Verslag, NAP contact meeting "Artificiële intelligentie in de procesindustrie" November 21st 2024

De laatste NAP-contactbijeenkomst van 2024 had als thema de mogelijkheden van artificiële intelligentie in de procesindustrie. Daartoe werden drie inspirerende presentaties gehouden. In de eerste presentatie werden een aantal praktische toepassingen bij engineering doorgenomen zoals het vinden van fouten in een P&ID en de extractie van data uit een brownfield engineering tekening. In de tweede presentatie werd een meer wetenschappelijke benadering gekozen. Daarbij werd gekeken naar de opbouw van een applicatie als ChatGPT waarmee zinvolle teksten kunnen worden geproduceerd en hoe deze opbouw ingevuld zou moeten worden om zinvolle P&ID’s te ontwikkelen en becommentariëren. De derde presentatie ging om de directe toepassing van een AI-applicatie ter ondersteuning van het HSSE-management op de bouw van een plant. Verbazingwekkend zo goed als dit werkte volgens de spreker.

NAP-voorzitter Ron van den Akker opende de avond en gaf aan dat er meer mensen waren gekomen dan verwacht; waarschijnlijk heeft dit met het thema te maken maar ook met de kracht van de NAP community. Het bedrijf dat AI nog niet in de strategie heeft opgenomen zal het moeilijk krijgen, naar verwachting. Ron nam daarna een aantal wijzigingen in de programmaraad door. Zo zijn Godert van Dedem van Croonwolter&dros, Dimphy Wilms van Shell en Iwan van Bussel van FrieslandCampina toegetreden; Ivo van Vliet heeft afscheid genomen en streeft ernaar betrokken te blijven en contact te houden. Vervolgens nam Ron een aantal bevindingen uit de Programmaraad door; op de agenda staat altijd een rondje waarbij ingegaan wordt op vragen als What is on your mind as a company? How is the economy going for your company? Daarbij zijn zaken genoemd als: het glas is halfvol, de energietransitie lijkt een start/stop proces, commercieel gaat het redelijk goed, knelpunten zijn onder andere elektriciteitslevering, de vele vacatures en de vertraging bij vergunningsaanvragen.

Potentieel van AI

De eerste presentatie werd gegeven door Rimma Dzhusupova, AI initiatives lead bij McDermott. McDermott is een bedrijf dat EPC-contracten en complexe werken uitvoert waarbij gedacht mag worden aan investeringen van grote omvang en met meerdere jaren van uitvoering. Daarbij wordt altijd gezocht naar mogelijkheden om intensief, repetitief handmatig werk van medewerkers te automatiseren om kwaliteit te verbeteren en om een hogere productiviteit te behalen. Daarbij kan de medewerker zich focussen op het echt creatieve en complexe deel van een vraagstuk.

AI wordt al ingezet op verschillende gebieden binnen het EPC-werkveld. Zo wordt genAI, bij de meesten is ChatGPT het bekendste voorbeeld, al ingezet bij document review of het extraheren van informatie uit teksten. Een applicatie als Computer Vision ondersteunt bij kwaliteitscontrole van engineeringtekeningen. En applicaties voor data-analyse en forecasting worden ingezet bij procurement en cost control.

Nieuw potentieel wordt verder onderzocht. Een mogelijke toepassing is het altijd moeizame controleren van P&ID’s. Rimma liet zien hoe met patroonherkenning een applicatie kan leren wat correcte configuraties zijn en zo detecteren waar fouten in een P&ID zitten. Om in zo’n P&ID een missend stukje pijp te ontdekken kost de engineer veel hoofdpijn. Maar als dat missende stukje bij de P&ID controle over het hoofd wordt gezien en bijvoorbeeld pas ontdekt wordt bij installatie van de pijpleiding, dan is heel wat herstelwerk noodzakelijk. Rimma liet nog wat voorbeelden zien van een klep en een blind in een P&ID, die worden gecorrigeerd door een AI-algoritme.

Een andere potentieel is bij brownfieldprojecten. Het kost een engineer veel werk om de informatie uit bestaande P&ID’s, vaak in pdf formaat, te verzamelen, zoals het type kleppen en het totaal aantal kleppen, om deze daarna te kunnen gebruiken voor verdere engineering. Een algoritme gebaseerd op herkenning van symbolen en teksten kan hier veel goed werk doen. Het algoritme levert dan visuele output in de vorm van P&ID’s en een Excel file met een beschrijving van alle elementen uit de P&ID. Achter dit algoritme zit heel veel research, zoals te begrijpen valt.

