Verstärkungslernalgorithmus zur automatischen Optimierung des Anlagenbetriebs
Yokogawa und das Nara-Institut für fortgeschrittene Wissenschaft und Technologie (NAIST) gaben die gemeinsame Entwicklung eines verbesserten * Lernalgorithmus zur automatisierten Optimierung des Anlagenbetriebs bekannt. Verstärktes Lernen ist eine Basistechnologie im Bereich der künstlichen Intelligenz (KI). Die gemeinsame Entwicklung dieses Algorithmus bietet eine praktische Lösung zur Verbesserung der Produktionsqualität und des Produktionsergebnisses der Fabrik.
Künstliche Intelligenz und maschinelles Lernen (ML) sind eine Teilmenge künstlicher Intelligenz. Es wird erwartet, dass in jüngster Zeit in verschiedenen Bereichen Durchbrüche im technologischen Wandel erzielt werden, was zu großer Besorgnis geführt hat. KI wird in der Praxis zum Beispiel in autonomen Fahrzeugen und Booten eingesetzt. Obwohl ML in die Anlagendatenanalyse einbezogen wurde, muss es von Unternehmen und akademischen Institutionen eingehender untersucht werden, bevor es auf die Automatisierungssteuerung angewendet werden kann.
Im Laufe der Jahre hat Yokogawa Steuerungssysteme für verschiedene Branchen wie Öl, Erdgas, Chemikalien, Stahl, Zellstoff und Papier, Medizin und Lebensmittel geliefert und eine Vielzahl von Technologien und Fachwissen im Zusammenhang mit Anlagenbetrieben erworben. NAIST erforschte und entwickelte ML-basierte Technologien wie probabilistische Argumentation und systemtechnische Techniken, Optimierungskontrolle und Verstärkungslernen sowie intelligente Roboter und Systeme, die bestimmte Funktionen in einer dynamischen Umgebung ausführen.
Yokogawa und NAIST haben erfolgreich einen neuen Algorithmus entwickelt, der die Anlagentechnologie von Yokogawa und das Wissen und die Expertise von Yokogawa hinsichtlich der Interdependenz zwischen Regelkreisen zur Verbesserung der dynamischen Kernel-Strategieprogrammierung (KDPP) und des NIST-Verstärkungslernens verwendet. Technologie. Herkömmliche Verstärkungslernalgorithmen erfordern viel Suchverarbeitung, um eine korrekte Steuerung zu gewährleisten, was für praktische Anwendungen eine Herausforderung darstellt. Der neu entwickelte Algorithmus reduziert den Schulungsaufwand erheblich und ist daher äußerst praktisch. Yokogawa und NAIST haben am Anlagensimulator bestätigt, dass durch den Einsatz eines neuen Algorithmus zur gleichzeitigen Steuerung von vier verschiedenen Ventilen während des Destillationsprozesses in der Vinylacetatproduktionsanlage der Optimierungsvorgang weit über das hinausgeht, was mit herkömmlichen Regelalgorithmen oder manuellen Vorgängen möglich ist.
Yokogawa und NAIST werden in einer modernen Fabrikumgebung einen (POC-) Konzepttest durchführen, um die Zuverlässigkeit der tatsächlichen Verwendung zu bestätigen. Der neu entwickelte Algorithmus wurde auf der IEEE International Conference on Automation Science and Engineering vom 20. bis 24. August in Deutschland veröffentlicht.
Wenn Sie einen Nahrungsmittelprozessormotor kaufen möchten, beachten Sie bitte den Kohlebürstenmotor.
