Die Yokogawa Electric Corporation (TOKYO: 6841) und die JSR Corporation (JSR, TOKYO: 4185) geben den erfolgreichen Abschluss eines Praxistests bekannt, bei dem 35 Tage in Folge KI für den autonomen Betrieb einer Chemieanlage genutzt wurde – eine Weltneuheit*1. Mit dem Test konnte bestätigt werden, dass KI mit bestärkendem Lernen in einer bestehenden Anlage auf sichere Weise genutzt werden kann. Es wurde nachgewiesen, dass mit dieser Technologie Tätigkeiten gesteuert werden können, die über die Möglichkeiten bestehender Steuermethoden hinausgehen (PID-Regelung*2/APC*3) und bei denen bisher die manuelle Betätigung von Steuerventilen auf Grundlage der Einschätzungen des Anlagenpersonals nötig war. Die hier beschriebene Initiative wurde für das Förderprogramm Projects for the Promotion of Advanced Industrial Safety (Projekte für die Förderung fortgeschrittener industrieller Sicherheit) 2020 des japanischen Ministeriums für Wirtschaft, Handel und Industrie ausgewählt.
Diese Pressemitteilung enthält multimediale Inhalte. Die vollständige Mitteilung hier ansehen: https://www.businesswire.com/news/home/20220321005004/de/
Distillation columns at the JSR chemical plant (Photo: JSR Corporation)
Steuerungen sind in der Prozessindustrie für ein breites Spektrum von Bereichen wichtig: von der Ölraffination und Petrochemie bis hin zu Hochleistungschemikalien, Glasfasern, Stahl, Pharmazeutika, Lebensmitteln und Wasser. All dies beinhaltet chemische Reaktionen und andere Elemente, die einen äußerst hohen Grad an Zuverlässigkeit erfordern.
Bei diesem Praxistest konnte die KI-Lösung erfolgreich die komplexen Bedingungen bewältigen, die erforderlich sind, um die Produktqualität zu gewährleisten und den Flüssigkeitsstand in der Destillationskolonne auf einem angemessenen Niveau zu halten, während gleichzeitig Abwärme als Wärmequelle bestmöglich genutzt wurde. Auf diese Weise konnte die Qualität stabilisiert werden, ein hoher Ertrag erzielt *4 und Energie gespart werden. Regen, Schnee und andere Witterungseinflüsse waren zwar bedeutende Faktoren, die den Kontrollzustand durch plötzliche Veränderungen der Lufttemperatur stören konnten, aber die hergestellten Produkte entsprachen strengen Normen und wurden inzwischen ausgeliefert. Da nur qualitativ hochwertige Produkte hergestellt wurden, entfielen außerdem Kraftstoff-, Arbeits- und Zeitverluste sowie andere Verluste, die bei der Herstellung von Produkten entstehen, die nicht den Spezifikationen entsprechen. Über ein dreistufiges Verfahren konnte ein sicherer Betrieb gewährleistet werden.
Die bei diesem Kontrollexperiment verwendete KI, das Protokoll „Factorial Kernel Dynamic Policy Programming“ (FKDPP), wurde 2018 gemeinsam von Yokogawa und dem Nara Institute of Science and Technology (NAIST) entwickelt und im Rahmen der International Conference on Automation Science and Engineering (Internationale Konferenz für Automatisierungswissenschaft und -technik) des IEEE als weltweit erste KI anerkannt, die für das Anlagenmanagement genutzt werden kann*7. Über Initiativen wie die erfolgreiche Durchführung eines Experiments mit einem Steuerungstrainingssystem*8 im Jahr 2019 und einem Experiment im April 2020, bei dem eine gesamte Anlage mittels eines Simulators nachgebildet wurde*9, konnte Yokogawa das Potenzial dieser KI für autonome Steuerung*10 bestätigen und von einer Theorie in eine für die praktische Nutzung geeignete Technologie weiterentwickeln. Diese kann in Bereichen genutzt werden, in denen eine Automatisierung mit herkömmlichen Regelungsmethoden (PID-Regelung und APC) bisher nicht möglich war. Eine der Fähigkeiten dieser Technologie ist es, widersprüchliche Zielen zu bewältigen, wie z. B. der Forderung nach hoher Qualität und Energieeinsparung.
