Ķīmijas rūpniecība: rūpnīcu modernizācijas, energoefektivitātes, ražošanas stratēģiju un atrašanās vietas lēmumu matemātiska optimizācija ar mākslīgo intelektu
Kapitāla piešķiršana no prioritāšu noteikšanas līdz matemātiskai optimizācijai
Uzņēmumi parasti nosaka projektu prioritātes, pamatojoties uz biznesa gadījumiem, klasifikāciju un komitejas lēmumiem. Šāda pieeja šķiet racionāla, taču tajā netiek ņemta vērā visa lēmumu pieņemšanas telpa.
Jau tagad ir vairāk nekā 1 miljards iespējamo portfeļa kombināciju 30 projektiem un vairāk nekā 1 kvadriljons 50 projektiem. Ar tradicionālajām metodēm nav iespējams pilnībā novērtēt šo telpu. Tās izvēlas ticamu risinājumu, bet ne vienmēr optimālo.
Projektu portfeļa optimizācijas mākslīgais intelekts aprēķina optimālo projektu portfeli, ņemot vērā jūsu reālos ierobežojumus, tostarp budžetu, resursus, risku un stratēģiskās pamatnostādnes. Rezultāts ir saprotams, matemātiski pamatots pamats lēmumu pieņemšanai par kapitāla piešķiršanu.
Lēmumu pieņēmējiem tas nozīmē strukturālu atšķirību: lēmumi vairs nav balstīti uz aproksimāciju, bet gan uz aprēķinātu optimizāciju.
Sākuma punkts: pilns ieguldījumu saraksts pirms faktiskā lēmuma pieņemšanas
Šīs jaunās aprēķinu metodes izšķirošā atšķirība ir tās piemērošanas laiks: tā netiek izmantota apstiprināšanai pēc lēmuma pieņemšanas, bet pirms faktiskā lēmuma pieņemšanas, pamatojoties uz uzņēmuma pilnu ieguldījumu un projektu sarakstu.
Parasti ir potenciālo CAPEX projektu saraksts - piemēram, rūpnīcu modernizācija, IT pārveidošana, produktu attīstība, Infrastruktūras pasākumi vai efektivitātes programmas. Tajā pašā laikā ir noteikti ierobežojumi, piemēram, ierobežots kopējais budžets, ierobežotas inženiertehniskās iespējas, Ražošanas logi, riska budžeti un stratēģiskie pamatnosacījumi.
Tieši šeit rodas īsta lēmumu pieņemšanas problēma: ne visus projektus var īstenot. Tāpēc jautājums nav šāds kuri projekti atsevišķi šķiet jēgpilni, bet gan to, kura šo projektu kombinācija veido globāli optimālo kopējo portfeli, ņemot vērā dotos ierobežojumus.
Tāpēc jaunā aprēķinu metode nevērtē atsevišķus projektus izolēti, bet aprēķina no pilna projektu saraksta optimālo portfeli, ņemot vērā visus budžeta, jaudas, riska un stratēģijas ierobežojumus. Rezultāts ir matemātiski pamatots Rezultāts ir matemātiski pamatota to projektu atlase, kas kopā rada maksimālo kopējo vērtības devumu - pirms tiek pieņemts faktiskais lēmums par investīcijām. Novirzes no aprēķinātās optimālās sākuma pozīcijas tiek veiktas, skaidri redzot radušās alternatīvās izmaksas un to kvantitatīvi izmērāmo ietekmi uz kopējo portfeļa vērtību.
Tas pārvērš CAPEX plānošanu no secīga atlases procesa par konsekventu portfeļa optimizāciju, kurā pilnībā tiek ņemtas vērā alternatīvās izmaksas, ierobežojumu vājās vietas un portfeļa ietekme.
