3个月之前，洪毅每4个小时就要操作30次垃圾进料，才能让垃圾焚烧过程中的蒸汽压强保持稳定。
而在阿里云工程师带着人工智能技术与瀚蓝的老师傅经验结合之后，神奇的事情发生了：系统可以根据此前垃圾的燃烧情况，预判90秒内的蒸汽变化曲线，进而推荐最佳进料操作。
工人只需要在收到提醒后，输入系统即可安全、高效进行焚烧过程。这让整个操作时长减少了80%，而且可以迅速在其他厂里推广开来。
7月23日，阿里云与瀚蓝环境宣布，首个管理垃圾焚烧炉的AI投入使用。相比单纯人工操作，AI辅助人的方式让锅炉燃烧稳定性提升了23%。
培养老师傅至少要五年
广州佛山瀚蓝绿电固废处理厂内，一个5米宽3米高的机械抓斗，从经过5天发酵的垃圾堆里一把抓起重达15吨的垃圾，将其投入焚烧锅炉进料口，然后，推料杆会将这些垃圾一点一点送入炉温高达1000℃的焚烧锅炉。
整个厂区共有六台这样的焚烧锅炉，每天“消化”近3000吨垃圾，可发电150万度，足以满足南海区16万户40万人的生活用电需求。
控制焚烧锅炉的火候，是一件超高难度的工作。
实时变动的参数多达1400余个，任何一个参数的变化，都会影响垃圾焚烧的效果和发电量。瀚蓝规定，数据中控室里至少要有三位技工守在电脑屏前监测数据，五班三倒，二十四小时从不间断。
今年31岁的洪毅，是其中一班的值长，从学徒到现在分管整个厂区运行的老师傅，他花了八年才摸透垃圾焚烧炉的脾气。
锅炉燃烧要保持稳定，与炉内压力、温度、氧量，风机的风压、风量等大量参数息息相关，而引发参数变化的原因，则是诸如垃圾堆没有点着，推送垃圾的速度慢了，垃圾没烘干此类的具体问题，通常，洪毅只需瞄一眼火孔，就能看出问题出在哪儿。
巡检时的洪毅
锅炉的送风管道，弯曲部分很容易堵塞，洪毅巡检时就拿个锤子，在风道拐弯处轻敲两下，声音清脆，则说明没堵死，若要进一步确认是否部分堵塞，则不能单凭听觉判断，他要一点点打开管道口的阀门，查看送风量，也可以看风压，风压升高，就说明给料受阻，拐角处存在部分堵塞的可能。
这些判断、处理问题的诀窍，都是老师傅们长年累月积存的经验，而学徒们要出师，就离不开老师傅的“传帮带”，洪毅记得很清楚，自己花了一年时间，才初步掌握从锅炉构造原理到一整套锅炉、汽机、电气循环系统的知识，从而有了独立操作的资格。
在瀚蓝，工龄五年以上，才有资格称作老师傅，人才培养周期如此漫长，在不断增长的业务需求面前，厂方迫切希望，“年轻员工也能烧出老师傅的感觉”。
老师傅经验难以量化
然而，老师傅的经验，却很难标准量化，在处理焚烧垃圾的各类问题时，他们有着自己的习惯和偏好。
比如，当焚烧炉内垃圾燃烧不充分时，不同的老师傅会有不同的操作。
刘值长会选择提高一次风温，将风温从正常的120℃提高到150-160℃。而张值长则会先跑去看料，通过手动炉排，让炉内的垃圾翻滚起来，这就相当于增加氧量，来加强火焰的燃烧。
而当焚烧炉内垃圾燃烧过旺时，就需要及时推垃圾进炉。
给料器总长1.3米，每推一次前进300-400毫米的距离，这个垃圾量称作一斗。
此时，刘值长会降一次风温，再推一斗垃圾进去，让其持续燃烧。洪毅则比较保守，只选择进半斗，稍微补充，再观察参数变化，根据观察结果来决定进料量。
垃圾焚烧炉
焚烧炉内垃圾燃烧是否充分，其中一个原因是垃圾的燃烧值不同。有时，一斗垃圾多为处理过的厨余垃圾或金属垃圾，炉火就会特别旺，蒸汽量负荷一下就上来了；有时，一斗垃圾里掺杂了木板杂物，就很难燃烧，蒸汽量负荷就“噌噌”往下掉。