Angesichts der zahlreichen komplexen physischen und chemischen Phänomene, die sich auf den Betrieb von Anlagen auswirken, gibt es weiterhin viele Situationen, in denen erfahrenes Fachpersonal eingreifen und die Kontrolle übernehmen muss. Selbst wenn der Betrieb mittels PID-Regelung und APC automatisiert wird, müssen Fachleute mit viel Erfahrung die automatisierte Steuerung anhalten und Konfiguration und Ausgangswerte ändern, wenn beispielsweise eine plötzliche Veränderung der Lufttemperatur aufgrund von Niederschlägen oder anderen Wetterereignissen auftritt. Dies ist ein verbreitetes Problem, das in vielen Anlagen auftritt. Beim Übergang zur industriellen Autonomie*11 besteht eine große Herausforderung darin, eine autonome Steuerung in Situationen einzuführen, in denen bisher ein manuelles Eingreifen unerlässlich war – und zwar mit so wenig Aufwand wie nötig, bei gleichzeitiger Gewährleistung eines hohen Sicherheitsniveaus. Die Ergebnisse dieses Tests deuten darauf hin, dass die Zusammenarbeit zwischen Yokogawa und JSR einen Weg zur Lösung dieses langjährigen Problems eröffnet hat.
Yokogawa begrüßt Kunden weltweit, die sich für diese Initiativen interessieren. Das Ziel des Unternehmens besteht darin, rasch Produkte und Lösungen bereitzustellen, die die Verwirklichung industrieller Autonomie ermöglichen.
JSR ist überzeugt, dass diese Demonstration das Potenzial von KI für die Bewältigung von Herausforderungen zeigt, die in Chemiewerken bisher nicht gelöst werden konnten. Das Unternehmen wird die Anwendung von KI bei weiteren Verfahren und in anderen Werken untersuchen, um weitere Produktivitätssteigerungen zu erzielen.
In Zukunft werden beide Unternehmen weiterhin zusammenarbeiten und Möglichkeiten untersuchen, wie KI in Anlagen genutzt werden kann.
Masataka Masutani, General Manager Produktionstechnologie bei JSR, sagte dazu: In einem Umfeld, das sich aufgrund von Faktoren wie der flächendeckenden Einführung von 5G und anderen Entwicklungen hin zu einer digitalen Gesellschaft sowie der Überalterung des Personals, das die Anlagensicherheit gewährleistet, und dem Mangel an Arbeitskräften, die sie ersetzen könnten, verändert, steht die petrochemische Industrie unter starkem Druck, die Sicherheit und Effizienz ihrer Produktionsaktivitäten durch den Einsatz neuer Technologien wie IoT und KI zu verbessern. JSR ist darauf ausgerichtet, die Produktion durch die proaktive Einbindung von Drohnen, IoT-Sensoren, Kameras und anderen neuen Technologien intelligenter zu machen, und in diesem Experiment haben wir uns der Herausforderung der Automatisierung der Anlagenprozesssteuerung mit Hilfe von KI-Steuerungstechnologie gestellt. Wir haben nachgewiesen, dass KI in der Lage ist, Prozesse, die zuvor manuell auf der Grundlage der Erfahrung der Bediener durchgeführt wurden, autonom zu steuern, und wir sind fest von der Nützlichkeit und dem Zukunftspotenzial der KI-Steuerung überzeugt. Von den Anwendern haben wir gehört, dass sich nicht nur die Belastung der Bediener verringert hat, sondern dass allein die Tatsache, dass wir uns der Herausforderung dieser neuen Technologie gestellt haben und erfolgreich waren, eine Motivation ist, DX in die Zukunft zu führen. In Zukunft werden wir den mit KI gesteuerten Betrieb ausweiten und daran arbeiten, die Sicherheit, Stabilität und Wettbewerbsfähigkeit von Chemieanlagen zu verbessern.”