Projekti nepazūd - tie tiek labāk izvietoti un optimāli plānoti vairāku gadu garumā
Matemātiski optimizētā ieguldījumu sistēmā projekti netiek atmesti. Tā vietā tie tiek pārplānoti, atlikti vai stratēģiski novirzīti, tā, lai tie dotu maksimālu ekonomisko ieguldījumu kopējā portfelī optimālā laikā, ņemot vērā konkrētos budžeta, jaudas un riska ierobežojumus maksimāli palielināt to ekonomisko ieguldījumu kopējā portfelī.
Izšķirošais faktors šajā gadījumā ir daudzgadu perspektīva. Lēmumi par ieguldījumiem netiek pieņemti izolēti vienam gadam, bet tiek optimizēti 2, 3, 5 vai 10 gadu plānu kontekstā.
Sākuma gada optimizācijas rezultātā radītā likviditāte tiek sistemātiski pārnesta uz nākamo gadu gadā. Tas palielina nākamajam periodam pieejamo ieguldījumu budžetu. Tad atkal tiek optimizēts arī šis nākamais gads.
Rezultāts: projektus var pievienot, tiklīdz tie iekļaujas globāli optimizētajā portfelī saskaņā ar jaunajiem budžeta, jaudas un peļņas nosacījumiem, Jaudas un atdeves nosacījumi iekļaujas globāli optimizētajā portfelī. Tādējādi tiek izveidota dinamiska daudzgadu optimizācija, kurā katrā optimizācijas periodā Optimizācijas periods strukturāli uzlabo ieguldījumu iespējas nākamajiem gadiem.
Ķīmijas rūpniecības piemērs: 10 projekti:
Fiksēts budžets: EUR 850 miljoni. Kopējās ieguldījumu izmaksas: EUR 2088 miljoni.
No matemātiskā modeļa līdz praktiskam pielietojumam
Optimizācijas loģiku var izmantot visās nozarēs, un to var piemērot reāliem ieguldījumiem, CAPEX, P&A un infrastruktūras portfeļiem. Izšķirošais faktors nav projekta veids, bet gan lēmuma struktūra: ierobežoti resursi, konkurējošas iespējas un skaidri ierobežojumi.
Tajā pašā laikā sistēmas arhitektūra ir konsekventi izstrādāta, lai samazinātu datu apjomu un nodrošinātu konfidencialitāti. Aprēķiniem ir nepieciešami tikai skaitliskie projekta parametri. Satura apraksti, stratēģijas dokumenti vai projekta specifiski stāstījumi nav ne pieprasīti, ne interpretējami.
Tālāk varat aplūkot konkrētus izmantošanas gadījumus un to pamatā esošo datu aizsardzības un datu minimizēšanas arhitektūru.
Kopsavilkums
Ķīmijas rūpniecība ir viena no kapitālietilpīgākajām un sarežģītākajām investīciju vidēm pasaules ekonomikā.
Ieguldījumiem ražošanas iekārtās, energoefektivitātē, dekarbonizācijā, procesu modernizācijā un atrašanās vietas stratēģijās ir nepieciešams miljardiem liels kapitāls, un to ietekme ir 20 līdz 50 gadu ilgā laikposmā.
Ķīmijas uzņēmuma ekonomiskos panākumus nosaka nevis atsevišķi investīciju lēmumi, bet gan visa investīciju portfeļa matemātiska optimizācija reāla budžeta, enerģijas, jaudas, riska un regulatīvo ierobežojumu apstākļos.
Stratēģiskais izaicinājums ir kombinatorisks: pat ja ir tikai daži desmiti potenciālo ieguldījumu projektu, rodas eksponenciāli augoša lēmumu telpa, kuru nav iespējams pilnībā analizēt, izmantojot tradicionālos lēmumu pieņemšanas procesus.
Projektu portfeļa optimizācijas mākslīgais intelekts pirmo reizi ļauj sistemātiski aprēķināt globāli optimālu ieguldījumu portfeli un pārveido kapitāla piešķiršanu ķīmiskajā rūpniecībā no heiristiskas prioritāšu noteikšanas uz matemātiski optimālu lēmumu pieņemšanu.
