沫絕緣材料
● 節(jié)能泡沫，用于冷藏解決方案，例如家電、絕緣金屬板和冷藏運輸
● 防滑噴霧，用于運輸?shù)孛娼鉀Q方案
● 用于回收應用的粘合劑
● 可粘合和粉碎的材料，例如橡膠
陶氏研發(fā)副總裁David Parrillo解釋道：“沒有兩個客戶會購買相同的產(chǎn)品，這意味著我們必須準確地針對每個客戶的需求進行配制和定制。"
據(jù)稱，在實施微軟的解決方案之前，陶氏需要咨詢很多資深制造工程師，每位專家都需要長達六個月的咨詢期?？蛻粢庖?、科學調(diào)查和研究據(jù)稱都是人工完成的。 此外，公司向其科學家提供的陳舊的研究工具導致了更多工作量和更具挑戰(zhàn)性的過程。
為了實現(xiàn)加速和自動化聚氨酯配方匹配的總體業(yè)務目標，陶氏與Microsoft Azure機器學習團隊合作。 這個想法是要產(chǎn)生一種自動化的解決方案，可以為陶氏的科學家提供更快、更可行的解決方案。
根據(jù)微軟的說法，訓練模型涉及輸入“團隊所有先前獲得的知識、專業(yè)技術(shù)和有關客戶先前聚氨酯配方的記錄”。訓練后的模型使用這些數(shù)據(jù)，運行算法，并為每個客戶生成定制的產(chǎn)品配方。遺憾的是，該聲明沒有提供太多細節(jié)來說明陶氏研究團隊向最終用戶提供了哪些具體數(shù)據(jù)。然而，這些數(shù)據(jù)可能包括聚氨酯樣品數(shù)據(jù)（例如，剛度水平、壓縮/變形 PSI等）以及與客戶相關的數(shù)據(jù)（例如，性別、年齡、購買歷史等）。
微軟和陶氏都沒有提供有關最終用戶與軟件交互的具體細節(jié)。 雖然我們無法從當前可用的公共信息中準確確定最終用戶的工作流程會如何變化，但我們?nèi)钥梢宰龀鲆恍┏ＷR性推測。
假如微軟先前關于陶氏在聚氨酯裝配方面缺乏自動化的聲明是完全準確的，我們可以推斷其研究科學家的工作流程可能發(fā)生了巨大變化。例如，微軟表示，陶氏的新解決方案可以“在幾秒鐘內(nèi)”對數(shù)百萬種可能的擬合組合進行分類，并給出實驗范圍的建議。
在其關于陶氏的客戶事例中，微軟聲稱其解決方案“從根本上改變了傳統(tǒng)流程”，稱其針對陶氏的解決方案是更大的數(shù)字化轉(zhuǎn)型的一部分。
微軟提供了一個例子，雖然有可能夸大了，但或許會使我們對所做的改變有一些了解：
“例如，客戶可能會向陶氏化學尋求一種聚氨酯配方來制造特別柔軟的床墊。在機器學習之前，這將是一個漫長的人工過程的開始。 科學家們會坐在實驗室長凳上，翻閱教科書和過去工作的存檔記錄，以指導他們的實驗來找到新的配方?！?
如果微軟的上述陳述是可信的，我們可以假設它的解決方案至少取代了一些人工調(diào)配聚氨酯配方的過程。
客戶稱，陶氏能夠大幅縮短研發(fā)定制聚氨酯產(chǎn)品所需的時間，并報告稱過去需要科學家和資深制造工程師們4到6個月的工作可以“在幾秒鐘內(nèi)完成” 。”
使用案例 2：檢測遏制泄漏
根據(jù)微軟關于該公司所述，陶氏化學制定了在其制造工廠實現(xiàn)零安全相關事故的目標。 陶氏關注的事件類型之一是化學品泄漏。
陶氏化學公司最近一次公布的泄漏發(fā)生在今年4月，當時路易斯安那州的一家工廠發(fā)生火災，導致氯氣泄漏。此類安全事件使陶氏這樣的傳統(tǒng)工業(yè)公司在金錢和聲譽上都付出了代價。
陶氏再次與微軟及其Azure團隊合作以實現(xiàn)這一目標。作為回應，微軟建議將其Video Analyzer軟件作為全面解決方案的一部分。
目前尚不清楚陶氏用什么數(shù)據(jù)來訓練其模型。 最有可能的是，訓練數(shù)據(jù)包含多個標記的泄漏圖像 - 以及沒有泄漏的設施的圖像。很顯然，他們使用了圖像分類：
● 提供圖像并進行訓練，以識別所述圖像與人類設計的概念之間的關系，如泄漏危險。
● 提供來自24/7攝像機的輸入數(shù)據(jù)，然后通過Video Analyzer軟件算法進行推理。
● 如果算法檢測到泄漏，邊緣設備會通過電子郵件、語音或短信呼叫向客戶發(fā)送警報。
