ENEOS Materials Corporation und Yokogawa Electric Corporation haben eine Vereinbarung unterzeichnet, um den Einsatz des Factorial Kernel Dynamic Policy Programming (FKDPP) in einem Chemiewerk von ENEOS Materials offiziell zu genehmigen. FKDPP ist ein KI-Algorithmus basierend auf Reinforcement Learning, der nach einem erfolgreichen Feldversuch, bei dem die autonome KI-Steuerung fast ein Jahr lang die Destillationskolonne in der Anlage gesteuert hat, nun in vollem Umfang eingeführt wird.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Historischer Meilenstein: KI und Reinforcement Learning erstmals zur direkten Steuerung einer Anlage angewendet – basierend auf öffentlicher Forschung
Laut einer detaillierten Sekundärforschung von öffentlich zugänglichen Quellen durch IoT Analytics im März 2023 ist die Verwendung von KI mit Reinforcement Learning zur direkten Steuerung einer Anlage weltweit erstmals dokumentiert.
Yokogawa beschreibt autonome KI-Steuerung als eine Lösung, die eigenständig die optimale Methode zur Steuerung ableitet und über eine hohe Robustheit verfügt, um auch in unbekannten Situationen autonom zu agieren. Diese fortschrittliche Technologie ist in der Lage, mit unbekannten Umständen umzugehen und autonom Entscheidungen zu treffen, um effiziente Steuerungsprozesse zu gewährleisten.
Yokogawa und JSR haben eine Chemieanlage über einen Zeitraum von 35 Tagen (840 Stunden) hinweg mit KI autonom gesteuert. Dabei wurde eine innovative Steuerungstechnologie verwendet, die Qualität, Ertrag, Energieersparnis und plötzliche Störungen berücksichtigt. Der Test fand vom 17. Januar bis zum 21. Februar 2022 statt und war ein Testlauf für eine Steuerungstechnologie der nächsten Generation.
Der Test bestätigte eindrucksvoll, dass die KI-Lösung in der Lage ist, Destillationsvorgänge zu steuern, die bisher über die Möglichkeiten bestehender Automatisierungslösungen wie PID-Regelung oder APC hinausgehen. Früher musste erfahrene Anlagenbedienungspersonal manuell Ventile steuern, um komplexe Bedingungen zu erfüllen und die Produktqualität zu erhalten sowie den Flüssigkeitsstand in der Destillationskolonne aufrechtzuerhalten. Nach einer planmäßigen Abschaltung der Anlage für Wartungs- und Reparaturarbeiten wurde der Test als Feldversuch wieder aufgenommen und bis heute fortgesetzt. Die KI-Lösung hat nicht nur die Qualität stabilisiert, sondern auch einen hohen Ertrag erzielt und Energie durch optimale Nutzung der entstehenden Abwärme eingespart.
Autonome KI-Steuerung im Feldversuch überzeugt mit vier herausragenden Vorteilen
1. Unveränderliche Stabilität das ganze Jahr hindurch
Der Einsatz der autonomen KI-Steuerung führte zu einer ausgezeichneten Stabilität bei der Kontrolle der Flüssigkeitsstände und einer maximalen Nutzung der Abwärme, selbst unter anspruchsvollen Wetterbedingungen mit starken Temperaturschwankungen zwischen Winter und Sommer von etwa 40 ºC. Der Feldversuch verlief ohne Probleme und ermöglichte einen stabilen Betrieb sowie eine hohe Produktqualität.
2. Umweltschonendere Praktiken
Durch die Implementierung einer autonomen KI-Steuerung wurde die Produktion von Off-Spec-Produkten eliminiert, was zu einer signifikanten Reduzierung der Betriebsstoff- und Arbeitskosten führte. Darüber hinaus konnte die autonome KI-Steuerung den Rohstoffeinsatz optimieren, wodurch eine effizientere Nutzung von Ressourcen ermöglicht wurde. Bei der Herstellung von qualitativ hochwertigen Produkten, die den Versandstandards entsprechen, wurde ebenfalls eine Verbesserung erzielt. Der Dampfverbrauch konnte um 40 Prozent im Vergleich zur herkömmlichen manuellen Steuerung reduziert werden, was zu einer entsprechenden Verringerung der CO2-Emissionen führte. Besonders bemerkenswert ist hierbei die signifikante Reduktion der Dampfmenge, die zur Aufrechterhaltung des Flüssigkeitsstands benötigt wurde, und der damit verbundenen CO2-Emissionen.
