Applied Computing

Naka-install ang sampu-libong sensors sa isang oil refinery, pero ayon sa kumpanya, mas mababa sa 8% ang aktwal na ginagamit para sa paggawa ng desisyon. Gustong gamitin ng Orbital ng Applied Computing ang natitirang 92%—at ang mga hula nito ay kailangang pumasa sa mass conservation at reaction kinetics, hindi lang sa statistical sense.

Mga Feature at Use Cases

Binubuo ang Orbital ng tatlong models na nakasalansan. Ang time series model ay kumokonekta sa control system at data historian para mag-forecast ng trends at maka-detect ng anomalies; ang physics model naman ang nagsisilbing guwardiya para matiyak na ang mga hula ay sumusunod sa mass balance, energy conservation, at reaction kinetics—ito ang pinagkaiba nito sa karaniwang industrial AI; ang language model ay sinanay gamit ang chemical engineering knowledge para magbasa ng plant documents at magbigay ng action recommendations. Ang target customers ay mga energy companies na namamahala ng critical infrastructure, lalo na ang oil, gas, refinery, at petrochemical plants. Naka-headquarters ito sa London, UK, remote-first, founded ng Imperial College alumni, at pinamumunuan ng president na si Dan Jeavons (dating Shell AI project head). Nakakompleto na sila ng £9M seed funding.

Angkop sa process engineering at operations departments ng refineries, petrochemical, at gas plants. Ang mga kumpanya tulad ng CPC at Formosa Plastics Group sa Taiwan ay tipikal na halimbawa ng ganitong industriya—lumang kumpanya, maraming datos, at ang karanasan ay nakatali sa mga senior engineer. Ang pinaka-kapansin-pansing disenyo ng produktong ito ay ang "physics model bilang gatekeeper": ang pure data-driven models ay madalas hindi pinagkakatiwalaan sa process industries dahil maaari silang magbigay ng mga rekomendasyong lumalabag sa physics, kaya natatakot ang mga engineer na sundin ito. Ang paglimita sa AI output gamit ang physics constraints sa loob ng makatwirang saklaw ang susi para maging handa ang mga engineer na tanggapin ito.

Pangunahing Features

• Time series model: Nag-i-interconnect sa control systems at data historians para sa trend forecasting
• Physics model: Tinitiyak na ang mga hula ay sumusunod sa mass balance, energy conservation, at reaction kinetics
• Language model: Sinanay sa chemical engineering knowledge para magbasa ng plant documents at magbigay ng rekomendasyon
• Anomaly detection at early warning system
• Espesyal na idinisenyo para sa refinery, petrochemical, at oil & gas processes

Mga Karaniwang Paggamit

• Parameter optimization para sa refinery at petrochemical processes
• Maagang pagtuklas ng mga depekto sa equipment
• Knowledge retrieval para sa internal technical documents
• Patuloy na pagpapabuti ng operational safety at efficiency