Takamitsu Matsubara, außerordentlicher Professor am NAIST, bemerkte: „Ich bin hocherfreut zu hören, dass dieser Praxistest erfolgreich war. Bei der Arbeit von Chemieanlagen werden jetzt Datenanalysen und maschinelles Lernen genutzt. Die Technologien, die für autonome Kontrollen und die Optimierung von Tätigkeiten genutzt werden können, sind bis jetzt jedoch noch nicht vollständig ausgereift. Der FKDPP-Algorithmus für KI mit bestärkendem Lernen wurde 2018 gemeinsam von Yokogawa und NAIST entwickelt, um die autonome Steuerung von Chemiewerken zu ermöglichen. Obwohl die KI auf eine große Anzahl von Sensoren und Steuerventilen zurückgreifen muss, kann sie in einer begrenzten Anzahl von Lernversuchen eine robuste Kontrollstrategie entwickeln. Diese Funktionen haben zur Verbesserung der Effizienz des Entwicklungsprozesses beigetragen und während des Praxistests zur Realisierung einer autonomen Steuerung während des langen Zeitraums von 840 Stunden geführt. Ich denke, diese sehr schwierige Realisierung einer autonomen Steuerung in einer realen Destillationskolonne sowie die Tatsache, dass der Grad der praktischen Anwendbarkeit soweit gesteigert werden konnte, dass das gesamte Produktionsverfahren und die Sicherheit in ein einziges System integriert sind, sind für die gesamte Branche von hoher Bedeutung. Ich freue mich darauf zu sehen, wie es mit dieser Technologie weitergeht.“
Kenji Hasegawa, Vice President von Yokogawa Electric und Leiter der Yokogawa Products Headquarters, fügte hinzu: „Der Erfolg dieses Praxistests rührte aus der Kombination der umfassenden Kenntnisse des Produktionsverfahrens und der operativen Aspekte, die nur die Kundschaft bieten kann, sowie aus der Stärke von Yokogawa bei der Nutzung von Messungen, Steuerung und Informationen für die Schaffung von Wert. Dies legt nahe, dass eine KI für autonome Steuerung (FKDPP) in signifikanter Weise zur Autonomisierung der Produktion, zur Maximierung der Rendite und zur ökologischen Nachhaltigkeit weltweit beitragen kann. Yokogawa ist weltweit führend bei der Entwicklung dezentraler Steuerungssysteme, mit denen der Betrieb von Produktionsanlagen kontrolliert und überwacht werden kann, und hat bereits das Wachstum verschiedenster Branchen unterstützt. Wir blicken fest auf die Welt des autonomen Betriebs, die das Modell für die Zukunft ganzer Branchen darstellt, und fördern so jetzt das Konzept IA2IA – „Industrial Automation to Industrial Autonomy“. Um eine starke und flexible Produktion zu realisieren, bei der der Einfluss von Unterschieden zwischen Menschen, Maschinen, Materialien und Methoden (den ʻ4 Msʼ) in den Branchen Energie, Werkstoffe, Pharma und vielen anderen Branchen mit berücksichtigt wird, werden wir die gemeinsame Entwicklung von KI für autonome Steuerungen zusammen mit unserer Kundschaft auf der ganzen Welt beschleunigen.“
|
*1 |
Auf Grundlage einer von Yokogawa Electric im Februar 2022 durchgeführten Umfrage zu KI für direkte Veränderungen der Stellgröße in der chemischen Anlage. |
|
*2 |
Proportional-Integral-Derivative Kontrolle. Dies wurde erstmals 1922 von Nicolas Minorsky vorgeschlagen. Es handelt sich um eine Technologie zur Steuerung der Infrastruktur in der verarbeitenden Industrie, die zur Kontrolle von Faktoren wie Menge, Temperatur, Füllstand, Druck und Inhaltsstoffen eingesetzt wird. Damit erfolgt eine Steuerung in Richtung eines Zielwerts, wobei die Ergebnisse der einzelnen P-, I- und D-Berechnungen jeweils entsprechend der Abweichung zwischen dem aktuellen Wert und dem Sollwert verwendet werden. Bei dieser Art der Kontrolle treten Probleme auf: etwa eine Unmöglichkeit, multiple äußere Störungen (Wetter, Klima, Änderungen der Materialbeschaffenheit) sowie häufige Änderungen von Zielwerten zu bewältigen. Daher werden manuelle Kontrollen nötig. |
|
*3 |
Erweiterte Prozesssteuerung. Dabei wird ein mathematisches Modell genutzt, mit dem Prozessantworten prognostiziert werden können und über das dem PID-Regelkreis in Echtzeit Sollwerte vorgegeben werden, womit Produktivität, Qualität und Steuerbarkeit erhöht werden. Es lässt sich zudem leicht auf Kontrollen zum Zweck von Produktionserhöhungen, der Verkürzung der Arbeitszeit und dem Einsparen von Energie anwenden. Die Integration von APC führt zu geringeren Datenabweichungen. So wird es möglich, sich den Grenzen der Betriebsleistung zu nähern (d. h. dem Zustand, in dem die optimale Leistung erzielt werden kann). Dabei wirkt jedoch die Tatsache einschränkend, dass APC nicht in der Lage ist, auf die schnelle Verdampfung von Flüssigkeiten und ähnliche chemische Reaktionen, größere Veränderungen der Materialbeschaffenheit und Änderungen der Maschinen zu reagieren. |
