Die ENEOS Materials Corporation und die Yokogawa Electric Corporation haben sich darauf geeinigt, den Factorial Kernel Dynamic Policy Programming (FKDPP), einen KI-Algorithmus basierend auf Reinforcement Learning, offiziell in einem Chemiewerk von ENEOS Materials einzuführen. Diese Entscheidung erfolgte nach einem erfolgreichen Feldversuch, bei dem die autonome KI-Steuerung über einen Zeitraum von fast einem Jahr eine hohe Leistung bei der Steuerung einer Destillationskolonne in der Anlage demonstriert hat.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Durchbruch: Erstmalige Nutzung von KI und Reinforcement Learning für Anlagensteuerung – IoT-Analyse bestätigt
IoT Analytics hat im März 2023 eine umfassende Sekundärforschung öffentlich zugänglicher Quellen durchgeführt und festgestellt, dass KI mit Reinforcement Learning erstmals weltweit zur direkten Steuerung einer Anlage eingesetzt wird.
Die autonome KI-Steuerung von Yokogawa ist eine Lösung, die sich durch ihre Fähigkeit auszeichnet, eigenständig die beste Methode zur Steuerung abzuleiten und eine hohe Robustheit aufzuweisen, um auch in unbekannten Situationen autonom agieren zu können. Diese innovative Technologie ist in der Lage, mit unbekannten Herausforderungen umzugehen und autonom zu handeln.
Ein Praxistest über 35 Tage (840 Stunden) wurde von Yokogawa und JSR durchgeführt, um die autonome Steuerung einer Chemieanlage mithilfe von KI zu testen. Dabei kam eine fortschrittliche Steuerungstechnologie zum Einsatz, die Qualität, Ertrag, Energieersparnis und plötzliche Störungen in Betracht zieht. Der Testzeitraum erstreckte sich vom 17. Januar bis zum 21. Februar 2022.
Erfolgreiche Anwendung der KI-Lösung zur Steuerung von Destillationsprozessen: Der durchgeführte Test hat eindrucksvoll gezeigt, dass die KI-Lösung in der Lage ist, komplexe Destillationsvorgänge zu steuern, die bisher eine manuelle Bedienung der Ventile durch erfahrenes Anlagenpersonal erforderten. Nach einer planmäßigen Abschaltung der Anlage für Wartungs- und Reparaturarbeiten wurde der Test als Feldversuch weitergeführt und bis heute fortgesetzt. Die KI-Lösung hat erfolgreich die Produktqualität aufrechterhalten und den Flüssigkeitsstand in der Destillationskolonne optimal geregelt, während die entstehende Abwärme effizient als Wärmequelle genutzt wurde. Die Lösung hat sich als stabil und ertragreich erwiesen und dabei Energieeinsparungen erzielt.
Erfolgreicher Feldversuch: Vier Vorteile der autonomen KI-Steuerung aufgedeckt
1. Konstante Stabilität das ganze Jahr über
Die autonome KI-Steuerung erwies sich als äußerst leistungsfähig, da sie trotz erheblicher Temperaturschwankungen von etwa 40 ºC zwischen Winter und Sommer eine stabile Kontrolle der Flüssigkeitsstände und eine effiziente Nutzung der Abwärme ermöglichte. Während des Feldversuchs wurden keine Störungen festgestellt, und es konnte ein zuverlässiger Betrieb mit herausragender Produktqualität gewährleistet werden.
2. Verminderung der Umweltbelastung
Dank der autonomen KI-Steuerung wurde die Produktion von Off-Spec-Produkten komplett gestoppt, was zu erheblichen Einsparungen bei Betriebsstoff- und Arbeitskosten führte. Darüber hinaus wurde eine optimierte Nutzung von Rohstoffen ermöglicht, da die autonome KI-Steuerung den Produktionsprozess präzise steuerte. Besonders bemerkenswert ist, dass der Dampfverbrauch und die CO2-Emissionen um beeindruckende 40 Prozent im Vergleich zur herkömmlichen manuellen Steuerung reduziert wurden, wenn hochwertige Produkte gemäß den Versandstandards hergestellt wurden. Dies wurde durch die präzise Einstellung der Dampfmenge zur Aufrechterhaltung des Flüssigkeitsstands durch die autonome KI-Steuerung erreicht, was zu einer erheblichen Verringerung der Umweltauswirkungen der Produktion führte.
