Shell’s Manufacturing Margin Optimization team uses AspenTech solutions to optimize its energy and petrochemicals business, including planning and scheduling applications. In a highly collaborative global project with AspenTech, Shell successfully deployed Aspen PIMS-AO in the Cloud resulting in margin uplift, improved work-life balance and reduced IT costs. Read this case study to learn how you can improve margins with Aspen PIMS-AO in the Cloud.

Shell’s Manufacturing Margin Optimization team uses AspenTech solutions to optimize its energy and petrochemicals business, including planning and scheduling applications. In a highly collaborative global project with AspenTech, Shell successfully deployed Aspen PIMS-AO in the Cloud resulting in margin uplift, improved work-life balance and reduced IT costs. Read this case study to learn how you can improve margins with Aspen PIMS-AO in the Cloud.

Genere el máximo impacto en su negocio al elegir el tipo de Machine Learning adecuado para su organización

Mining companies invest heavily in equipment for all stages of mining, mineral processing, refining and distribution. By monitoring asset condition and behavior and developing profiles of normal operations, anomalies and failures, predictive maintenance tools can notify staff of equipment problems prior to failure. This paper outlines how predictive maintenance provides mining organizations the intelligence needed to:

Las compañías mineras invierten fuertemente en activos para todas las etapas del proceso minero: extracción, procesamiento, refinería y distribución del mineral. Al monitorear la condición y el comportamiento de los activos y desarrollar perfiles de operaciones normales, anomalías y fallas, las herramientas de mantenimiento predictivo pueden notificar al personal sobre los problemas del equipo antes de que ocurra falla. Este documento describe cómo el mantenimiento predictivo proporciona a las organizaciones mineras la inteligencia necesaria para:

Aprenda como puede usar el mantenimiento prescriptivo (RxM) para dar un valor real a su organización. En este webinar el experto de AspenTech va a demostrar como los conocimientos basados en datos de AI y de Machine Learning mitigan los problemas de mantenimiento y mejoran la productividad.

In order to grow its business in a highly competitive market, Daicel, a chemicals manufacturer headquartered in Osaka, needed to develop polymers with narrow molecular weight distributions to meet a specific market demand. Read how Daicel used Aspen Polymers to develop a custom RAFT polymerization model. This model enabled our customer to optimize process conditions and reduce experimental costs, which provided the following benefits:

日本に本社を置き、創業から140年の歴史を誇るグローバル製薬会社がAspen Plusを導入して新規原薬（API）の合成を改善しました。同社は、創薬に重点を置きながら医薬品や医療機器の研究開発から製造、販売まで行っています。

Los procesos complejos presentan un desafío para las operaciones de refinación. Los riesgos operativos involucrados requieren un análisis preciso del comportamiento de la planta antes de realizar cualquier cambio en las operaciones. Los gemelos digitales con tecnología de simulación de procesos específica para refinación, como Aspen HYSYS Petroleum Refining®, permiten a los ingenieros simular con precisión las operaciones de la refinería para tomar mejores decisiones de una forma más rápida.

Las columnas de destilación son unidades problemáticas, que representan uno de los mayores desafíos operativos en la industria de procesos, principalmente porque las condiciones internas son dinámicas y hay una visión operativa limitada de su comportamiento. Los gemelos digitales online y offline ofrecen a los ingenieros y operadores poderosas capacidades para el análisis de columnas y así puedan responder a cambios operacionales de una forma más rápida.