Kemična industrija: matematična optimizacija posodobitve obratov, energetske učinkovitosti, proizvodnih strategij in odločitev o lokaciji s pomočjo umetne inteligence
Dodeljevanje kapitala od določanja prednostnih nalog do matematične optimizacije
Podjetja običajno določajo prednostne projekte na podlagi poslovnih primerov, razvrstitev in odločitev odbora. Ta pristop se zdi racionalen, vendar ne upošteva celotnega prostora odločanja.
Že pri 30 projektih obstaja več kot milijarda možnih kombinacij portfelja, pri 50 projektih pa več kot 1 kvadrilijon. Tradicionalne metode tega prostora ne morejo v celoti ovrednotiti. Izberejo verjetne rešitve - vendar ne nujno optimalne.
Umetna inteligenca za optimizacijo portfelja projektov izračuna optimalni portfelj projektov v skladu z vašimi dejanskimi omejitvami - vključno s proračunom, viri, tveganjem in strateškimi smernicami. Rezultat je razumljiva, matematično utemeljena podlaga za odločanje o dodelitvi kapitala.
Za nosilce odločanja to pomeni strukturno razliko: odločitve ne temeljijo več na približkih, temveč na izračunani optimizaciji.
Izhodišče: popoln seznam naložb pred dejansko odločitvijo
Odločilna razlika te nove metode izračuna je v času uporabe: ne uporablja se za potrjevanje po sprejetju odločitve, temveč pred dejansko odločitvijo, in sicer na podlagi popolnega seznama naložb in projektov podjetja.
Običajno obstaja seznam potencialnih projektov CAPEX - npr. posodobitve obratov, preoblikovanje IT, razvoj izdelkov, Infrastrukturni ukrepi ali programi učinkovitosti. Hkrati obstajajo fiksne omejitve, kot so omejen skupni proračun, omejene inženirske zmogljivosti, Proizvodna okna, proračuni tveganja in strateški okvirni pogoji.
Prav tu se pojavi pravi problem odločanja: vseh projektov ni mogoče uresničiti. Vprašanje torej ni kateri projekti se zdijo smiselni ločeno, temveč katera kombinacija teh projektov tvori globalno optimalni celotni portfelj ob danih omejitvah.
Nova metoda izračuna zato ne ocenjuje posameznih projektov ločeno, temveč izračuna na podlagi celotnega seznama projektov optimalni portfelj, pri čemer upošteva vse omejitve glede proračuna, zmogljivosti, tveganja in strategije. Rezultat je matematično utemeljen Rezultat je matematično utemeljen izbor tistih projektov, ki skupaj ustvarjajo največji prispevek k skupni vrednosti - še preden je sprejeta dejanska odločitev o naložbi. Odstopanja od izračunanega optimalnega izhodiščnega položaja se izvajajo z jasno vidnostjo nastalih oportunitetnih stroškov in njihovega merljivega vpliva na skupno vrednost portfelja.
S tem se načrtovanje CAPEX iz zaporednega postopka izbire spremeni v dosledno optimizacijo portfelja, pri kateri se v celoti upoštevajo oportunitetni stroški, ozka grla omejitev in učinki portfelja.
Projekti ne izginejo, temveč so bolje umeščeni in optimalno načrtovani za več let
V matematično optimiziranem naložbenem sistemu se projekti ne zavržejo. Namesto tega se spremenijo prioritete, preložijo ali strateško prerazporedijo, tako, da v optimalnem času ob danih proračunskih omejitvah, zmogljivostih in tveganjih prispevajo največji ekonomski prispevek k celotnemu portfelju maksimizirajo svoj ekonomski prispevek k celotnemu portfelju.
Pri tem je odločilna večletna perspektiva. Naložbene odločitve se ne sprejemajo ločeno za posamezno leto, temveč se optimizirajo v okviru dvo-, tri-, pet- ali desetletnih načrtov.
Likvidnost, ustvarjena z optimizacijo v začetnem letu, se sistematično prenese v naslednje leto leto. S tem se poveča razpoložljivi naložbeni proračun za naslednje obdobje. To naslednje leto se nato prav tako ponovno optimizira.
Učinek: projekte je mogoče dodati takoj, ko se pod novimi pogoji glede proračuna, zmogljivosti in donosnosti prilegajo globalno optimiziranemu portfelju, Pogoji zmogljivosti in donosnosti ustrezajo globalno optimiziranemu portfelju. To ustvarja dinamično večletno optimizacijo, v kateri je vsako obdobje optimizacije Obdobje optimizacije strukturno izboljša naložbene priložnosti za naslednja leta.