|
*4 |
Die Menge des Zielstoffs, die durch den Veredelungsprozess tatsächlich aus Rohstoffen gewonnen wird |
|
*5 |
Das integrierte Steuersystem CENTUM VP ermöglicht es, dass das gesamte Produktionsverfahren weiterläuft, während Druck, Durchflussmengen, Temperaturen und ähnliche Faktoren überwacht und kontrolliert werden; zudem sind verschiedene Verriegelungsfunktionen für einen sicheren, stabilen Betrieb und zur Vermeidung von Unfällen integriert. Um Unfälle in Anlagen zu vermeiden, ist die Zusammenarbeit mit sicherheitstechnischen Systemen (SIS), Notabschaltungen (ESD), Brandschutzsystemen (F&G) usw. möglich. |
|
*6 |
Ein Mechanismus, der den Start verhindert, wenn bestimmte Bedingungen vor dem Betrieb nicht erfüllt sind. Damit wird die Sicherheit erhöht, indem fehlerhafte Vorgänge, Verfahrensfehler usw. vermieden werden. |
|
*7 |
Factorial Kernel Dynamic Policy Programming for Vinyl Acetate Monomer Plant Model Control, August 2018. https://ieeexplore.ieee.org/document/8560593/ IEEE (Institute of Electrical and Electronics Engineers). Das IEEE ist eine in den USA ansässige Organisation für akademische Forschung und technische Normung, die ihren Schwerpunkt in den Bereichen Elektro- und Informationstechnik hat. Es hat mehr als 400.000 Mitglieder in 160 Ländern auf der ganzen Welt. |
|
*8 |
Ein Niveauregelungssystem mit drei Behältern, das zur Durchführung von Übungen und Experimenten verwendet wird, bei denen der Wasserdurchfluss von einem Niveau zum nächsten geregelt wird. Dabei besteht das allgemeine Ziel darin, den Wasserstand auf der niedrigsten Stufe zu kontrollieren. Dazu zählen auch Geräte zur künstlichen Erzeugung von Störungen, die den Wasserfluss zufällig verändern. Aufgrund der Beschaffenheit von Flüssigkeiten ist die Kontrolle der Durchflussmengen eine schwierige Herausforderung in der verarbeitenden Industrie. Die Möglichkeit, solche Kontrollen durchzuführen, resultiert in erhöhter Produktivität an den Fertigungsstätten. |
|
*9 |
Scalable Reinforcement Learning for Plant-wide Control of Vinyl Acetate Monomer Process, Control Engineering Practice, Band 97, April 2020 https://www.sciencedirect.com/science/article/pii/S0967066120300186 |
|
*10 |
Yokogawa definiert KI für autonome Steuerung als KI, die selbständig die optimale Steuermethode ableitet und einen hohen Grad an Robustheit hat, sodass damit in einem gewissen Maß Situationen autonom bewältigt werden können, denen die KI bisher nicht begegnet ist. |
|
*11 |
Industrielle Autonomie wird von Yokogawa folgendermaßen definiert: „Anlagen und Betrieb verfügen über Ressourcen, die Reaktionen mit minimaler menschlicher Interaktion ermöglichen, sodass das bedienende Personal Optimierungsaufgaben auf höherer Ebene durchführen kann.“ In den Reaktionen auf die von Yokogawa im Jahr 2021 durchgeführte globale Endverbraucherumfrage zur Implementierung industrieller Autonomie, bei der 534 Entscheidungstragende bei 390 fertigenden Herstellerfirmen befragt wurden, gaben 42 % an, dass die Anwendung von KI bei der Optimierung von Anlagenprozessen in den nächsten drei Jahren einen signifikanten Einfluss auf die industrielle Autonomie haben wird. |
|
|
(Referenz: https://web-material3.yokogawa.com/1/30261/tabs/The_Acceleration_of_Industrial_Autonomy_English.pdf) |
|
Die Namen der hier erwähnten Unternehmen, Organisationen, Produkte, Dienstleistungen und Logos sind entweder eingetragene Marken oder Marken der Yokogawa Electric Corporation, der JSR Corporation oder ihrer jeweiligen Inhaber. |
|
Über Yokogawa
Yokogawa bietet fortschrittliche Lösungen in den Bereichen Messung, Steuerung und Daten für Kunden aus einer Vielzahl von Branchen, darunter Energie, Chemie, Werkstoffe, Pharmazeutika und Lebensmittel. Yokogawa unterstützt seine Kunden bei Problemstellungen im Zusammenhang mit der Optimierung von Produktion, Anlagen und Lieferketten durch den effektiven Einsatz digitaler Technologien und ermöglicht so den Übergang zu autonomen Abläufen.
