Algoritmo de aprendizaje de refuerzo para la optimización automática de las operaciones de la planta

- Dec 27, 2018-

Algoritmo de aprendizaje de refuerzo para la optimización automática de las operaciones de la planta.

Yokogawa y el Instituto Nara de Ciencia y Tecnología Avanzadas (NAIST) anunciaron el desarrollo conjunto de un algoritmo mejorado de aprendizaje * para la optimización automatizada de las operaciones de la planta. El aprendizaje por refuerzo es una tecnología básica en el campo de la inteligencia artificial (IA). El desarrollo conjunto de este algoritmo proporciona una solución práctica para mejorar la calidad de producción y el rendimiento de la fábrica.

La inteligencia artificial y el aprendizaje automático son un subconjunto de la inteligencia artificial. Recientemente, se espera que se logren avances en el cambio tecnológico en diversos campos, lo que ha despertado una preocupación generalizada. La IA se está utilizando en la vida real, por ejemplo, vehículos y barcos autónomos. Aunque ML se ha puesto en el análisis de datos de planta, las empresas y las instituciones académicas deben estudiarlo más a fondo antes de que pueda aplicarse al control de automatización.

A lo largo de los años, Yokogawa ha proporcionado sistemas de control para varias industrias como petróleo, gas natural, productos químicos, acero, pulpa y papel, medicamentos y alimentos, y ha adquirido una gran cantidad de tecnología y experiencia relacionada con las operaciones de la planta. NAIST ha estado investigando y desarrollando tecnologías basadas en ML como el razonamiento probabilístico y las técnicas de ingeniería de sistemas, el control de optimización y el aprendizaje de refuerzo, así como el desarrollo de robots inteligentes y sistemas que realizan funciones específicas en un entorno dinámico.

Yokogawa y NAIST han desarrollado con éxito un nuevo algoritmo que utiliza la tecnología de control de planta de Yokogawa y el conocimiento y experiencia de Yokogawa sobre la interdependencia entre los lazos de control para mejorar la programación de la estrategia dinámica del kernel (KDPP) y el aprendizaje por refuerzo del NIST. tecnología. Los algoritmos tradicionales de aprendizaje por refuerzo requieren una gran cantidad de procesamiento de búsqueda para garantizar un control adecuado, lo que es un desafío para las aplicaciones prácticas. El nuevo algoritmo desarrollado reduce significativamente la cantidad de entrenamiento que debe realizarse y, por lo tanto, es muy práctico. Yokogawa y NAIST han confirmado en el simulador de planta que al utilizar un nuevo algoritmo para controlar simultáneamente cuatro válvulas diferentes durante el proceso de destilación en la planta de producción de acetato de vinilo, la operación de optimización supera ampliamente lo que es posible con los algoritmos de control convencionales o las operaciones manuales.

Yokogawa y NAIST realizarán una prueba de concepto (POC) en un entorno de fábrica actualizado para confirmar la confiabilidad del uso real. El nuevo algoritmo desarrollado se lanzó en la Conferencia Internacional IEEE sobre Ciencia e Ingeniería de Automatización que se llevó a cabo en Alemania del 20 al 24 de agosto.

Si desea comprar un motor procesador de alimentos, preste atención al motor de escobilla de carbón.

Artículo anterior:Feria de Automatización Industrial Feria de la Industria China 2018 Siguiente artículo:Nuevos envíos de motor de vehículos de energía de 28,900 unidades.