1. Ķīmijas uzņēmumi kā kombinatoriskas kapitāla piešķiršanas sistēmas
Ķīmijas uzņēmumi darbojas vairāku vienlaicīgu ierobežojumu apstākļos:
- CAPEX budžeti iekārtu modernizācijai un jaunbūvei
- Enerģētikas un dekarbonizācijas stratēģijas
- Ražošanas jaudas un jaudas izmantošanas optimizācija
- Atrašanās vietas stratēģijas un starptautiskie ražošanas tīkli
- Normatīvās prasības un vides aizsardzības noteikumi
- Izejvielu pieejamība un piegādes ķēdes riski
- Tehnoloģiskās pārveides procesi
Formāli tā ir kombinatoriska optimizācijas problēma ar ierobežojumiem.
Pieņemsim, ka uzņēmums novērtē N potenciālo ieguldījumu projektu:
- Esošo ražošanas iekārtu modernizācija
- Ieguldījumi energoefektīvos procesos
- Ķīmisko procesu elektrifikācija
- Jaunu ražošanas jaudu būvniecība
- Neefektīvu ražotņu ekspluatācijas pārtraukšana
- Ražotņu pārvietošana
- Ieguldījumi ūdeņraža vai alternatīvo izejvielu tehnoloģijās
Katram projektam ir izmērāmi parametri:
- Paredzamais ekonomiskais ieguldījums (Ri)
- Ieguldījumu izmaksas (Ci)
- Enerģijas ietaupījums un efektivitātes ieguvumi
- Ietekme uz ražošanas jaudu
- Stratēģiskais ieguldījums ilgtermiņa konkurētspējā
- Regulatīvie un tehnoloģiskie riski
Mērķis ir izvēlēties optimālo projektu kombināciju:
max Σ Σ Ri xi
s.t. Σ Ci xi ≤ Budžets
xi ∈ {0,1}
2. Rūpniecisko ieguldījumu lēmumu kombinatoriskā realitāte
Jau ir 30 potenciālie projekti:
2³⁰ = 1 073 741 824 iespējamie portfeļi
Ar 50 projektiem:
2⁵⁰ = 1 125 899 906 842 624 iespējamās kombinācijas
Šāda lieluma pakāpe būtiski pārsniedz klasisko lēmumu pieņemšanas procesu analīzes iespējas.
Praksē lēmumu pieņemšana parasti balstās uz
- atsevišķiem biznesa gadījumu novērtējumiem
- Prioritāšu saraksti un investīciju klasifikācija
- Budžeta piešķiršanas procedūrās
- pakāpeniskas modernizācijas stratēģijas
Šīs metodes ir aptuvenas, nevis aprēķina optimālo variantu.
3. Tipiski investīciju lēmumi ķīmiskajā rūpniecībā
Piemērs: energoietilpīgas ražotnes modernizācija
Uzņēmumam ir jāpieņem lēmums
- Turpināt ekspluatēt esošo rūpnīcu, palielinoties enerģijas izmaksām
- Daļēja modernizācija, lai palielinātu efektivitāti
- Pilnīga aizstāšana ar jaunu energoefektīvu iekārtu
- Ražošanas pārvietošana uz citu vietu
Šim lēmumam ir ilgtermiņa ietekme:
- Enerģijas izmaksu struktūra gadu desmitiem
- Ražošanas konkurētspēja
- CO₂ emisijas un regulatīvie riski
- ilgtermiņa izmaksu struktūra
Piemērs: ķīmiskās ražošanas procesu elektrifikācija
Iespējas:
- Fosilo procesu enerģijas saglabāšana
- Daļēja elektrifikācija
- Pilnīga pāreja uz elektrību vai alternatīviem enerģijas avotiem
Šie lēmumi ietekmē
- Enerģijas izmaksas gadu desmitiem
- CO₂ izmaksas un regulatīvie riski
- Atrašanās vietas pievilcība
- ilgtermiņa konkurētspēja