Primer kemijske industrije: 10 projektov:
Fiksni proračun: 850 milijonov EUR. Skupni investicijski stroški: 2088 milijonov EUR.
Od matematičnega modela do praktične uporabe
Logika optimizacije se lahko uporablja v vseh panogah in jo je mogoče uporabiti za dejanske naložbe, CAPEX, raziskave in razvoj ter infrastrukturne portfelje. Odločilni dejavnik ni vrsta projekta, temveč struktura odločitve: omejeni viri, konkurenčne možnosti in jasne omejitve.
Hkrati je bila arhitektura sistema dosledno zasnovana za zmanjšanje količine podatkov in njihovo zaupnost. Za izračun so potrebni le numerični parametri projekta. Opisi vsebine, strateški dokumenti ali pripovedi o posameznih projektih niso niti zahtevani niti jih ni mogoče razlagati.
V nadaljevanju si lahko ogledate posebne primere uporabe in osnovno arhitekturo za zaščito in minimizacijo podatkov.
Povzetek
Kemična industrija je eno od kapitalsko najbolj intenzivnih in kompleksnih naložbenih okolij v svetovnem gospodarstvu.
Naložbe v proizvodne obrate, energetsko učinkovitost, razogljičenje, posodobitev procesov in lokacijske strategije zahtevajo milijardne zneske kapitala in imajo učinek v obdobju od 20 do 50 let.
Gospodarskega uspeha kemijskega podjetja ne določajo posamezne naložbene odločitve, temveč matematična optimizacija celotnega naložbenega portfelja v okviru realnih proračunskih, energetskih, zmogljivostnih, tveganih in regulativnih omejitev.
Strateški izziv je kombinatoričen: že pri nekaj deset potencialnih naložbenih projektih se pojavi eksponentno naraščajoč prostor odločanja, ki ga ni mogoče v celoti analizirati z običajnimi postopki odločanja.
Umetna inteligenca za optimizacijo portfelja projektov prvič omogoča sistematičen izračun globalno optimalnega naložbenega portfelja in spreminja dodeljevanje kapitala v kemični industriji od hevrističnega določanja prednosti do matematično optimalnega odločanja.
1. Kemijska podjetja kot kombinatorični sistemi za razporejanje kapitala
Kemijska podjetja delujejo pod več hkratnimi omejitvami:
- Proračuni CAPEX za posodobitev in novo gradnjo obratov
- Energetske strategije in strategije razogljičenja
- Proizvodne zmogljivosti in optimizacija izkoriščenosti zmogljivosti
- Lokacijske strategije in mednarodna proizvodna omrežja
- Regulativne zahteve in okoljski predpisi
- Razpoložljivost surovin in tveganja dobavne verige
- Procesi tehnološke preobrazbe
Formalno je to kombinatorični problem optimizacije z omejitvami.
Predpostavimo, da podjetje oceni N potencialnih naložbenih projektov:
- Posodobitev obstoječih proizvodnih obratov
- Naložbe v energetsko učinkovite procese
- Elektrifikacija kemijskih procesov
- Izgradnja novih proizvodnih zmogljivosti
- Razgradnja neučinkovitih obratov
- Premestitev lokacij
- Naložbe v vodik ali alternativne surovinske tehnologije
Vsak projekt ima merljive parametre:
- Pričakovani gospodarski prispevek (Ri)
- Investicijski stroški (Ci)
- Prihranki energije in povečanje učinkovitosti
- Vpliv na proizvodno zmogljivost
- Strateški prispevek k dolgoročni konkurenčnosti
- Regulativna in tehnološka tveganja
Cilj je izbrati optimalno kombinacijo projektov:
max Σ Ri xi
s.t. Σ Ci xi ≤ Proračun
xi ∈ {0,1}
2. Kombinatorična realnost odločitev o industrijskih naložbah
Na voljo je že 30 potencialnih projektov:
2³⁰ = 1.073.741.824 možnih portfeljev
S 50 projekti:
2⁵⁰ = 1 125 899 906 842 624 možnih kombinacij
Ta velikostni red bistveno presega zmožnosti analize klasičnih postopkov odločanja.
V praksi odločanje običajno temelji na
- posameznih ocenah poslovnega primera
- Seznami prednostnih nalog in razvrstitev naložb
- Postopkih dodeljevanja sredstev na podlagi proračuna
- strategijah postopnega posodabljanja
Te metode se približujejo optimumu - ne izračunavajo ga.
