Китайская промышленность оказалась перед непростой задачей: нужно экономить воду, сокращать выбросы углерода и беречь реки с озерами, но так, чтобы это не разорило предприятия. Двое исследователей из Института технологических процессов при Китайской академии наук, Юэхун Чжао и Хунбинь Цао, предложили необычный выход — объединить физику процессов и компьютерные алгоритмы. Они создали гибридные модели, которые описывают, как заводы используют и очищают воду и сколько при этом выбрасывают парниковых газов. А затем построили оптимизационную модель — своего рода суперконструктор, который ищет самый выгодный баланс между водой, углеродом и деньгами.

Когда решаешь такую оптимизационную задачу, на выходе получаешь готовый маршрут: как одновременно сберечь воду и снизить выбросы с наименьшими затратами. Объясняет Чжао, который вел эту работу: такой подход дает ценную информацию для управления водными сетями в промышленных парках — там, где рядом работает много заводов.

Подробности опубликованы в издании Water & Ecology.

Ученые глубоко изучили, как на практике устроены типовые процессы водопользования, очистки стоков и повторного использования воды в индустриальных парках. Их гибридный метод соединяет точное знание физики процессов с приемами машинного обучения. Это позволяет модели сохранять понятность и хорошо работать даже на малом количестве обучающих примеров. Хунбинь Цао считает, что это — реальный способ продвинуть технологии искусственного интеллекта в промышленности. Правда, он честно признает: стройной теории и методики для такого гибридного моделирования пока нет. Главная головоломка — как выбрать ту самую физическую формулу и подружить ее с алгоритмами.

На основе готовых моделей единиц оборудования и знаний предметной области построили оптимизационную модель всей надстройки. В нее заложили все возможные технологии, связи между ними и ограничения, чтобы потом найти лучшее решение. Чжао делится деталями: применялись детерминированные алгоритмы оптимизации — они гарантируют глобальный лучший вариант при минимальной стоимости воды. На конкретном примере они создали многоуровневый метод оптимизации водопользования для промпарков и даже разработали работающий софт, который уже внедрен в сталелитейных компаниях.

Цао добавляет:

Эта система позволяет подобрать вариант, который устраивает всех — и отдельный завод, и парк в целом, плюс соблюдает баланс между экономической выгодой и влиянием на природу.

Анализ стоимости: насколько технология доступна

Само исследование — чисто вычислительное, и его прямая стоимость невелика (зарплата ученых, машинное время). Но итоговая ценность — в софте для оптимизации. Разработчики сделали практический инструмент, который уже опробован на металлургических заводах. Для крупного промышленного парка такой софт окупается быстро за счет экономии воды и снижения штрафов за выбросы. Для маленькой компании покупка и настройка могут оказаться дороговаты — вероятно, потребуется консалтинг специалистов. Однако поскольку авторы декларируют минимальную стоимость водопользования как критерий оптимизации, программа сама ищет дешевые пути. Со временем, если инструмент станет публичным или облачным, доступ к нему сможет получить любой инженер.

Что было раньше

До этого исследования промышленная оптимизация обычно шла по одной из двух дорог: либо чисто физические модели (точно, но сложно и требует много данных), либо чистые нейросети (легко, но непонятно, почему они выдают такой ответ). Авторы сами признают, что системной теории гибридного моделирования пока нет. Они впервые показали рабочую схему, как на практике скрестить физику и машинное обучение для водно-углеродного баланса конкретно в промпарках. Плюс сделали реальный софт. Это переход от лабораторных экзерсисов к инженерному инструменту.

Этичность и возможный вред

С этической точки зрения работа безупречна: она направлена на снижение вреда природе и экономию ресурсов. Вред может возникнуть при неправильном применении. Например, если менеджмент завода слепо доверится оптимизатору и сократит резервные мощности, при аварии сбросы могут стать катастрофическими. Другой риск: погоня за минимальной стоимостью воды способна подтолкнуть к выбору дешевой, но грязной технологии, которая нанесет больше вреда экосистеме реки, просто в модели это не учтено достаточно детально. Авторы говорят о балансе, но точная чувствительность к экологическим весам в модели не раскрыта.

Когда разработка станет доступной

Для обычного человека или инженера с малого завода — пока нет. Авторы не пишут об открытых исходных кодах или публичном облачном сервисе. Вероятно, чтобы испытать инструмент, придется заключить договор с Институтом технологических процессов КАН либо ждать, пока разработка выйдет в виде коммерческого или свободного ПО. Реалистичный срок — от полугода до двух-трех лет, если появится спрос со стороны промышленности.

Сравнение с аналогами

Лидерство авторов — в интеграции всего сразу (вода + углерод + экономика) с возможностью работать на ограниченных данных. Слабый аналог — отсутствие сравнения скорости работы на больших промпарках.

Критика исследования

Главный подвох кроется в фразе «детерминированные алгоритмы оптимизации гарантируют глобальный лучший вариант». Звучит красиво, но на практике реальные промышленные сети — это нелинейные системы с разрывами и невыпуклыми ограничениями. Гарантировать глобальный оптимум в такой задаче может только полный перебор, который для сотен переменных невозможен. Авторы не уточняют, какую именно схему оптимизации они применили (ветви и границы, отжиг, динамическое программирование?). Скорее всего, они нашли локальный оптимум, но называют его глобальным. Второй подвох: работа основана на „глубоком понимании механизмов“, но это понимание есть только у авторов. Внедрить метод на другом парке без их участия пока сложно — нет четкого протокола, как именно выбирать физическое выражение для гибрида с нейросетью. Авторы сами это признают.

Ранее ученые выяснили, есть ли жизнь в почве возле заводов.