核工業是否應該推廣機器學習和人工智能，以便更好地管理其資產基礎?有專家認為，該行業應用數字技術沒有那么復雜。

1、數字化技術

機器學習可以幫助核工業降低其資產管理成本

過去，核工業一直對數字解決方案和人工智能的推廣使用持謹慎態度。

該行業的擔憂，包括安全方面內容，數字技術快速發展，確保系統在核裝置的長壽命內不會過時的必要性考慮。

也有人認為，該行業應該積極引進數字化技術。

薩姆·斯蒂芬斯表示，數字化方法可以幫助該行業降低其資產管理成本。

斯蒂芬斯領導阿特金斯及其母公司SNC-Lavalin的數字化轉型。

但他表示，核能的創新基礎將使其能夠從機器學習和人工智能(ML/AI)中獲益，因為：“核工業的主要因素是，我們致力于使用的最佳可用技術。”

他表示，隨著數字解決方案的成熟和在其他行業的廣泛應用，過去10年或20年該技術已經取得了一些進展。因此，“如果核工業不采用它們，就無法利用其技術。”

斯蒂芬斯認為，與此同時，隨著電力行業的變化，電力行業必須確保在技術或經濟上不處于劣勢。

他說：“我們正在運行的能源系統正變得越來越動態，越來越數字化。”

同時，對低碳電力供應的需求，使得核電機組以最佳的環境運行，并將電廠停機時間降至最低變得更加迫切。

2、改進安全案例

日本東京電力公司使用一款名叫“迷你翻車魚”(Little Sunfish)的水下機器人，
調查福島第一核電站3號機組反應堆安全殼內聚積的核污水情況，
旨在找出熔落的廢棄核燃料的具體位置和形狀，為核廢料取出方案收集信息。

斯蒂芬斯表示，核能對安全的關注意味著，在某些活動中已經取得的收益超過了成本：“通過在現場采用數字化方法，我們看到了讓人們遠離危險并減少其風險暴露的機會。(我們)還可以確定更有效的方法和更好的策略，以優化我們的工作方式和我們的工作內容。”

哪些應用程序已經可以為核部門帶來好處?

斯蒂芬斯舉了機器視覺的例子：“我們正在從現場捕獲大量的照片和視頻。利用這些數據集，我們可以使用機器學習算法來識別任何潛在或常見的缺陷。”

操作員將機器人發送到已知水位最高的3號反應堆的安全殼內。
機器人通過連接到安全殼的管道進入反應堆內部。
通過在反應堆內拍攝圖像調查內部結構損壞情況，并在被毀壞的反應堆內找到燃料。

目前，必須進入放射性區域的工人巡檢，可以完全自動化，每天使用機器人或無人機對路線進行成像，并使用機器學習算法將任何變化或異常情況提請人類專家注意。

這樣的應用程序可以在不與其他工廠系統連接的情況下實現，因此實現的風險較低，“這是我們認為的理想的第一個用例”，他說。

對于這種用途，斯蒂芬斯反對過度謹慎：“考慮到核電站的壽命有限，你越早開始投資這些類型的方法，你能從中獲得的價值就越大，”他說，并指出，現在的投資比10年后更容易，因為在10年后，核電站的剩余壽命較低。

其他類似的“自給自足”選項包括，規劃和使用人工智能優化停電和一般交付的計劃表和時間表。

當然，項目管理軟件已經存在很長時間了，他說，“當你考慮項目計劃以及大量潛在的獨立依存關系和制約因素時，人工智能為你提供了一個機會，讓你可以考慮比人腦更多的不同場景。

然后你可以利用它來幫助確定最佳場景，從而提前完成你的計劃。

”此外，它可以將規劃和項目管理軟件與其他類型的信息結合在一起，如對工廠和所部署資源的三維理解。

取得成功的第三個機會是使用現有數據池。

斯蒂芬斯解釋道，“許多工廠一直在通過企業資產管理系統收集數據。我們看到的機會首先是如何使用AI/ML來發現趨勢”。

這可能意味著某個地點或設備的變化，也可能意味著許多工廠可能出現的共同趨勢。

最后，斯蒂芬斯指出，AI/ML可以幫助做出關于可能需要額外數據的決定。

隨著傳感器變得越來越便宜，AI/ML可以幫助規劃和優先考慮公司在何處放置傳感器，以預測工廠問題并減少停機時間。

3、專業技能替換

人工智能能否取代長期服務的核工業成員的全面經驗?

