Applied Computing

一座煉油廠裝了幾萬個感測器，但實際拿來做決策的資料據該公司說法不到 8%。Applied Computing 的 Orbital 想把剩下那 92% 用起來——而且它的預測必須通過質量守恆與反應動力學的檢驗，不能只是統計上看起來合理。

功能特色與適用場景

Orbital 由三個模型疊在一起。時間序列模型接上控制系統與資料歷史庫（data historian），預測趨勢並偵測異常；物理模型負責把關，確保預測結果符合質量平衡、能量守恆與反應動力學——這是它跟一般工業 AI 最大的差別；語言模型則以化學工程知識訓練，可解讀廠內文件並提出行動建議。目標客戶是管理關鍵基礎設施的能源業者，特別是石油、天然氣、煉油與石化廠。公司總部在英國倫敦、採遠距優先，創辦人為帝國理工學院校友，前殼牌 AI 專案負責人 Dan Jeavons 擔任總裁，已完成 900 萬英鎊的種子輪募資。

適合煉油、石化與天然氣廠的製程工程與營運部門。台灣的石化業（中油、台塑集團體系）正好是這類技術的典型場景——設備老、資料多、經驗知識綁在資深工程師身上。這個產品最值得注意的設計是「物理模型當守門員」：純資料驅動的模型在製程工業一直不被信任，因為它可能給出違反物理的建議，工程師不敢照做。用物理約束把 AI 的輸出限制在合理範圍，這才是讓工程師願意採納的關鍵。

主要功能

• 時間序列模型：串接控制系統與資料歷史庫做趨勢預測
• 物理模型：確保預測符合質量平衡、能量守恆與反應動力學
• 語言模型：以化工知識訓練，解讀廠內文件並建議行動
• 異常偵測與早期預警
• 面向煉油、石化與油氣製程的專用設計

常見用途

• 煉油與石化製程的參數最佳化
• 設備異常的早期偵測
• 廠內技術文件的知識檢索
• 營運安全與效率的持續改善