德克萨斯州塔图姆似乎不是人工智能 (AI) 革命最明显的地方，但 2020 年 10 月，这确实发生了。 当时，瑞致达旗下马丁湖发电厂的运营经理 Wayne Brown 构建并部署了热效率优化器 (HRO)。
“热耗率”是工厂热效率的衡量标准，即产生每单位电力所需的燃料量。 为了达到最佳热耗率，工厂操作员持续监控和调整数百个变量或蒸汽温度、压力、氧气水平和风扇速度等“设定点”。
对于任何操作员来说，要 100% 正确完成任务都非常困难，因此瑞致达认为人工智能可以提供帮助。
合作创新
怀着这一目标，韦恩和他的团队与麦肯锡团队合作，其中包括来自麦肯锡 QuantumBlack AI 的数据科学家和机器学习工程师，构建了一个多层神经网络模型，本质上是一种由人工智能驱动的算法，可以了解效果 复杂的非线性关系。
该模型分析了工厂两年的数据，并了解外部因素（例如温度和湿度）和内部决策（例如操作员控制的设定点）的组合将优化算法并获得最佳热效率 在任何时间点。
瑞致达团队成员提供了有关工厂复杂工作方式的持续指导，并确定了来自传感器的关键数据源，这帮助麦肯锡工程师完善了模型，添加和删除了变量，以了解这些变化如何影响热耗率。
通过这个训练过程，并通过引入更好的数据，模型“学会”做出更准确的预测。 当模型的准确度达到 99% 或更高并通过一系列严格的现实测试时，麦肯锡的机器学习工程师团队将它们转换为人工智能驱动的引擎。 每 30 分钟就会为操作员提供建议，以提高工厂的热效率。 在与瑞致达所有领导一起审查 HRO 的会议上，该公司敖德萨工厂经验丰富的运营经理劳埃德·休斯 (Lloyd Hughes) 表示：“我花了 20 年的时间才了解这些发电厂的一些事情。 这个模型花了一个下午就学会了。”
有了这种触手可及的力量，韦恩和他的团队可以做出更好、更明智的决策。 根据 HRO 建议采取行动，Martin Lake 在运行短短三个月后，运行效率提高了 2% 以上，每年节省 450 万美元，并减少了 34 万吨碳排放。 这一碳减排量相当于减少了 66,000 辆汽车的行驶量。1 如果这听起来不是很多，请考虑一下：建造燃气发电厂的公司在四到五年内投资数百万美元用于研发，以减少碳排放。 发电效率提高百分之一。 瑞致达利用其已有的数据和设备，仅用二十分之一的时间就达到了这一改进水平。2
此后，Vistra 将 HRO 推广到 26 个工厂的另外 67 个发电装置，效率平均提高了 1%，并节省了超过 2300 万美元。 与其他人工智能举措一起，这些努力帮助瑞致达每年减少约 160 万吨碳，占其 2030 年剩余碳减排承诺的 10%。 这相当于抵消一座 500 兆瓦燃煤电厂排放量的约 50%。
马丁湖发生的事情在瑞致达其他数十座发电厂也发生过，该公司的机组中部署了 400 多个人工智能模型（并且还在不断增加），以帮助运营商做出更好的决策。 它还反映了瑞致达人工智能转型的一个核心特征，即它不是一个巨大成功的故事，而是数十项有意义的改进滚雪球般的故事，为加速可持续和包容性增长提供了巨大的价值。 这也是一个组织如何构建一种方法来快速扩展整个业务中每一个成功的人工智能解决方案的故事。 这是一个关于持续改进文化与强大的人工智能建模功能如何帮助领导者和工厂操作员比以往更好地完成工作的故事。
瑞致达在大约一年的工作中获得了超过 6000 万美元的资金，另有 4000 万美元的进展正在进行中，瑞致达正在顺利实现已确定的 EBITDA 250-3 亿美元的路线图和每年超过 200 万吨的碳减排。 瑞致达人工智能驱动的进步预示着电力行业在效率、可靠性、安全性和可持续性方面的改进。 如果 HRO 为美国发电行业的所有燃煤和燃气电厂带来 1% 的效率提升，那么每年将减少 1500 万吨碳排放，相当于退役超过 100 万吨碳。 两座大型煤电厂或种植约3700万棵树。 这意味着向依赖电力的医院、学校和企业提供电力所需的燃料更少。 人工智能也有可能为可再生能源带来类似水平的改进，使其成为更具成本效益和吸引力的能源选择。
AI 之旅的转折点
瑞致达的健康怀疑态度和重行动轻言辞的文化意味着人工智能之旅中最大的障碍不是技术：而是人。 瑞致达领导层和运营经理需要了解人工智能可以做什么，并确信它确实有效。
正是这种根深蒂固的持续改进文化，加上竞争激烈的市场和对可持续发展的承诺，让瑞致达的领导层确信他们需要给人工智能一个机会。
看到真正的可能性
第一个问题相对简单：“人工智能如何帮助改善瑞致达发电方式？”
当瑞致达 50 名高层领导参加麦肯锡主办的研讨会时，这个问题的答案浮出水面。 在多个会议中，专家们解释了人工智能的工作原理，详细介绍了其他公司如何使用分析和人工智能来创造价值的案例研究，并现场演示了技术，包括数字化工作流程和机器学习。 来自各个领域的分析领导者（包括 Amazon、Falkonry、Element Analytics 和 QuantumBlack、麦肯锡 AI 以及来自风险投资界的 G2VP）提供了有关 AI 如何运作的见解和示例。
“我看到了一个冶金工厂如何使用人工智能帮助其操作员优化设定值的例子，这对我来说很有吸引力，”瑞致达拉马尔发电厂的工厂经理 Patrick“Cade”Hay 回忆道。 “我看到了如何将其转化为帮助我更有效地运营自己的工厂。 这是我灵光一现的时刻。”
公司领导和工厂经理仔细研究了工艺流程图和工程图，以确定痛点和机会。 这项练习使他们能够首先关注发现价值所在，然后关注需要哪些技术来实现价值。 许多运营机会都围绕产量和能源优化以及预测性维护，根据我们的研究，这是制造业的顶级人工智能用例。
会议结束时，瑞致达制定了一项战略，开发一系列人工智能解决方案，这些解决方案可以获得 250-3 亿美元的潜在 EBITDA，同时帮助该公司实现 2030 年的减排目标。
