Алгоритм навчання для автоматичної оптимізації роботи установки
Yokogawa і Інститут передової науки і техніки Нара (NAIST) оголосили про спільну розробку вдосконаленого алгоритму навчання * для автоматизованої оптимізації роботи заводу. Підсилення навчання є базовою технологією в області штучного інтелекту (AI). Спільна розробка цього алгоритму дає практичне рішення для підвищення якості продукції та випуску продукції на заводі.
Штучний інтелект і машинне навчання є підмножиною штучного інтелекту. Нещодавно очікується досягнення проривів у технологічних змінах у різних сферах, що викликало широке занепокоєння. AI використовується в реальному житті, наприклад, автономні транспортні засоби та човни. Незважаючи на те, що ВМ було включено до аналізу даних підприємств, його необхідно додатково вивчити компаніями та академічними установами, перш ніж вони можуть бути застосовані до автоматизованого контролю.
Протягом багатьох років Yokogawa надала системи контролю для різних галузей промисловості, таких як нафта, природний газ, хімікати, сталь, целюлоза, папір, ліки та продукти харчування, а також придбала велику кількість технологій і знань, пов'язаних з операціями заводу. NAIST займається дослідженням і розробкою технологій на основі ML, таких як імовірнісні міркування і техніки інженерних систем, оптимізація управління і навчання підкріплень, а також розробка інтелектуальних роботів і систем, які виконують специфічні функції в динамічному середовищі.
Yokogawa та NAIST успішно розробили новий алгоритм, який використовує технологію управління рослинами Yokogawa та знання та знання Yokogawa про взаємозалежність між циклами управління для покращення програмування динамічної стратегії ядра (KDPP) та навчання підсилення NIST. технології. Традиційні алгоритми навчання підкріплення вимагають великої кількості пошукової обробки для забезпечення належного контролю, що є проблемою для практичних застосувань. Нещодавно розроблений алгоритм значно зменшує кількість тренувань, що необхідно зробити, і тому є дуже практичним. Yokogawa і NAIST підтвердили на симуляторі заводу, що, використовуючи новий алгоритм для одночасного управління чотирма різними клапанами під час процесу дистиляції на установці з виробництва вінілацетату, операція оптимізації значно перевищує можливі алгоритми управління або ручні операції.
Yokogawa та NAIST проведуть (POC) концептуальний тест у сучасній фабричній обстановці, щоб підтвердити надійність фактичного використання. Нещодавно розроблений алгоритм був випущений на Міжнародній конференції IEEE з автоматизації науки і техніки, що проходила в Німеччині з 20 по 24 серпня.
Якщо ви хочете купити двигун процесора харчової промисловості, будь ласка, зверніть увагу на вугільний двигун щітки.
