บริษัทเริ่มต้นจากการมุ่งเป้าไปที่อุตสาหกรรมปูนซีเมนต์ ซึ่งเป็นหนึ่งในภาคอุตสาหกรรมที่ลดการปล่อยมลพิษได้ยากที่สุด กรณีศึกษากับบริษัทยักษ์ใหญ่อย่าง Heidelberg Materials แสดงให้เห็นผลลัพธ์ที่เป็นรูปธรรม: ดัชนีต้นทุนเชื้อเพลิงลดลง 4% จากการลดการใช้ความร้อนจำเพาะลง 2.2%, ความแปรปรวนของค่า C3S (ตัวบ่งชี้คุณภาพปูนเม็ด) ลดลงถึง 33% และการปล่อยคาร์บอนจากเชื้อเพลิงลดลง 2% ที่น่าสนใจคือ ระบบใช้เวลาตั้งแต่เริ่มติดตั้งจนถึงเดินเครื่องจริงเพียง 8 สัปดาห์เท่านั้น
ในเอกสารไวท์เปเปอร์ Gigaton ระบุว่า AI ของบริษัทสามารถลดการปล่อยคาร์บอนจากเชื้อเพลิงในขั้นตอนไพโรโพรเซส (Pyroprocess) ซึ่งเป็นขั้นตอนที่ใช้พลังงานเข้มข้นที่สุดในการผลิตปูนซีเมนต์ ได้มากถึง 5% ซอฟต์แวร์นี้สามารถทำงานร่วมกับระบบ APC ที่มีอยู่แล้ว เช่น ABB Ability และ FLSmidth ECS/ProcessExpert แต่แทนที่จะเป็นแค่ 'ผู้แนะนำ' มันจะเข้าไป 'ควบคุม' การตั้งค่าเป้าหมายแบบไดนามิกโดยตรง
Gigaton ก่อตั้งขึ้นในปี 2020 ภายใต้ชื่อ Carbon Re เป็นบริษัท Deep-Tech ที่แยกตัวออกมาจากมหาวิทยาลัย Cambridge และ UCL [1, 4, 19] การพัฒนาในช่วงแรกใช้เวลากว่า 5 ปีในการทำงานอย่างใกล้ชิดกับผู้ควบคุมโรงงานอุตสาหกรรม ทำให้ทีมงานเข้าใจถึงข้อจำกัดและจุดที่มักเกิดความผิดพลาดในสภาพแวดล้อมการผลิตจริงอย่างลึกซึ้ง [1, 4, 5] การเปลี่ยนชื่อเป็น Gigaton เมื่อไม่นานมานี้ สะท้อนถึงเป้าหมายที่ใหญ่ขึ้น คือการมุ่งมั่นที่จะลดคาร์บอนไดออกไซด์หลายพันล้านตันในหลากหลายภาคอุตสาหกรรมหนัก ไม่ใช่แค่ปูนซีเมนต์อีกต่อไป
เรื่องราวของ Gigaton เป็นส่วนหนึ่งของเทรนด์การนำ AI มาประยุกต์ใช้กับโลกกายภาพ มากกว่าที่จะใช้กับงานเอกสารหรือซอฟต์แวร์สำหรับผู้บริโภคทั่วไป ดังที่นักวิเคราะห์รายหนึ่งให้ข้อสังเกตว่า นี่คือ 'เรื่องราวของ AI ที่ต่างออกไปจากแชท การค้นหา หรือระบบงานสำนักงาน' มันเข้าไปนั่งอยู่ในหัวใจของกระบวนการผลิตจริง ที่ความแม่นยำของเวลา การใช้พลังงาน เสถียรภาพของกระบวนการ และความน่าเชื่อถือของอุปกรณ์คือทุกสิ่งทุกอย่าง และความผิดพลาดเพียงเล็กน้อยก็อาจหมายถึงหายนะที่ใหญ่หลวงได้
เงินทุน Series A นี้จะขับเคลื่อนภารกิจสองส่วนคู่ขนานกัน คือการพัฒนาต่อยอดแพลตฟอร์มรุ่นต่อไป และการนำไปใช้งานในวงกว้างขึ้นในสี่อุตสาหกรรมเป้าหมาย [4, 5] การขยายทีมงานถึงห้าเท่าตัวคือสัญญาณว่า Gigaton กำลังเปลี่ยนผ่านจากช่วงที่เน้นการวิจัยอย่างหนัก ไปสู่การขยายตลาดเชิงพาณิชย์เต็มตัว การขยับออกจากปูนซีเมนต์ไปสู่เหล็ก กระจก และเคมีภัณฑ์ ยังชี้ให้เห็นว่าเทคโนโลยีหลักของบริษัทสามารถปรับใช้กับภาคส่วนอื่นๆ ได้ โดยที่ AI ไม่ยึดติดกับกระบวนการใดกระบวนการหนึ่ง—หากมันเรียนรู้ที่จะควบคุมกระบวนการความร้อนประเภทหนึ่งได้ มันก็มีแนวโน้มที่จะเรียนรู้กระบวนการอื่นๆ ได้เช่นกัน
สำหรับอุตสาหกรรมหนักแล้ว นี่คือช่วงเวลาที่คับขัน ต้นทุนพลังงานยังคงผันผวน ราคาคาร์บอนกำลังขยายขอบเขตไปในหลายประเทศ และโรงงานต่างๆ อยู่ภายใต้แรงกดดันที่ต้องลดการปล่อยมลพิษโดยไม่กระทบต่อกำลังการผลิต ระบบควบคุมที่เรียนรู้ได้เอง ซึ่งสามารถลดทั้งการใช้เชื้อเพลิงและการปล่อยมลพิษไปพร้อมๆ กัน และพร้อมทำงานได้ภายในเวลาไม่ถึงสองเดือน จึงเป็นเส้นทางที่จับต้องได้จริง สำหรับอุตสาหกรรมที่เคยถูกมองว่าเปลี่ยนแปลงสู่ดิจิทัลได้ช้าที่สุด
Comments
0 comments