Yokogawa wurde im Jahr 1915 in Tokio gegründet und setzt sich mit seinem globalen, 17.500 Mitarbeiter umfassenden Netzwerk von 119 Unternehmen in 61 Ländern für eine nachhaltige Gesellschaft ein.
Weitere Informationen finden Sie unter www.yokogawa.com
Über die JSR Corporation
Die JSR Corporation ist ein multinationales Unternehmen, das weltweit mehr als 9.000 Mitarbeitende beschäftigt und ein führender Materiallieferant in einer Vielzahl von technologieorientierten Märkten ist. Es treibt Werkstoffinnovationen voran und schafft mit Werkstoffen Wert, um Gesellschaft, Menschen und Umwelt zu bereichern. Das globale Netzwerk von JSR hat seinen Hauptsitz in Tokio (Japan) und verfügt über Fabriken und Büros in Europa, den USA, China, Taiwan, Südkorea und Thailand. JSR ist eine forschungsorientierte Organisation, die enge Zusammenarbeit mit führenden Innovationsträgern in einer Reihe von Branchen anstrebt, die einen wichtigen Beitrag zum gegenwärtigen und zukünftigen Wohlergehen der menschlichen Gesellschaft leisten: Biowissenschaften, elektronische Materialien, Displays, Kunststoffe und synthetische Kautschuke.
Weitere Informationen über die JSR Corporation finden Sie auf https://www.jsr.co.jp/jsr_e/
Übersicht zum Praxistest
1. Zweck des Praxistests
(1) Nachweis, dass KI mit bestärkendem Lernen (Algorithmus für FKDPP: Factorial Kernel Dynamic Policy Programming) auf sichere Weise in Anlagen angewendet werden kann, in denen Sicherheit absolut notwendig ist
(2) Nachweis, dass KI mit bestärkendem Lernen zur Steuerung von Bereichen genutzt werden kann, in denen mit den bestehenden Steuermethoden (PID-Regelung/APC) nicht automatisiert werden kann.