Afsluitend merkte Rimma op dat er veel potentieel is voor AI in de procesindustrie; er zijn echter nog behoorlijk wat uitdagingen. Zo zijn er voldoende white papers met theoretische beschrijvingen van het potentieel maar nog weinig echte referenties. Daarom het is het nog lastig om de haalbaarheid van AI voor een bepaalde toepassing vast te stellen: hoeveel moet geïnvesteerd om voldoende zinvolle data te verzamelen, wat levert het op in kwaliteitsverbetering en arbeidsproductiviteit?

Ook zijn er uitdagingen bij het verwerven van AI-skills. Allereerst het gebrek aan ervaring met AI van medewerkers, maar ook onvoldoende inzicht van wat AI kan betekenen voor een bedrijf. Ook het besef dat goed gestructureerde en hoge kwaliteit van data nodig is voor een optimale performance is nog niet altijd aanwezig. Tenslotte moet het gebruikelijke conservatisme overwonnen worden in traditionele engineering omgevingen; het bekende ‘we hebben het altijd zo gedaan’.

Leren van andere AI-applicaties

De tweede presentatie werd gegeven door Artur Schweidtmann, universitair hoofddocent bij de TU Delft. Hij startte met een aantal generatieve AI-applicaties die in andere domeinen al gebruikt worden zoals ChatGPT voor het genereren van teksten, DALL.E 3 voor het maken van plaatjes, maar ook een AI-applicatie voor het maken liedjes (Artur heeft er eentje voor zijn moeder gemaakt). Ook een interessante is MoLeR voor het maken van moleculen, die in de R&D van big pharma en in de chemische industrie wordt gebruikt om bijvoorbeeld nieuwe medicijnen te ontwikkelen.

Artur wilde vanavond spreken over AI-toepassingen in de procesindustrie en vroeg zich een aantal zaken af. Wat zou de look en feel van zo’n applicatie moeten zijn? Wat is allemaal nodig om het ontwikkelen? Is het haalbaar?

Om de gedachten alvast te richten noemde hij drie bestaande en spannende AI-applicaties. Allereerst GitHub Copilot dat wordt gebruikt in software engineering, dat wordt gebruikt bij de zogenoemde auto-completion van softwarecode. De saaie stukken software kan door deze applicatie worden afgerond; de software engineer kan zich focussen op de interessante onderdelen. Ten tweede DeepL dat wordt gebruikt bij de vertaling van de ene taal naar de andere taal. Bedenk dat het automatisch vertalen van een boek naar het Chinees 5 tot 10 jaar geleden niet mogelijk was en nu zijn goede, accurate vertalingen steeds meer mogelijk. Als derde AI-applicatie werd Grammarly genoemd voor de auto-correctie van teksten. Niet alleen het weghalen van typo’s en verkeerd geschreven woorden, ook de context en hele zinnen worden beoordeeld en suggesties voor verbeteringen worden gedaan. Zo kan de applicatie concluderen dat een bepaalde zin moeilijk te begrijpen is of dat een meer actieve tone-of-voice zou moeten worden gekozen.

Vertaald naar de procesindustrie, hoe mooi zou het zijn om deze drie functies ook daar ter beschikking te hebben. Dat wil zeggen de auto-completion van flowcharts, de vertaling van pdf-formaat naar P&ID formaat en de ‘grammatica’ van de P&ID kunnen beoordelen en suggesties voor verbetering geven. Om een voorbeeld van dat laatste te geven: de applicatie kan voorstellen om een andere configuratie te kiezen voor een betere control van het proces. Aanvullend zou een AI-applicatie kunnen worden gemaakt die ondersteunt bij het uitvoeren van een HAZOP; niet ter vervanging van mensen maar om het taaie werk voor te bereiden.

Om duidelijk te maken dat ChatGPT niet geschikt is om P&ID’s te maken en beoordelen, liet Artur een grap zien. Hij vroeg aan ChatGPT om een process flowsheet te maken van de productie van 2,5 dimethylfloran. De uitkomst was een tekening van een fantast met niet weten van klok en klepel en weinig samenhang. Met andere woorden dit zal de process engineer niet verder helpen bij het maken van een P&ID. Iets anders dan ChatGPT is nodig, maar het is wel goed om te kijken naar de opbouw van ChatGPT en die toe te passen.