Piemērs Nr. 3: Atrašanās vietas stratēģija un ražošanas pārvietošana
Ieguldījumu iespējas:
- Esošo ražotņu modernizācija
- Energoietilpīgas ražošanas pārvietošana uz reģioniem ar zemākām enerģijas izmaksām
- Jaunu starptautisku ražošanas jaudu izveide
Šiem lēmumiem ir ilgtermiņa ietekme:
- Ražošanas izmaksu struktūra
- Piegādes ķēdes elastība
- Ieguldījumu atdeve
- stratēģiskā tirgus pozīcija
4. Sistēmiskās savstarpējās atkarības starp ieguldījumu projektiem
Investīciju lēmumi ķīmijas rūpniecībā ir savstarpēji ļoti atkarīgi:
- Rūpnīcu modernizācija ietekmē enerģijas patēriņu un izmaksu struktūru
- Energoefektivitāte ietekmē atrašanās vietas pievilcību
- Lēmumi par atrašanās vietu ietekmē ražošanas izmaksas gadu desmitiem
- Tehnoloģiskie ieguldījumi ietekmē ražošanas iespējas nākotnē
No tā izriet:
Portfeļa vērtība ≠ atsevišķu ieguldījumu lēmumu summa
Bet ne:
Portfeļa vērtība = f(savstarpējā atkarība, ierobežojumi, ilgtermiņa stratēģija)
5. Portfeļa optimizācijas AI matemātiskais pamats
Formāli šī ir bināra veselu skaitļu optimizācijas problēma:
max Rᵀx
s.t. Ax ≤ b
x ∈ {0,1}
Ar:
- x = ieguldījumu projektu izvēle
- R = ekonomiskais ieguldījums
- A = ierobežojumu matrica (budžets, enerģija, jauda, normatīvie ierobežojumi)
- b = ierobežojumu robežas
6. Konkrēti portfeļa optimizācijas mākslīgā intelekta izmantošanas gadījumi ķīmijas uzņēmumos
- Rūpnīcu modernizācijas optimāla prioritāšu noteikšana
- Energoefektivitātes un dekarbonizācijas stratēģijas
- Objekta stratēģijas optimizācija
- Ražošanas tīkla optimizācija
- Optimāls CAPEX sadalījums starp rūpnīcām un ražotnēm
- Energoietilpīgu ražošanas procesu pārveidošana
7. Ekonomiskā ietekme un uzņēmuma vērtība
Ar tipisku ieguldījumu apjomu:
1 līdz 10 miljardi EUR CAPEX gadā
kapitāla sadalījuma uzlabošana tikai par:
5 %
rada papildu vērtību, kas sasniedz:
€ 50 līdz € 500 miljonus gadā
Rūpniecisko iekārtu dzīves cikla laikā tas nozīmē vairākus miljardus eiro uzņēmuma papildu vērtības.
8. Lēmumu arhitektūras pārveidošana
Portfeļa optimizācijas mākslīgais intelekts pārveido lēmumu pieņemšanas procesus no:
- izolētu projektu novērtēšanu
- heiristisku prioritāšu noteikšanu
- pakāpenisku plānošanu
Uz:
- matemātiski optimizētu kapitāla piešķiršanu
- pilnīga visu lēmumu pieņemšanas iespēju pārredzamība
- sistemātiska uzņēmuma ilgtermiņa vērtības maksimizēšana
Secinājums
Ķīmijas rūpniecība darbojas ļoti sarežģītā ieguldījumu vidē ar ilgtermiņa kapitāla saistībām un daudziem ierobežojumiem.
Projekta portfeļa optimizācijas mākslīgais intelekts pirmo reizi ļauj sistemātiski aprēķināt globāli optimālu ieguldījumu portfeli reālos rūpniecības apstākļos.
Tas iezīmē pāreju no heiristiskas ieguldījumu plānošanas uz matemātiski optimizētu stratēģisko pārvaldību ķīmijas rūpniecībā.