Yokogawa Electric Corporation und ENEOS Materials Corporation haben vereinbart, Factorial Kernel Dynamic Policy Programming (FKDPP), einen KI-Algorithmus basierend auf Reinforcement Learning, offiziell für den Betrieb in einem Chemiewerk von ENEOS Materials zuzulassen. Diese Vereinbarung schließt sich an den erfolgreichen Feldversuch an, in dem diese autonome KI fast ein ganzes Jahr lang bei der Erhaltung des hohen Leistungsniveaus der Destillationskolonne geholfen hat.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Reinforcement Learning revolutioniert die direkte Anlagesteuerung durch KI im März 2023
Im März 2023 nutzen Wissenschaftler KI-Techniken wie maschinelles Lernen und Verstärkungslernen, um Anlagen direkt zu steuern. Dies ist die erste Implementierung dieser Art weltweit, die auf umfassendem Forschungsmaterial öffentlich zugänglicher Quellen beruht.
Yokogawa entwickelt autonome KI-Steuerungssoftware, die sich anpassen kann und in der Lage ist, unabhängig von vorhersehbaren Ereignissen optimale Entscheidungen zu treffen.
Yokogawa und JSR testeten eine neue KI-Technologie über 35 Tage in Folge an einer Chemieanlage, die Qualität, Ertrag, Energieeffizienz und Störungserkennung verbessern sollte. Der Test begann am 17. Januar 2022 und endete am 21. Februar 2022.
Der Test der KI-Lösung bestätigte, dass sie über die Möglichkeiten von PID-Regelung/APC hinausgeht und Destillationsvorgänge steuern kann. Bei ihrer Anwendung wurden Ertrag und Produktqualität stabilisiert sowie Energie gespart.
Autonomes Steuern durch KI: Ergebnisse des Feldversuchs
1. Sicherheit garantiert das ganze Jahr über
Die autonome KI-Steuerung stellte einen stabilen Betrieb sicher, auch bei schwankenden Außentemperaturen von bis zu 40 ºC und optimierte so die Nutzung der Abwärme. Durch den Einsatz dieser Technologie konnte eine kontinuierliche Produktqualität gewährleistet werden, ohne Schwierigkeiten aufzuzeigen.
2. Erhöhter Naturschutz
Die Einführung einer KI-basierten Steuerung hat zu einem Rückgang der Betriebsstoff- und Arbeitskosten, einer Optimierung des Rohstoffeinsatzes sowie zu einer Reduzierung des Dampfverbrauchs und der CO2-Emissionen um 40 Prozent geführt. Dadurch konnten qualitativ hochwertige Produkte hergestellt werden, die den Versandstandards entsprechen.
3. Geringerer Arbeitsaufwand und mehr Sicherheit
Durch die Einführung einer autonomen KI-Steuerung werden manuelle Eingaben durch den Benutzer überflüssig gemacht, was zu einer Reduzierung der Arbeitsbelastung, einer Verbesserung der Sicherheit und einer Entlastung psychischer Belastung für die Anwender führt.
4. Das Modell der KI-Steuerung ist ein stabiles System, das für die Automatisierung vieler Prozesse verwendet wird und eine hohe Genauigkeit und Effizienz gewährleistet.
Das vorherige Modell für die KI-Steuerung konnte auch nach Anpassungen der Anlage bei laufendem Betrieb erhalten bleiben.
Nach einem einjährigen Feldversuch konnte ENEOS Materials feststellen, dass die autonome KI-Steuerung ein robustes System ist, welches zur Optimierung des Betriebs beitragen kann. Darüber hinaus wird das Unternehmen in Zukunft an der Verbesserung der Produktivität arbeiten und versuchen mehr Energie einzusparen, indem sie den Autonomisierungsbereich erweitern.
Yokogawa hat eine KI-basierte Automatisierungslösung für Edge Controller entwickelt, die weltweit als erste kommerziell verfügbar ist. Das Unternehmen bietet Beratungsdienstleistungen an, um Kunden beim autonomen Anlagenbetrieb zu unterstützen, indem es Probleme identifiziert und optimale Steuermethoden berechnet.
Neos Materials und Yokogawa vereinen ihre Kräfte, um den Einsatz von KI in der industriellen Automatisierungstechnik voranzutreiben, indem sie digitale Transformation (DX), Steuerung und zustandsabhängige Wartung von Anlagen erforschen.
Masataka Masutani, Division Director der Production Technology Division bei ENEOS Materials Corporation erklärte den Test mit dem Ziel KI zur autonomen Steuerung von Prozessen einzusetzen, um so mehr Sicherheit und Stabilität zu gewährleisten und Wettbewerbsfähigkeit zu verbessern. Der Test hat gezeigt, dass dieses System stabil arbeiten kann und gleichzeitig energieeffizient ist sowie Treibhausgasemissionen reduzieren kann.
Takamitsu Matsubara von dem Nara Institute of Science and Technology betonte den Einfluss der Gestaltung der Belohnungsfunktion auf Reinforcement Learning und stellte fest, dass FKDPP als neue Steuerunstechnologie die Komplexität verschiedener Bedingungen meistern kann. Das KI-Steuerungsmodell bestand den Feldtest erfolgreich und wird voraussichtlich große Auswirkungen auf die Entwicklung von Industrien auf globaler Ebene haben.
Yokogawa hat erfolgreich in Zusammenarbeit mit einem Kunden die weltweite Initiative für Autonomisierung realisiert. Um diese Bemühungen voranzutreiben, setzt sich Yokogawa für den Einsatz der autonomen KI-Steuerung ein, um die Dekarbonisierung, digitale Transformation und Autonomisierung des Kunden zu unterstützen.