Nog geen big data domein

Voor ChatGPT zijn 3 elementen van belang. Allereerst de data, zo’n 50 TB aan onderliggende big data is daarvoor beschikbaar. Ten tweede de informatierepresentatie, dat is voor ChatGPT gewoon tekst. Als derde is de onderliggende modelarchitectuur van belang, dat wil zeggen de onderliggende machine ofwel de neurale netwerkstructuur die de input transformeert naar output; bij ChatGPT is dat Transformer.

Artur pelde de invulling van deze 3 elementen af voor P&ID’s. Allereerst de vraag of chemical engineering een big data domein heeft. Het antwoord daarop is een duidelijk nee. Het domein is erg beperkt, beschikbare data die geschikt is voor P&ID tools is zeer beperkt aanwezig. Daarbij is de meeste P&ID-data niet openbaar toegankelijk maar is alleen beschikbaar binnen een bedrijf en bij de directe partners daarvan. Openbaar toegankelijke P&ID’s in boeken, publicaties en patenten zijn zeer beperkt. Daarnaast is de data ook zeer heterogeen qua format en daarmee niet direct leesbaar voor machines.

Uiteindelijk zijn digitale flow sheets noodzakelijk als data voor de applicatie. Om dat genereren uit pdf’s, png’s en prints kan de RestAPI Web Service worden ingezet, zodat een uniform digitaal format wordt verkregen. Die APi heeft functies als objectdetectie en tekstherkenning en kan tabellen uitlezen.

Als tweede de vraag hoe de informatierepresentatie moet worden gedaan. Hiervoor staan twee methoden beschikbaar: flowsheet schema’s of strings, net als in SMILES voor moleculen waarbij de flowsheet wordt gecodeerd in een string. Daarbij heeft de representatie in een schema in eerste instantie wat voordelen, met name ook vanwege de leesbaarheid. Als de informatie op deze manier is gecodeerd, kan ook worden gechat met de P&ID’s. Bijvoorbeeld kan de vraag worden gesteld om een beschrijving van de inlet tot de outlet te geven. Artur liet zien dat zo een goed antwoord kan worden verkregen op die vraag.

Voor het derde element, de modelarchitectuur, staan ook een aantal mogelijkheden open. Zo kan Transformer worden gebruikt als strings ofwel sequentiële data worden gebruikt; als met schema’s wordt gewerkt kan Graph neurale network worden gebruikt. Advies was hier van Artur om tools te gebruiken die al bestaan.

Voor een AI-applicatie voor het maken van P&ID’s zal nog een vierde element nodig zijn, die de onderliggende mechanische kennis vastlegt.

Case study

Er is een case study gedaan met de autocorrectie van flowsheets met behulp van twee methoden om een vergelijk te kunnen maken: de al wat oudere rule-based methode en de nieuwe AI-methode. Daarbij komt naar voren dat de rule-based methode een PFD in honderdsten van seconden kan beoordelen en betrouwbaar is. Nadeel is het grote onderhoud dat nodig is voor dit systeem; zo moet de lijst met regels strak bijgehouden worden. Verder is er sprake van een beperkte scope. Met andere woorden deze methode is niet eenvoudig te implementeren en bij het inrichten moet goed begrip zijn van alle data en van engineering. Dat is anders met de AI-methode, als deze eenmaal is ingericht. In deze case study is de patroonherkenning gedaan met een half miljoen flowsheets, gegenereerd op basis van algemene kennis. In het model werden PFD’s ingevoerd met fouten en de output is een gecorrigeerde PFD. Uiteindelijk leverde dat een betrouwbaarheid op van meer dan 80%.

Tenslotte liet Artur nog een vergezicht zien aan de hand van PILOT, Proces Intelligence Learning and Optimization Toolbox. Daarbij werd een zogenoemde multi-agent systeem ingezet, met bijvoorbeeld naast de P&ID agent ook de Reaction agent, de Distillatie agent en de HAZOP agent. Die agents maken gebruik van gezamenlijke toolboxes, databases en (ongestructureerde) data. Er is nog wel een weg te gaan voordat het zover is.

Samenvattend werd geconcludeerd dat beschikbaarheid van digitale engineering data cruciaal is voor AI-applicaties. Verder kan Gen AI leren van flowsheets en zelf flowsheets produceren. Ook is de samenwerking tussen wetenschap en bedrijfsleven van belang. Op die manier heeft Gen AI het potentieel om proces engineering te transformeren.

