Im Rahmen einer Vereinbarung zwischen der ENEOS Materials Corporation und der Yokogawa Electric Corporation wird der Factorial Kernel Dynamic Policy Programming (FKDPP), ein auf Reinforcement Learning basierender KI-Algorithmus, offiziell in einem Chemiewerk von ENEOS Materials implementiert. Dies erfolgt nach einem erfolgreichen Feldversuch, bei dem die autonome KI-Steuerung fast ein Jahr lang eine herausragende Leistung bei der Steuerung einer Destillationskolonne in der Anlage gezeigt hat.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Weltweit erstmalige Verwendung von KI und Reinforcement Learning zur Anlagensteuerung basierend auf öffentlicher Sekundärforschung
Basierend auf umfangreicher Sekundärforschung von öffentlich zugänglichen Quellen durch IoT Analytics im März 2023 wird KI mit Reinforcement Learning erstmals weltweit zur direkten Steuerung einer Anlage verwendet.
Laut Yokogawa wird autonome KI-Steuerung als eine Lösung definiert, die eigenständig die optimale Steuermethode ableitet und eine hohe Widerstandsfähigkeit aufweist, um auch in unvorhergesehenen Situationen autonom handeln zu können. Diese fortschrittliche Technologie ist in der Lage, mit unbekannten Gegebenheiten umzugehen und autonom Entscheidungen zu treffen.
Über einen Zeitraum von 35 Tagen (840 Stunden) hinweg haben Yokogawa und JSR die praktische Anwendung einer Steuerungstechnologie der nächsten Generation getestet. Dabei wurde KI zur autonomen Steuerung einer Chemieanlage eingesetzt, um Qualität, Ertrag, Energieersparnis und plötzliche Störungen zu optimieren. Der Test fand vom 17. Januar bis zum 21. Februar 2022 statt.
Überlegenheit der KI-Lösung bei der Steuerung von Destillationsvorgängen: Die Ergebnisse des Tests haben gezeigt, dass die KI-Lösung in der Lage ist, Destillationsvorgänge zu steuern, die bisher manuelle Bedienung von erfahrenem Anlagenpersonal erforderten und über die Möglichkeiten herkömmlicher Automatisierungslösungen hinausgehen. Selbst nach einer planmäßigen Abschaltung der Anlage für Wartungs- und Reparaturarbeiten konnte der Feldversuch erfolgreich fortgesetzt werden. Die KI-Lösung hat komplexe Bedingungen erfolgreich gesteuert, um die Produktqualität zu wahren und den Flüssigkeitsstand in der Destillationskolonne optimal zu regulieren. Dabei wurde die entstehende Abwärme effizient als Wärmequelle genutzt, was zu einer stabilen Qualität, hohem Ertrag und Energieeinsparungen führte.
Feldversuch bestätigt: Autonome KI-Steuerung offenbart vier klare Vorteile
1. Gleichbleibende Stabilität das ganze Jahr über
Dank der autonomen KI-Steuerung konnte eine zuverlässige Kontrolle der Flüssigkeitsstände und eine optimale Nutzung der Abwärme auch bei extremen Wetterbedingungen mit starken Temperaturschwankungen zwischen Winter und Sommer von rund 40 ºC gewährleistet werden. Der Feldversuch verlief problemlos und ermöglichte einen stabilen Betrieb sowie eine erstklassige Produktqualität.
2. Nachhaltigere Umweltauswirkungen
Die autonome KI-Steuerung hat dazu geführt, dass die Produktion von Off-Spec-Produkten komplett entfiel. Dies hatte zahlreiche positive Effekte, darunter eine erhebliche Senkung der Betriebsstoff- und Arbeitskosten sowie eine effizientere Nutzung von Rohstoffen. Insbesondere wurde der Dampfverbrauch und damit verbundene CO2-Emissionen um bemerkenswerte 40 Prozent im Vergleich zur herkömmlichen manuellen Steuerung reduziert, wenn qualitativ hochwertige Produkte entsprechend den Versandstandards hergestellt wurden. Die autonome KI-Steuerung ermöglichte es, die Dampfmenge präzise zu regulieren, um den Flüssigkeitsstand aufrechtzuerhalten und gleichzeitig die Umweltauswirkungen der Produktion erheblich zu verringern.