3. Bessere Work-Life-Balance und gesteigerte Sicherheit
Dank der autonomen KI-Steuerung ist die manuelle Eingabe von Bedienern nicht mehr erforderlich. Dadurch werden Arbeitsbelastung und menschliches Versagen minimiert, da die autonome KI-Steuerung präzise und effizient arbeitet. Dies führt zu einer erheblichen Verringerung der psychischen Belastung der Bediener, da sie nicht mehr mit der Verantwortung für manuelle Eingaben belastet sind. Gleichzeitig wird die Sicherheit verbessert, da potenzielle Fehlerquellen durch menschliches Versagen eliminiert werden.
4. Widerstandsfähigkeit des KI-Steuerungsmodells
Trotz der durchgeführten Modifikationen an der Anlage während eines planmäßigen Stillstands für Wartungs- und Reparaturzwecke blieb das gleiche Modell für die KI-Steuerung weiterhin funktionsfähig.
Die Ergebnisse des einjährigen Feldversuchs bei ENEOS Materials zeigen, dass die autonome KI-Steuerung als äußerst zuverlässiges System betrachtet werden kann, das das gesamte Jahr über eine stabile Leistung erbracht hat und den Betrieb optimieren konnte. Das Unternehmen plant nun, die Anwendung dieser fortschrittlichen KI-Lösung auf andere Arten von Prozessen und Anlagen zu übertragen, um die Produktivität zu steigern und Energieeffizienz zu verbessern, indem der Umfang der Autonomisierung erweitert wird.
Yokogawa hat im Februar eine wegweisende KI-basierte Automatisierungslösung für Edge Controller eingeführt, um die Autonomisierung von Anlagen voranzutreiben. Diese weltweit erste kommerziell verfügbare Lösung mit Reinforcement Learning basiert auf umfassender Sekundärforschung öffentlich zugänglicher Quellen, durchgeführt von IoT Analytics im März 2023. Yokogawa bietet Anwendern, die den autonomen Anlagenbetrieb anstreben, zudem einen globalen Beratungsservice an. Dieser umfasst die Identifizierung von Steuerungsproblemen, die Untersuchung optimaler Steuerungsmethoden, Wirtschaftlichkeitsberechnungen sowie Aspekte von Sicherheit, Implementierung, Wartung und Betrieb.
ENEOS Materials und Yokogawa haben eine langfristige Partnerschaft vereinbart, um gemeinsam die digitale Transformation (DX) ihrer Anlagen voranzutreiben. Dabei werden sie auf KI-basierte Lösungen setzen, um die Steuerung ihrer Anlagen zu optimieren und zustandsabhängige Wartungsstrategien zu entwickeln. Mit dem Einsatz von modernster Technologie wollen sie die Effizienz ihrer Anlagen steigern und die Nachhaltigkeit ihrer Betriebsabläufe verbessern.
Masataka Masutani, Division Director der Produktionsabteilung bei ENEOS Materials Corporation, äußerte seine Begeisterung über den erfolgreichen Einsatz von KI zur autonomen Steuerung von bisher manuell gesteuerten Prozessen in der petrochemischen Industrie. Dies habe zur Reduzierung der Arbeitsbelastung der Bediener, stabilen Betriebsabläufen unabhängig von saisonalen Schwankungen und Wartungsarbeiten sowie Energieeinsparungen und Treibhausgasreduktionen geführt. ENEOS Materials Corporation werde weiterhin daran arbeiten, durch intelligente Produktion Sicherheit, Stabilität, Dekarbonisierung und Wettbewerbsfähigkeit zu verbessern.
Professor Takamitsu Matsubara vom Nara Institute of Science and Technology betont, dass die Gestaltung der Belohnungsfunktion entscheidend für den Erfolg von Reinforcement Learning ist. Durch die Integration von Automatisierungswissen aus der Prozessindustrie in die Belohnungsfunktion kann ein zuverlässiges und stabiles KI-Steuerungsmodell entwickelt werden, das ganzjährig stabilen Betrieb ermöglicht. Ein Feldtest hat die Robustheit des Modells bestätigt, und die neue Steuerungstechnologie FKDPP wird voraussichtlich zur Entwicklung der globalen Industrie beitragen.
Kenji Hasegawa, Leiter des Yokogawa Products Headquarters, lobt die Zusammenarbeit mit einem Kunden bei einer einzigartigen Autonomisierungsinitiative. Trotz der komplexen Herausforderungen in der Kontrolle von realen Anlagen, will Yokogawa mit Fokus auf Produkte und Beratung die autonome KI-Steuerung weiterentwickeln und gemeinsam mit Kunden Dekarbonisierung, digitale Transformation und Autonomisierung vorantreiben.