AI en safety

De laatste spreker was Marc Waterman, HSSE manager bij het Holland Hydrogen 1 project van Shell op de Tweede Maasvlakte. Het HH1 project betreft de bouw van electrolyzers die met als input gedemineraliseerd water uiteindelijk 80 ton waterstof per dag produceren, met behulp van windenergie. De bouw wordt afgerond in 2026.  Intussen is meer dan 400.000 uur incidentvrij gewerkt, zijn er meer dan 800 incidentvrije dagen en meer dan 2.000 mensen hebben een HSSE training gehad. Enige trots op deze safety performance is dan ook niet vreemd. De site is een zero emission site, waarbij het materieel elektrisch aangedreven wordt en waarbij gebruik wordt gemaakt van zonne-energie.  Dus geen dieselgeneratoren en geen NOx emissies vanwege de nabijheid van nabijgelegen Natura 2000 gebieden.

Nieuwe initiatieven om de HSSE performance te verbeteren worden altijd gezocht en zo is ook de AI-applicatie T-pulse geïntroduceerd die elders in de wereld bij Shell al was gebruikt. T-pulse maakt gebruik van 6 camera’s en is getraind om 50 standard safety use cases te detecteren. Het systeem is sinds juli 2024 in gebruik en de eerste indrukken zijn voor Marc verbazingwekkend goed. De beelden zijn scherp en het systeem detecteert allerlei fouten bijvoorbeeld met het niet dragen van een helm of handschoenen, het omkleden op site waar dat niet mag, kabels die in de weg liggen, problemen bij tillen, hijsen en werken op hoogte, morsen van vloeistoffen, verkeerd manoeuvreren van voertuigen, niet goed vastgezette ladingen en niet goed werken in afgesloten ruimten. T-pulse is een systeem van buiten Shell en Shell betaalt hiervoor een licentie. Het heeft een intelligent dashboard die focust op de belangrijke gevaren.

Aanvankelijk waren er 10 tot 15 foutobservaties per dag maar geleidelijk is dit met behulp coaching en toolbox meetings teruggedrongen met 80%. Eerst waren er ook nog een aantal false positives, waarbij vaten bijvoorbeeld leeg waren en daarom minder dan 25 kg wogen. Het systeem kon hiervoor gekalibreerd worden.

Het gebruik van het systeem en de beelden in toolbox meetings werd door mensen als prettig ervaren, ook omdat nadrukkelijk werd aangegeven dat het systeem bedoeld was voor coaching, discussie en verbetering, niet voor bestraffing en reprimandes.

Marc liet een aantal opnames zien bijvoorbeeld iemand die met uitgraven bezig was maar daarbij niet goed overzicht had, lading die gehesen wordt met mensen in de buurt of iemand die over een losliggende kabel loopt.

Er was in eerste instantie nog wel weerstand te overwinnen, hetgeen te maken had met privacy. Daarom moest draagvlak worden gecreëerd en zijn goede overleggen gevoerd, ook afgestemd met juristen. Afstemming met de OR is gedaan en toestemming van AVG, algemene verordening gegevensbescherming, is verkregen. Daarbij zijn een aantal maatregelen genomen zoals het blurren van gezichten, het instellen van een maximale bewaarperiode van beelden en het aanbrengen van borden dat er gefilmd wordt.

Al met al is goede ervaring opgedaan en op dit moment zijn de camera’s gericht op weer een ander onderdeel van het project. Dit T-pulse systeem moet worden gezien als een aanvulling op de bestaande HSSE-praktijk in het project, niet als vervanging van HSSE-bemensing.

Afscheid Jan-Willem Sanders

Ron van den Akker nam daarna nogmaals het woord en gaf aan dat Jan-Willen Sanders na 8,5 jaar stopt als directeur van NAP. Hij bedankte Jan-Willem voor zijn enorme inzet, ook in lastige periodes zoals met corona toen bijeenkomsten onmogelijk waren of op de momenten dat er uitdagingen lagen in sommige SIG’s. De bloemen en de wijn waren wel heel dik verdiend. Natuurlijk had Jan-Willem ook een paar worden ten afscheid. Hij heeft het altijd heel prettig gevonden om te zien dat iedereen graag kwam. Hij hoopte ook dat de NAP in de toekomst zo levendig en dynamisch zal blijven. Tot slot wenste hij iedereen een hele goede toekomst toe. Jaap Reijntjes, al bekend uit Programmeraad en Bestuur van NAP, volgt Jan-Willem op.

Ron wees er tot slot nog op dat NAP volgend jaar 65 jaar zal bestaan. Dat zal begin 2026 gevierd worden.

Presentations can be found below ⇓