Algoritmo di rinforzo per l'ottimizzazione automatica delle operazioni di impianto
Yokogawa e Nara Institute of Advanced Science and Technology (NAIST) hanno annunciato lo sviluppo congiunto di un algoritmo enhanced learning * per l'ottimizzazione automatizzata delle operazioni degli impianti. L'apprendimento del rinforzo è una tecnologia di base nel campo dell'intelligenza artificiale (AI). Lo sviluppo congiunto di questo algoritmo fornisce una soluzione pratica per migliorare la qualità della produzione e l'output della fabbrica.
L'intelligenza artificiale e l'apprendimento automatico (ML) sono un sottoinsieme dell'intelligenza artificiale. Di recente, si prevede di realizzare progressi nel cambiamento tecnologico in vari campi, che ha destato preoccupazione diffusa. L'intelligenza artificiale viene utilizzata nella vita reale, ad esempio, veicoli e imbarcazioni autonome. Sebbene ML sia stata inserita nell'analisi dei dati di impianto, deve essere ulteriormente studiata dalle aziende e dalle istituzioni accademiche prima che possa essere applicata al controllo dell'automazione.
Nel corso degli anni, Yokogawa ha fornito sistemi di controllo per vari settori industriali come petrolio, gas naturale, prodotti chimici, acciaio, pasta di legno e carta, medicine e prodotti alimentari e ha acquisito una grande quantità di tecnologia e competenze relative alle operazioni degli impianti. NAIST ha ricercato e sviluppato tecnologie basate su ML come ragionamento probabilistico e tecniche di ingegneria dei sistemi, controllo dell'ottimizzazione e apprendimento del rinforzo, oltre a sviluppare robot intelligenti e sistemi che eseguono funzioni specifiche in un ambiente dinamico.
Yokogawa e NAIST hanno sviluppato con successo un nuovo algoritmo che utilizza la tecnologia di controllo degli impianti di Yokogawa e la conoscenza e competenza di Yokogawa dell'interdipendenza tra i loop di controllo per migliorare la programmazione della strategia dinamica del kernel (KDPP) e l'apprendimento del rinforzo NIST. tecnologia. Gli algoritmi di apprendimento di rinforzo tradizionali richiedono una grande quantità di elaborazione di ricerca per garantire un controllo adeguato, che rappresenta una sfida per le applicazioni pratiche. L'algoritmo appena sviluppato riduce significativamente la quantità di allenamento che deve essere fatto ed è quindi altamente pratico. Yokogawa e NAIST hanno confermato sul simulatore di impianto che utilizzando un nuovo algoritmo per controllare simultaneamente quattro diverse valvole durante il processo di distillazione presso l'impianto di produzione di acetato di vinile, l'operazione di ottimizzazione supera di gran lunga ciò che è possibile con algoritmi di controllo convenzionali o operazioni manuali.
Yokogawa e NAIST condurranno un test di concetto (POC) in un ambiente di fabbrica aggiornato per confermare l'affidabilità dell'uso effettivo. L'algoritmo recentemente sviluppato è stato rilasciato alla conferenza internazionale IEEE su Automation Science and Engineering tenutasi in Germania dal 20 al 24 agosto.
Se si desidera acquistare un motore del processore di elaborazione alimentare, prestare attenzione al motore della spazzola di carbone.
