Algorisme d'aprenentatge de reforç per optimitzar automàticament les operacions de les plantes
L'institut Yokogawa i Nara de Ciència i Tecnologia Avançada (NAIST) va anunciar el desenvolupament conjunt d'un algoritme d'aprenentatge millorat per optimitzar automàticament les operacions de les plantes. L'aprenentatge de reforç és una tecnologia bàsica en el camp de la intel·ligència artificial (AI). El desenvolupament conjunt d'aquest algoritme proporciona una solució pràctica per millorar la qualitat de producció i la producció de la fàbrica.
La intel·ligència artificial i l'aprenentatge automàtic (ML) són un subconjunt d'intel·ligència artificial. Recentment, s'espera assolir avenços en el canvi tecnològic en diversos camps, la qual cosa ha despertat una gran preocupació. AI s'està utilitzant en la vida real, per exemple, vehicles autònoms i vaixells. Malgrat que ML ha estat posat en l'anàlisi de dades de plantes, ha de ser estudiat més per empreses i institucions acadèmiques abans que es pugui aplicar al control d'automatització.
Amb els anys, Yokogawa ha proporcionat sistemes de control per a diverses indústries com petroli, gas natural, productes químics, acer, polpa i paper, medicaments i aliments i ha adquirit una gran quantitat de tecnologia i coneixements relacionats amb operacions de plantes. NAIST ha estat investigant i desenvolupant tecnologies basades en ML, com el raonament probabilístic i les tècniques d'enginyeria de sistemes, el control d'optimització i l'aprenentatge de reforç, així com el desenvolupament de robots intel·ligents i sistemes que realitzen funcions específiques en un entorn dinàmic.
Yokogawa i NAIST han desenvolupat amb èxit un nou algoritme que utilitza la tecnologia de control de plantes de Yokogawa i els coneixements i experiències de Yokogawa sobre la interdependència entre els bucles de control per millorar la programació d'estratègies dinàmiques del kernel (KDPP) i l'aprenentatge de reforç de NIST. tecnologia. Els algorismes d'aprenentatge tradicionals de reforç requereixen una gran quantitat de processament de cerques per assegurar un control adequat, que és un repte per a les aplicacions pràctiques. L'algoritme recentment desenvolupat redueix significativament la quantitat de formació que s'ha de fer i, per tant, és molt pràctic. Yokogawa i NAIST han confirmat al simulador de plantes que mitjançant l'ús d'un nou algoritme per controlar simultàniament quatre vàlvules diferents durant el procés de destil·lació a la planta de producció d'acetat de vinil, l'operació d'optimització supera amb escreix el que és possible amb algorismes de control convencionals o operacions manuals.
Yokogawa i NAIST realitzaran una prova de concepte (POC) en un entorn de fàbrica actualitzat per confirmar la fiabilitat de l'ús real. L'algoritme recentment desenvolupat es va publicar a la IEEE International Conference on Automation Science and Engineering que es va celebrar a Alemanya del 20 al 24 d'agost.
Si voleu comprar un motor de procés de processament d'aliments, si us plau, fixeu-vos en el motor del raspall de carboni.
