Vahvistava oppimisalgoritmi laitosten toiminnan automaattiseen optimointiin
Yokogawa ja Nara Advanced Science and Technology -instituutti (NAIST) ilmoittivat kehittävänsä parannettua oppimis * -algoritmia laitosten toiminnan automaattista optimointia varten. Vahvistava oppiminen on perusteknologia keinotekoisen älykkyyden (AI) alalla. Tämän algoritmin yhteinen kehittäminen tarjoaa käytännön ratkaisun tehtaan tuotannon laadun ja tuotannon parantamiseen.
Keinotekoinen äly ja koneoppiminen (ML) ovat keinotekoisen älykkyyden alaryhmä. Viime aikoina odotetaan saavutettavan läpimurtoja teknologian muutoksessa eri aloilla, mikä on herättänyt laajaa huolta. AI: tä käytetään todellisessa elämässä, esimerkiksi autonomisissa ajoneuvoissa ja veneissä. Vaikka ML on otettu laitosdatanalyysiin, yritysten ja akateemisten laitosten on tutkittava sitä edelleen, ennen kuin sitä voidaan soveltaa automaation hallintaan.
Vuosien varrella Yokogawa on tarjonnut valvontajärjestelmiä eri teollisuudenaloille, kuten öljylle, maakaasulle, kemikaaleille, teräkselle, sellulle ja paperille, lääkkeille ja elintarvikkeille, ja on hankkinut suuren määrän laitostoimintaan liittyvää teknologiaa ja asiantuntemusta. NAIST on tutkinut ja kehittänyt ML-pohjaisia tekniikoita, kuten todennäköisyysperusteista päättelyä ja järjestelmätekniikkaa, optimoinnin hallintaa ja vahvistamista, sekä kehittää älykkäitä robotteja ja järjestelmiä, jotka suorittavat tiettyjä toimintoja dynaamisessa ympäristössä.
Yokogawa ja NAIST ovat onnistuneesti kehittäneet uuden algoritmin, joka käyttää Yokogawan kasvinohjausteknologiaa ja Yokogawan tietämystä ja asiantuntemusta ohjaussilmukoiden keskinäisestä riippuvuudesta ydindynamiikan strategisen ohjelmoinnin (KDPP) ja NIST-vahvistuksen oppimisen parantamiseksi. teknologiaa. Perinteiset vahvistusoppimisalgoritmit vaativat suuren määrän hakuprosessia oikean ohjauksen varmistamiseksi, mikä on haaste käytännön sovelluksissa. Äskettäin kehitetty algoritmi vähentää merkittävästi suoritettavan koulutuksen määrää ja on siksi erittäin käytännöllinen. Yokogawa ja NAIST ovat vahvistaneet kasvi-simulaattorilla, että käyttämällä uutta algoritmia ohjaamaan samanaikaisesti neljää erilaista venttiiliä vinyyliasetaatin tuotantolaitoksen tislausprosessin aikana, optimointitoiminta ylittää huomattavasti sen, mikä on mahdollista tavanomaisilla ohjausalgoritmeilla tai manuaalisesti.
Yokogawa ja NAIST suorittavat (POC) -konseptitestin ajantasaisessa tehdasympäristössä varmistaakseen todellisen käytön luotettavuuden. Äskettäin kehitetty algoritmi julkaistiin 20. – 24. Elokuuta pidetyssä IEEE: n kansainvälisessä automaatiotieteen ja -tekniikan konferenssissa.
Jos haluat ostaa ruoanjalostusprosessorimoottorin, kiinnitä huomiota hiiliharjan moottoriin.