3. Tipične naložbene odločitve v kemični industriji
Primer 1: Posodobitev energetsko intenzivnega proizvodnega obrata
Podjetje se mora odločiti
- Nadaljevanje obratovanja obstoječega obrata ob naraščajočih stroških energije
- Delna posodobitev za povečanje učinkovitosti
- Popolna zamenjava z novim energetsko učinkovitim obratom
- Premestitev proizvodnje na drugo lokacijo
Ta odločitev ima dolgoročne posledice:
- Struktura stroškov energije v desetletjih
- Konkurenčnost proizvodnje
- Emisije CO₂ in regulativna tveganja
- dolgoročna struktura stroškov
Primer 2: Elektrifikacija kemičnih proizvodnih procesov
Možnosti:
- Ohranitev energije iz fosilnih procesov
- Delna elektrifikacija
- Popoln prehod na električno energijo ali alternativne vire energije
Te odločitve vplivajo na
- Stroške energije v desetletjih
- Stroške CO₂ in regulativna tveganja
- Privlačnost lokacije
- dolgoročna konkurenčnost
Primer 3: Lokacijska strategija in selitev proizvodnje
Naložbene možnosti:
- Posodobitev obstoječih lokacij
- Selitev energetsko intenzivne proizvodnje v regije z nižjimi stroški energije
- Vzpostavitev novih mednarodnih proizvodnih zmogljivosti
Te odločitve imajo dolgoročni učinek:
- Struktura proizvodnih stroškov
- Odpornost dobavne verige
- Donosnost naložb
- strateški tržni položaj
4. Sistemske soodvisnosti med naložbenimi projekti
Naložbene odločitve v kemični industriji so zelo soodvisne:
- Posodobitev obratov vpliva na porabo energije in strukturo stroškov
- Energetska učinkovitost vpliva na privlačnost lokacije
- Odločitve o lokaciji vplivajo na proizvodne stroške skozi desetletja
- Tehnološke naložbe vplivajo na prihodnje proizvodne možnosti
Iz tega sledi:
Vrednost portfelja ≠ vsota posameznih naložbenih odločitev
Vendar ne:
Vrednost portfelja = f(soodvisnosti, omejitve, dolgoročna strategija)
5. Matematični temelj umetne inteligence za optimizacijo portfelja
Formalno je to binarni celoštevilski problem optimizacije:
max Rᵀx
s.t. Ax ≤ b
x ∈ {0,1}
Pri čemer:
- x = izbor naložbenih projektov
- R = gospodarski prispevek
- A = matrika omejitev (proračun, energija, zmogljivost, regulativne omejitve)
- b = omejitve
6. Posebni primeri uporabe umetne inteligence za optimizacijo portfelja v kemičnih podjetjih
- Optimalno določanje prednosti posodobitev obratov
- Strategije za energetsko učinkovitost in razogljičenje
- Optimizacija strategije lokacije
- Optimizacija proizvodnega omrežja
- Optimalna razporeditev CAPEX po obratih in lokacijah
- Preoblikovanje energetsko intenzivnih proizvodnih procesov
7. Gospodarski učinek in vrednost podjetja
Pri tipičnih naložbah v višini:
1 do 10 milijard EUR CAPEX na leto
izboljšanje razporeditve kapitala za samo:
5 %
privede do ustvarjanja dodatne vrednosti v višini:
€ na leto: od 50 do 500 milijonov €
V celotnem življenjskem ciklu industrijskih obratov to pomeni več milijard evrov dodatne vrednosti podjetja.
8. Preoblikovanje arhitekture odločanja
Umetna inteligenca za optimizacijo portfelja preoblikuje procese odločanja od:
- izoliranega ocenjevanja projektov
- hevrističnega določanja prednostnih nalog
- postopnega načrtovanja
Na:
- matematično optimizirano dodeljevanje kapitala
- popolna preglednost vseh možnosti odločanja
- sistematično maksimiranje dolgoročne vrednosti podjetja
Zaključek
Kemična industrija deluje v zelo kompleksnem naložbenem okolju z dolgoročnimi kapitalskimi obveznostmi in številnimi omejitvami.
Projekt Portfolio Optimisation AI prvič omogoča sistematičen izračun globalno optimalnega naložbenega portfelja v realnih industrijskih razmerah.
To pomeni prehod od hevrističnega načrtovanja naložb k matematično optimiziranemu strateškemu upravljanju v kemični industriji.