斯蒂芬斯堅持認為，目標是建立伙伴關系。“我們采用技術都在研究如何提供工具，讓工廠里的人生活更輕松。”

他還認為，這是行業的未來證明，不會失去個人經驗。

“當你看到這個行業面臨的挑戰，尤其是技能方面的挑戰時，我們將越來越受到資源的限制。由于技能短缺，我們需要找到更高效、更不同的有效方法。在這方面，我們認為技術有幫助。”

核工業在創新方面面臨著一個特殊的挑戰，因為新的流程必須經過鑒定，因此獨立的用例更有可能快速回報。

在實踐中，斯蒂芬斯表示，這種推廣“取決于商業案例和風險偏好。你必須承認，有了這些新技術，商業案例就必須得到證明。如果它有五年或十年的投資回報，那么目前的管理層會認為“還不完全”。”

這意味著ML/AI和數字化倡導者必須“確定具有直接利益的用途，為我們增加進一步投資”。

即使工廠運營商很謹慎，他們可以在以后降低實施成本的一個方法是考慮數據管理。

SNC-Lavalin正在確保其從核設施獲取的所有數據都是結構化的，以便隨時獲得服務見解。

他說，“當你擁有結構化和可用的數據，并且隨著數量的增加，這就增加了使用數據分析的機會。在你能夠利用一些更智能的數據分析流程之前，這需要首先到位。”

4、數據安全

伊朗布什爾核電站曾遭“震網”(Stuxnet)蠕蟲病毒攻擊。(圖源：新華/路透)

有充分的理由，核工業對數據安全非常保守和嚴格。

然而，隨著數據行業的成熟，核能公司能夠在保持安全的同時，跟隨其基礎設施同行做出更靈活的安排。

例如，斯蒂芬斯表示，核能將不得不跟隨其他行業轉向基于“云”的解決方案，可以安全地做到這一點，他說：“這是一個不可避免的舉措，因為許多軟件提供商越來越多地將解決方案放在“云”上，而不是像傳統上那樣放在服務器上。

這是行業需要接受的改變。有觀點認為，可以通過這些設施提高安全性。”

近幾年，核能行業的態度開始改變。

“新冠肺炎流行是一個巨大的轉變，因為許多運營商發現他們依賴于微軟團隊和基于“云”的解決方案來支持正在進行的工作。這是我們發現新冠肺炎流行確實加速發展的一個領域。”

現在，他說，“一些可用的新技術使我們能夠更快、更靈活地開發解決方案。當然，它必須進行網絡安全風險評估。”

基于“云”的系統也提供了一些未來證明，他說：“許多客戶對供應商鎖定越來越緊張。簽署解決方案意味著未來基本供應商方面的轉換成本可能會過高。我們正在研究他們的結構和數據管理標準，從而提高系統之間的可移植性。采用基于‘云’的方法，不太可能被鎖定在一個供應商。”

這些逐步使用數據和更靈活的方式，例如使用“云”，需要監管部門的認可。

斯蒂芬斯表示，監管考慮也將逐步進行，“這是一件有助于人類做出更好決定的事情，而另一件事是依靠這些來確保核安全”。

從監管角度看，離依靠AI/ML發現潛在問題還有相當長的一段時間。這是技術成熟度和行業內采用成熟度的結合。

要做到這一點，需要有非常強大的技能基礎，需要有人理解和使用它，需要有很多使用它的經驗和一些教訓。

5、數字孿生的作用

目前，所謂的“數字孿生”是能源行業的流行語，但斯蒂芬斯表示，這個短語對不同的人來說意味著不同的事情。

“數字孿生可以是任何東西，從代表當前狀況的設施的激光掃描，到更像勞斯萊斯(Rolls-Royce)或通用電氣將使用的噴氣發動機，在那里你有一個完全連接的工廠，并與運營商共享實時數據。”

在核領域，他認為核生命周期的三個關鍵階段——新建、運營和退役——每個階段都得益于數字孿生，“但在生命周期的每個部分都會有不同的味道。”

他解釋道，“我們看到低成熟度的數字孿生支持遺留資產的主要計劃管理。對于新的構建，它實際上是圍繞著如何設置支持運營的策略，同時在設計和構建中捕獲數據，以在整個生命周期內保持該價值。在運營資產中，它是關于支持工廠運營的策略。”

他補充道：“我們預計這些資產將與虛擬表示更加緊密相連。這是一個我們看不到會消失的長期趨勢。”

這不僅適用于裂變，聚變行業也在進行一些試探，“我們與一些融合項目進行了非常密切的合作，因為為了確保工廠能夠正常運行，越來越多的測試、分析和模擬需要在硅中進行，而不是在工廠上進行。隨著資產變得更加復雜，他們需要數字解決方案來設計和建造它們。”