3. Mehr Sicherheit durch geringere Arbeitsbelastung
Mit der Einführung der autonomen KI-Steuerung entfällt die Notwendigkeit von manuellen Eingaben durch Bediener vollständig. Dies führt zu einer erheblichen Reduzierung der Arbeitsbelastung, da Bediener nicht mehr in mühsame manuelle Aufgaben involviert sind. Zudem wird menschliches Versagen vermieden, da die autonome KI-Steuerung präzise und zuverlässig arbeitet. Dies führt zu einer spürbaren Verringerung der psychischen Belastung der Bediener und zu einer Verbesserung der Sicherheit in den betreffenden Prozessen.
4. Standhaftigkeit des KI-Steuerungsmodells
Nachdem die Anlage im Rahmen eines routinemäßigen Stillstands für Wartungs- und Reparaturarbeiten modifiziert wurde, konnte das bestehende KI-Steuerungsmodell unverändert beibehalten werden.
Im Laufe des einjährigen Feldversuchs bei ENEOS Materials hat sich die autonome KI-Steuerung als äußerst robustes System bewährt, das kontinuierlich eine stabile Leistung erbracht hat und den Betrieb optimieren konnte. Angesichts dieser vielversprechenden Ergebnisse beabsichtigt das Unternehmen, die Anwendung dieser innovativen KI-Lösung auf andere Arten von Prozessen und Anlagen auszuweiten, um die Produktivität zu maximieren und Energieeinsparungen zu erzielen, indem der Umfang der Autonomisierung erweitert wird.
Im Februar führte Yokogawa eine bahnbrechende KI-basierte Automatisierungslösung für Edge Controller ein, um die Autonomie von Anlagen voranzutreiben. Als weltweit erster kommerziell verfügbarer KI-Service mit Reinforcement Learning für Edge-Controller, basierend auf einer umfassenden Sekundärforschung öffentlich zugänglicher Quellen durch IoT Analytics im März 2023. Als Teil dieser Lösung bietet das Unternehmen einen globalen Beratungsservice an, der Anwendern bei der Identifizierung von Steuerungsproblemen, Untersuchung optimaler Steuerungsmethoden, Wirtschaftlichkeitsberechnung sowie Sicherheit, Implementierung, Wartung und Betrieb unterstützt.
ENEOS Materials und Yokogawa haben beschlossen, ihre Zusammenarbeit auch in Zukunft fortzusetzen und sich auf die digitale Transformation (DX) ihrer Anlagen zu konzentrieren. Sie werden gemeinsam KI-Methoden erforschen, um die Steuerung ihrer Anlagen zu automatisieren und zustandsabhängige Wartung zu implementieren. Durch den Einsatz von innovativen Technologien wollen sie ihre Anlagenprozesse optimieren und die Betriebseffizienz erhöhen.
Masataka Masutani, Leiter der Abteilung für Produktionstechnologie bei ENEOS Materials Corporation, betonte die positiven Auswirkungen von KI auf die petrochemische Industrie. Die autonome Steuerung von bisher manuell gesteuerten Prozessen habe zur Verringerung der Arbeitsbelastung der Bediener, stabilen Betriebsabläufen unabhängig von saisonalen Schwankungen und Wartungsarbeiten sowie Energieeinsparungen und Treibhausgasreduktionen geführt. ENEOS Materials Corporation werde weiterhin in intelligente Produktion investieren, um Sicherheit, Stabilität, Dekarbonisierung und Wettbewerbsfähigkeit zu verbessern.
Professor Takamitsu Matsubara von der Nara Institute of Science and Technology hebt hervor, dass die Belohnungsfunktion von entscheidender Bedeutung für Reinforcement Learning ist. Durch die Einbeziehung von Automatisierungswissen aus der Prozessindustrie in die Belohnungsfunktion kann ein zuverlässiges und stabiles KI-Steuerungsmodell entwickelt werden, das auch nach Wartungs- und Reparaturarbeiten uneingeschränkt verwendet werden kann. Ein erfolgreicher Feldtest bestätigt die Robustheit des Modells, und die innovative Steuerungstechnologie FKDPP wird voraussichtlich weltweit zur Entwicklung der Industrie beitragen.
Yokogawa Vice President Kenji Hasegawa betont die Dankbarkeit für die Zusammenarbeit mit einem Kunden bei einer weltweit einzigartigen Autonomisierungsinitiative. Angesichts der Herausforderungen in der Kontrolle von realen Anlagen, will Yokogawa mit Produkten und Beratung die autonome KI-Steuerung weiterentwickeln und Kunden bei Dekarbonisierung, digitaler Transformation und Autonomisierung unterstützen.