2. Details
|
Ort |
Ein Chemiewerk von JSR in Japan |
|
Bereiche, |
Destillationskolonne Bereiche, in denen die bestehenden Steuermethoden (PID-Regelung/APC) nicht angewendet werden konnten und wo die Kontrolle nur manuell ausgeübt werden konnte (wo das bedienende Personal den Betriebszustand der Ventile prüfte und die Eingaben selbst vornahm). Bereiche, in denen Regen, Schnee und andere Witterungseinflüsse als signifikante Faktoren wirkten, die den Kontrollzustand durch Verursachung plötzlicher Veränderungen der Lufttemperatur stören konnten. Wenn die Substanzen A und B, die ähnliche Siedepunkte hatten, erhitzt und getrennt wurden, war eine optimale Steuerung möglich, bei der die Flüssigkeiten in der Destillationskolonne auf einem angemessenen Niveau gehalten werden konnten, sodass sämtliche Produkte den Normen entsprachen, während gleichzeitig zur Energieersparnis Ventile betätigt wurden, um die Nutzung der Abwärme als Wärmequelle für die Destillationskolonne zu maximieren und die gewünschte Substanz A im Idealzustand zu extrahieren. |
|
Steuerungs-KI |
KI mit bestärkendem Lernen (Algorithmus für FKDPP: Factorial Kernel Dynamic Policy Programming) |
|
Produkte und Technologien,
|
Yokogawa: Anlagensimulator OmegaLand (bereitgestellt von der Tochtergesellschaft Omega Simulation Co., Ltd. der Yokogawa Electric Corporation) Integriertes Produktionssteuerungssystem CENTUM VP Exaopc OPC Interface-Paket (Software für die Verwaltung verschiedener Datenbanken, die in der verarbeitenden Industrie genutzt werden. Nutzt ein Interface, das der von der OPC Foundation festgelegten Norm für OPC-Interfaces entspricht. Zu den Funktionen zählt das automatische Speichern von Prozessdaten.) Datenprotokollierungssoftware GA10 (für Bedienbildschirm und Eingabegerät [HMI] und Datenaufzeichnung) usw. |
|
Betrieb |
Verwaltet vom integrierten Produktionssteuerungssystem CENTUM VP Ermöglicht es, dass das gesamte Produktionsverfahren weiterläuft, während Druck, Durchflussmengen, Temperaturen und ähnliche Faktoren überwacht und kontrolliert werden; zudem sind verschiedene Verriegelungsfunktionen für einen sicheren, stabilen Betrieb und zur Vermeidung von Unfällen integriert. Um Unfälle in Anlagen vorzubeugen, arbeitet das System mit Notabschalteinrichtungen (Emergency Shutoff Devices, ESD) und Brandschutzsystemen (F&G) zusammen. |
|
Prozess der Implementierung von KI |
Erstellung eines KI-Steuermodells mit Anlagensimulator Anlagenmodell, dass aus Konstruktionsinformationen für die betreffende Anlage erstellt wird KI auf Grundlage von bestärkendem Lernen (FKDPP-Algorithmus) hat ein Steuermodell gelernt und erstellt Umfassende Bewertung der Gültigkeit und Zuverlässigkeit von KI-Steuermodellen
Geprüft mit früheren Betriebsdaten
Geprüft mit Echtzeitdaten Sicherheit gewährleisten, dann eine echte Anlage steuern Gewährleistung der Sicherheit durch vorhandene Verriegelungen und andere Sicherheitsfunktionen Integration in das integrierte Produktionssteuerungssystem CENTUM VP und Integration in die Arbeit der Anlage Gewährleistung der Sicherheit im Betrieb (geplante Reaktionen und eingerichtetes System für den Umgang mit Fehlfunktionen des KI-Systems) |
|
Projektzeitraum |
August 2020 – Februar 2022 (ein Jahr und sechs Monate) |
|
Zeitraum des Dauerbetriebs |
35 Tage, vom 17. Januar bis zum 21. Februar 2022 (840 Stunden) |
3. Aufgaben der Unternehmen
|
JSR |
Bereitstellung des Versuchsortes, detaillierte Informationen über die Anlage, Betriebsstatus Festlegung der Herausforderungen, die das KI-Kontrollsystem lösen muss Engineering (Anbindung an das bestehende integrierte Produktionsleitsystem CENTUM VP) Bewertung der Sicherheit und Validität aus der Perspektive des KI-Steuersystems Untersuchung von Sicherheitssystemen in realen Anlagen, für die KI-Steuersysteme eingeführt werden könnten |
|
Yokogawa |
Planung von Vorschlägen (Spezifikationen des KI-Systems, Zeitplan usw.) Konstruktion des KI-Systems Engineering (Anpassung der Anbindung an das bestehende integrierte Produktionssteuerungssystem CENTUM VP, usw.) Wartung |