通常，蒸汽量数值维持在53吨左右最为适宜，但由于垃圾燃烧值在不断变化，所以最高可以到90吨，最低可以到30吨。蒸汽量数值剧烈波动，直接影响焚烧炉运行的稳定性，这是老师傅们也要头疼的事情，蒸汽量数值过高会有安全隐患，过低又会影响发电量。
人工智能首秀略尴尬
为了进一步提升锅炉燃烧稳定性，瀚蓝环境和阿里云走到了一起，希望借助人工智能优化效果。
2018年12月，阿里云工程师来到瀚蓝环境，向老师傅们要走了近十年的历史数据，他们选取了风压、风温等100个特征测点构建模型，可实时计算与分析，预判垃圾燃烧后蒸汽变化曲线，推荐最佳进料操作。
然而，初试牛刀就出了洋相，算法接入焚烧系统后只“跑”了半个小时。
“暂停，暂停，先关了。”工程师张茂灵和其他几个工程师主动喊停了这一次的试验。
原来，洪毅发现维持在53.1吨的蒸汽量负荷，涨到了60吨，炉内氧量涨到了10%，应该进料了。可是算法并没有及时给出提示，再不进料就会跟火源脱节，下一斗的垃圾就很难烧旺。洪毅在一旁抿着嘴，双手搓了下，移动鼠标，点下了屏幕上的“进料”按键。
洪毅和张茂灵在垃圾吊操作室
人工智能的首秀遭到了人工的干预，几个阿里云工程师抱着电脑奔回会议室，立刻开始复盘这一版的算法，确实是基于历史经验建的模，离线训练效果也很不错，但为什么投入生产就“跑”不起来了？
坐在办公室里的工程师怎么都想不到，年初南海区的雨水日多，一周连下三天雨，导致垃圾含水量比平日高。以往库区内一个区的垃圾烘干发酵需要3天，雨天则需要7天，但因为存放空间有限，往往5天就会被拉去焚烧。而发酵时间不到位，垃圾热值能差上千焦，直接影响焚烧效果。
于是，阿里云工程师戴上安全帽，蒙上口罩，跟着老师傅们一起靠近烧炉。他们从1400个参数里挑出最重要的100个特征测点重新构建模型，前前后后迭代了50多个版本。
阿里工程师跟着老师在烧炉旁学习
除了数据，张茂灵也关注到老师傅们的操作偏好。他们找来100个熟练操作工，一个一个收集他们累计的经验，将这些习惯性的经验数据化、模型化后，“喂养”给算法学习。
再次试验时，洪毅按下“送料”键后，发现系统自动出现下一次送料时间，是在5分钟以后，他知道是算法起作用了。
随后，算法根据前一次焚烧的参数，提前30秒闪烁红灯，发出送料警报并自动送料，“4分多钟，跟我估计的时间差不多。”这一次，算法不再需要人工干预。
人工智能是人类经验的胜利
“这是人类经验的胜利。”阿里云工程师张茂灵说，“没有人的经验，人工智能只能吃鸭蛋。”
在阿里云工程师看来，人工智能算法不是要替代人工，而是辅助人工。相比单纯人工操作，AI辅助人的方式让锅炉燃烧稳定性提升了23%。
洪毅也发现，算法还不能完全替代他的工作，但是有了AI辅助，以前操作员4个小时内需要操作30次，现在只需要在收到提醒后去比对参数数值，最多干预系统6次即可。“提示了最佳进料的时间，就解放了我们的执行压力。”
可这样一来，老师傅们每日的运动量比从前降了不少。空闲之余，洪毅就和操作工们去马路对面的广东轻工职业技术学校打球加强锻炼。
当经验能像计算机程序一样复制，人类对垃圾的战争就多了一分胜率。
瀚蓝绿电信息中心总监赵浩表示：“算法解决了人类经验传承的问题。年轻员工也能烧出老师傅的感觉。”按照规划，这套算法将会在全国26个城市的垃圾处理项目中使用，未来扩展到100座城市。
“以前我说我是烧垃圾电厂的，别人以为我是扫垃圾的。”自从垃圾焚烧厂有了各种黑科技的助力，洪毅说：“再有人问起，我就说自己是干技术环保的。”
“算法没有终点，还需要持续学习、优化。”张茂灵提到，瀚蓝新的三厂区正在建设，明年就会投产。那时候，算法需要解决的是，如何在当前的垃圾总量基础之上，进一步提高垃圾的燃烧效率，进而提高垃圾的发电量。
