工業4.0是指未來的工作環境具有完全的數據流動性和透明度，工廠各部件在其中收集有關其操作的數據并相互共享。即使在今天，IBM估計一個典型的工廠每天可產生1TB的數據，但是只有1%的數據被分析過。未來，數據量肯定會激增，而使用人工智能(AI)及其機器學習(ML)技術的更高級分析將在其中起到越來越重要的作用，幫助管理者理解數據。將此概念推向極致，一些工廠甚至會看到自主工廠組件之間的分布式決策，以及它們與來自供應鏈和分銷鏈的數據的集成。在需要時，現場工作人員將可隨時獲得準確的信息，并且可以實時優化他們的工作計劃。

這些新技術整合的累積影響將對許多行業產生革命性的影響，但對核工業可能不那么重要。雖然核電站長期以來都充斥著不斷記錄數據的傳感器，但監管環境不利于數據本身在共享、處理和使用方面的快速創新。在這一點上，工業4.0對核工業，尤其是在電廠運行中變得非常具有挑戰性。對安全性的需求限制了操作數據的傳輸，并且很難證明對與安全性相關的系統進行任何更改是合理的。世界核安全研究所(WorldInstituteforNuclearSecurity)稱，“信息技術和運營技術的融合是不可避免的，隨之而來的是重大機遇和風險”，但隨著我們進入2020年代，這個問題仍未得到解決和界定。

情報專家

雖然以傳感器為主導的數字革命還沒有到來，但核工業可以利用已有的豐富的結構化數據信息。RobertPlana是Assystem的首席技術官，他解釋了公司采取的一些方法。

通常在AI和ML應用程序中，最好的性能是在使用大量數據訓練新應用程序后獲得的，這些數據集有時來自多個領域的多個數據源。盡管核工業的安全限制使這種方法不可能實現，但對Plana和Assystem的另一種選擇是在獨立基礎上創建專家系統，在該系統中，所有數據都歸客戶所有，并在客戶的控制之下。在沒有大量訓練數據的情況下，該公司通常使用客戶真實生活數據的80%用于訓練，20%用于測試。Plana說，學習系統的潛在性能可能會有所損失，但輸入數據的嚴謹性和專業的知識編碼可以彌補這些損失。

為了支持法國即將進行的退役項目，Assystem創建了一個基于數千份紙質文件存檔的特定搜索引擎。

第一階段是對文件進行掃描并使用光學字符識別將其轉換為機器可讀的形式。然后，將文檔內容進行分類，并提供完整的搜索功能。

接下來，該團隊建立了一個本體――基于文本中的關鍵詞匯和文本內容的顯性關系的主題領域圖――這進一步完善的搜索功能。

當然，工廠和法規文件中高度結構化的信息為這一點奠定了良好的基礎，但對于Plana來說，最好的出發點有時是表格。

他說:“工程師非常有條理，他們在表格中總結重要的數字。”他解釋說，文檔通常是分解的，分別處理純文本、詞匯表和表格。分析之后，機器可能會建議從數據表開始，但工程師總是會指導和調整過程。

為了補充退役文件和本體，又增加了20000個問題和答案，對有價值的制度化知識進行了編碼。“我把這稱為公司的數字遺產，”Plana說。“如果你把專家的知識，最常見的問題，和深度學習技術結合起來，你就能建立一個非常智能的搜索引擎。”通過這種方式，一個相對較小的數據輸入――48GB的文檔――創建了一個強大的特定主題知識工具，包括一個站點清單數據庫。

最后一個階段是添加自然語言接口。工程師們可以通過一些問題來調查異常情況及其意義，比如“你能識別出A建筑中的放射性材料嗎?”或“你能把文件中列出的放射性水平與拆除小組開始在現場作業時測量到的水平進行比較嗎?”

Plana表示，該系統“可以在數秒內檢索到(人工搜索)需要花費一周時間的信息。”

數字孿生

對設施確切狀態的詳細了解對于制訂退役計劃至關重要。只有從一個完整的畫面中才能正確地定義團隊的規模、所需的工具和過程，以及進度和成本。為了實現這一點，數字孿生必須將工廠的原理圖和組件包含到盡可能小的水平，包括描述部件及其維護的所有文檔。

目前，許多即將退役的設施只有2D圖紙和描述，通常是關于設施的設計和后續改造的更新。然而，同樣重要的是要記住，沒有任何設施是真正按照設計建造的。在實際將東西擰到墻上時，總會有一些小問題和優化措施。Plana說:“數字孿生創造了在兩者之間移動的環境。”

協調所有這些設計信息的第一步是對設備進行三維激光掃描以獲得其當前拓撲。然后可以繼續進行所謂的“四維建造(Build4D)”：在操作發生時隨著時間移動進行空間檢查的概念，例如安裝大型新組件。除了模擬主要任務的過程外，Build4D還可以管理設施中的協作性――避免發生沖突，因為兩個團隊需要同時訪問同一空間，或者僅需要現場運行一定數量的人員受到安全或保安約束為。如果一個專門的團隊不能在某一天完成其工作，就不能保證次日人員或工具的可用性。這些簡單的協作沖突可能會使項目迅速脫離計劃。

調度可以通過任務完成時獲得的知識來進行。例如，如果OEM信息顯示需要三天時間來刪除某個部件，但實際上完成使用該結果更新模型的整個過程通常需要四天時間。

Plana說:“你擁有的數據越多，你的模型就越能代表現實，你就能更精確地進行項目交付。”

Build4D也被證明有助于法國核電站的停電管理優化工作。