Αλγόριθμος εκμάθησης ενίσχυσης για αυτόματη βελτιστοποίηση των λειτουργιών των εγκαταστάσεων
Το Ινστιτούτο Προηγμένων Επιστημών και Τεχνολογίας (NAIST) της Yokogawa και Nara ανακοίνωσε την από κοινού ανάπτυξη ενός βελτιωμένου αλγόριθμου μάθησης * για αυτοματοποιημένη βελτιστοποίηση των λειτουργιών των εγκαταστάσεων. Η ενίσχυση της μάθησης είναι μια βασική τεχνολογία στον τομέα της τεχνητής νοημοσύνης (AI). Η κοινή ανάπτυξη αυτού του αλγορίθμου παρέχει μια πρακτική λύση για τη βελτίωση της ποιότητας παραγωγής και της παραγωγής του εργοστασίου.
Η τεχνητή νοημοσύνη και η μηχανική μάθηση (ML) είναι ένα υποσύνολο τεχνητής νοημοσύνης. Πρόσφατα, αναμένεται να σημειωθεί πρόοδος στην τεχνολογική αλλαγή σε διάφορους τομείς, η οποία προκάλεσε εκτεταμένες ανησυχίες. Το AI χρησιμοποιείται στην πραγματική ζωή, για παράδειγμα, αυτόνομα οχήματα και βάρκες. Παρόλο που η ML έχει τεθεί σε ανάλυση δεδομένων για τα εργοστάσια, πρέπει να μελετηθεί περαιτέρω από εταιρείες και ακαδημαϊκά ιδρύματα πριν να εφαρμοστεί στον έλεγχο αυτοματισμού.
Με τα χρόνια, η Yokogawa έχει παράσχει συστήματα ελέγχου για διάφορες βιομηχανίες όπως το πετρέλαιο, το φυσικό αέριο, τα χημικά, ο χάλυβας, ο χαρτοπολτός και το χαρτί, τα φάρμακα και τα τρόφιμα και έχει αποκτήσει μεγάλη τεχνολογία και τεχνογνωσία σε σχέση με τις εγκαταστάσεις των εγκαταστάσεων. Η NAIST ερευνά και αναπτύσσει τεχνολογίες που βασίζονται σε ML, όπως πιθανοτικές συλλογιστικές και τεχνικές μηχανικής συστημάτων, βελτιστοποίηση ελέγχου και ενίσχυσης μάθησης, καθώς και ανάπτυξη έξυπνων ρομπότ και συστημάτων που εκτελούν συγκεκριμένες λειτουργίες σε ένα δυναμικό περιβάλλον.
Οι Yokogawa και NAIST έχουν αναπτύξει με επιτυχία έναν νέο αλγόριθμο που χρησιμοποιεί την τεχνολογία ελέγχου της εγκατάστασης της Yokogawa και τις γνώσεις και εμπειρίες της Yokogawa για την αλληλεξάρτηση μεταξύ των βρόχων ελέγχου για τη βελτίωση του προγραμματισμού δυναμικής στρατηγικής του πυρήνα (KDPP) και της ενίσχυσης NIST. τεχνολογία. Οι παραδοσιακοί αλγόριθμοι μάθησης οπλισμού απαιτούν μεγάλο όγκο επεξεργασίας αναζήτησης για να διασφαλιστεί ο σωστός έλεγχος, γεγονός που αποτελεί πρόκληση για πρακτικές εφαρμογές. Ο πρόσφατα αναπτυγμένος αλγόριθμος μειώνει σημαντικά την ποσότητα της κατάρτισης που πρέπει να γίνει και είναι συνεπώς εξαιρετικά πρακτική. Οι Yokogawa και NAIST επιβεβαίωσαν στον προσομοιωτή φυτών ότι με τη χρήση ενός νέου αλγορίθμου για τον έλεγχο ταυτόχρονα τεσσάρων διαφορετικών βαλβίδων κατά τη διάρκεια της διαδικασίας απόσταξης στην εγκατάσταση παραγωγής οξικού βινυλίου, η λειτουργία βελτιστοποίησης υπερβαίνει κατά πολύ αυτό που είναι δυνατό με συμβατικούς αλγόριθμους ελέγχου ή χειροκίνητες λειτουργίες.
Η YOKOGAWA και η NAIST θα διενεργήσουν μια δοκιμή ιδέας (POC) σε ένα ενημερωμένο εργοστάσιο για να επιβεβαιώσουν την αξιοπιστία της πραγματικής χρήσης. Ο νέος αλγόριθμος κυκλοφόρησε στο IEEE International Conference on Automation Science and Engineering που διεξήχθη στη Γερμανία από τις 20 έως τις 24 Αυγούστου.
Εάν θέλετε να αγοράσετε ένα κινητήρα επεξεργαστή τροφίμων επεξεργασίας, παρακαλούμε να προσέξουμε σε μοτέρ άνθρακα βούρτσα.