3. Reduzierte Arbeitsbelastung für mehr Sicherheit
Die Einführung der autonomen KI-Steuerung hat dazu geführt, dass manuelle Eingaben von Bedienern nicht mehr erforderlich sind. Dies hat positive Auswirkungen auf die Arbeitsbelastung, da Bediener von routinemäßigen Aufgaben entlastet werden. Gleichzeitig wird das Risiko menschlichen Versagens minimiert, da die autonome KI-Steuerung zuverlässig und fehlerfrei arbeitet. Dies führt zu einer Reduzierung der psychischen Belastung der Bediener und zu einer verbesserten Sicherheit in den betreffenden Prozessen.
4. Zuverlässigkeit des KI-Steuerungsmodells
Selbst nach umfangreichen Änderungen an der Anlage während eines routinemäßigen Stillstands zur Durchführung von Wartungs- und Reparaturmaßnahmen konnte das bestehende KI-Steuerungsmodell unverändert weiterverwendet werden.
Während des einjährigen Feldversuchs bei ENEOS Materials hat sich gezeigt, dass die autonome KI-Steuerung als äußerst robustes System fungiert und kontinuierlich eine stabile Leistung erbracht hat, um den Betrieb zu optimieren. Das Unternehmen plant nun, die Anwendung dieser vielversprechenden KI-Lösung auf andere Prozesse und Anlagen auszuweiten, um die Produktivität weiter zu steigern und Energieeinsparungen zu realisieren.
Als Vorreiter für die Autonomisierung von Anlagen hat Yokogawa im Februar eine wegweisende Lösung für Edge Controller eingeführt – einen KI-basierten Automatisierungsservice mit Reinforcement Learning. Dieser Service, weltweit erstmalig kommerziell verfügbar, basiert auf umfassender Sekundärforschung öffentlich zugänglicher Quellen durch IoT Analytics im März 2023. Als Ergänzung bietet Yokogawa Anwendern, die autonomen Anlagenbetrieb anstreben, einen globalen Beratungsservice an. Dieser Service umfasst die Identifizierung von Steuerungsproblemen, die Untersuchung optimaler Steuerungsmethoden, Wirtschaftlichkeitsberechnungen sowie Aspekte von Sicherheit, Implementierung, Wartung und Betrieb.
ENEOS Materials und Yokogawa haben beschlossen, ihre Zusammenarbeit fortzusetzen und weiterhin gemeinsam nach Möglichkeiten zur digitalen Transformation (DX) ihrer Anlagen zu suchen. Insbesondere werden sie den Einsatz von KI erforschen, um die Steuerung ihrer Anlagen zu verbessern und zustandsabhängige Wartungskonzepte zu entwickeln. Durch den Einsatz von fortschrittlichen Technologien wollen beide Unternehmen ihre Produktivität steigern und die Anlagenleistung optimieren.
Masataka Masutani, Leiter der Abteilung für Produktionstechnologie bei ENEOS Materials Corporation, zeigte sich erfreut über den Einsatz von KI zur autonomen Steuerung von bisher manuell gesteuerten Prozessen in der petrochemischen Industrie. Dies habe positive Auswirkungen wie die Verringerung der Arbeitsbelastung der Bediener, stabile Betriebsabläufe unabhängig von saisonalen Schwankungen und Wartungsarbeiten sowie Energieeinsparungen und Treibhausgasreduktionen. ENEOS Materials Corporation werde weiterhin bestrebt sein, durch intelligente Produktion die Sicherheit und Stabilität zu gewährleisten und die Wettbewerbsfähigkeit zu verbessern.
Professor Takamitsu Matsubara von der Nara Institute of Science and Technology hebt die Bedeutung der Belohnungsfunktion für Reinforcement Learning hervor. Durch die Einbeziehung von Automatisierungswissen aus der Prozessindustrie kann ein zuverlässiges und stabiles KI-Steuerungsmodell entwickelt werden, das auch nach regelmäßiger Wartung und Reparatur unverändert verwendet werden kann. Ein erfolgreicher Feldtest bestätigt die Robustheit des Modells, und die neue Steuerungstechnologie FKDPP hat das Potenzial, die Industrie weltweit weiterzuentwickeln.
Yokogawa Vice President Kenji Hasegawa äußert seine Dankbarkeit für die Zusammenarbeit mit einem Kunden bei einer weltweit einmaligen Autonomisierungsinitiative. Angesichts der Schwierigkeiten 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 voranbringen.