4. Ergebnisse und Vergleich mit herkömmlicher Steuerung
|
Zusammenfassung Durch die Kombination der Kompetenzen beider Unternehmen und die Konzentration auf diejenigen Bereiche in einer realen Anlage, die mit den bestehenden Steuermethoden nicht automatisiert werden können, war es möglich, eine Methode zur sicheren Anwendung von KI mit bestärkendem Lernen in den Systemen und im Betrieb zu finden. Die dauerhafte Steuerung über einen Zeitraum von 35 Tagen wurde mittels eines integrierten Produktionssteuerungssystems erreicht, und es wurden erfolgreich für den Versand geeignete Produkte hergestellt. Das legt nahe, dass KI mit bestärkendem Lernen (FKDPP) als Steuerungstechnologie der nächsten Generation signifikant zur Autonomisierung, zur Maximierung der Rendite und zur ökologischen Nachhaltigkeit von Anlagen auf der ganzen Welt beitragen kann. |
|
|
Menschliche |
Autonome Steuerung mit KI, integriert in das integrierte Produktionssteuerungssystem CENTUM VP Nur Monitoring war nötig; im Grunde war keine menschliche Intervention nötig. |
|
Qualität |
Stabile Produktion von Produkten guter Qualität, die den strengen Normen entsprechen und versandt werden können |
|
Ertrag |
Rohstoffe konnten effizient in Produkte umgewandelt werden. |
|
Energie |
Energieeinsparungen wurden durch Maximierung der Nutzung von Abwärme als Wärmequelle realisiert, sodass eine Reduzierung der CO2-Emissionen möglich wurde. |
|
Kosten |
Nur Produkte guter Qualität wurden hergestellt. Die Kraftstoff- und Lohnkosten, die durch die Produktion von Off-Spec-Produkten entstehen, fielen damit weg. |
|
Zeit |
Nur Produkte guter Qualität wurden hergestellt. Die Zeitverluste, die durch die Produktion von Off-Spec-Produkten entstehen, fielen damit weg. |
|
Sicherheit |
Es ist nicht mehr notwendig, dass hoch erfahrenes Bedienpersonal 24 Stunden am Tag und 365 Tage im Jahr manuelle Kontrollen durchführt. Damit nimmt die Belastung für den Menschen ab, und Fehler werden vermieden, was zu einem höheren Sicherheitsniveau führt. |
5. [Referenz] Main characteristics of AI used in plant control
|
Typ |
Eigenschaften |
Vorteile |
|
|
Autonome |
In Bereichen, die mit den bestehenden Steuermethoden (PID-Regelung/APC) nicht automatisiert werden können, leitet die KI die optimale Steuermethode selbst ab und ist robust genug, in einem gewissen Maß Situationen autonom zu bewältigen, denen sie noch nicht begegnet ist. |
Auf Grundlage des Steuermodells, dass die KI lernt und ableitet, gibt sie jeweils den Grad der Kontrolle ein, der für jede Situation erforderlich ist. |
FKDPP hat folgende Vorteile:
(1) Kann in Situationen angewendet werden, in denen die Steuerung mit den bestehenden Steuertechniken (PID-Regelung und APC) nicht automatisiert werden kann, und kann widersprüchliche Ziele wie die Realisierung sowohl von hoher Qualität als auch von Energieeinsparungen bewältigen. |
|
Unterstützung für |
Die KI kann die aktuell vom Bedienpersonal ausgeführte Aufgabe übernehmen, die Zielwerte für Bereiche einzugeben, in denen die Automatisierung mit den bestehenden Steuermethoden (PID-Regelung/APC) implementiert wurde. |
Die KI nutzt frühere Steuerdaten zur Durchführung von Berechnungen und gibt Zielwerte ein. |
Die Automatisierung manueller Aufgaben und das Erreichen eines stabilen Betriebs sind möglich. |
|
Operativer Support für |
Die KI schlägt Zielwerte vor, auf die sich das Bedienpersonal bei der Durchführung von Arbeiten beziehen kann. |
Die KI nutzt frühere Kontrolldaten, um Menschen Zielwerte vorzuschlagen. |
Unterschiede aufgrund des Kenntnisstandes des Bedienpersonals werden nicht mehr auftreten. |
Die Ausgangssprache, in der der Originaltext veröffentlicht wird, ist die offizielle und autorisierte Version. Übersetzungen werden zur besseren Verständigung mitgeliefert. Nur die Sprachversion, die im Original veröffentlicht wurde, ist rechtsgültig. Gleichen Sie deshalb Übersetzungen mit der originalen Sprachversion der Veröffentlichung ab.
Originalversion auf businesswire.com ansehen: https://www.businesswire.com/news/home/20220321005004/de/