ENEOS Materials Corporation und Yokogawa Electric Corporation haben eine Vereinbarung zur offiziellen Übernahme des Factorial Kernel Dynamic Policy Programming (FKDPP) getroffen. FKDPP ist ein auf Reinforcement Learning basierender KI-Algorithmus, der nach einem erfolgreichen Feldversuch nun in einem Chemiewerk von ENEOS Materials eingesetzt wird. Über fast ein Jahr hinweg hat die autonome KI-Steuerung eine hohe Leistung bei der Steuerung einer Destillationskolonne in dieser Anlage gezeigt.
Inhaltsverzeichnis: Das erwartet Sie im Artikel
KI und Reinforcement Learning erstmals zur direkten Steuerung einer Anlage eingesetzt – bahnbrechende Anwendung laut IoT-Analyse
Laut einer umfassenden Sekundärforschung öffentlich zugänglicher Quellen durch IoT Analytics im März 2023 wird KI mit Reinforcement Learning weltweit erstmals zur direkten Steuerung einer Anlage eingesetzt.
Autonome KI-Steuerung nach Yokogawa bezieht sich auf eine Lösung, die eigenständig die beste Methode zur Steuerung ableitet und über eine hohe Robustheit verfügt, um auch in unbekannten Situationen autonom agieren zu können. Sie zeichnet sich durch ihre Fähigkeit aus, bis zu einem gewissen Grad mit unbekannten Herausforderungen umzugehen.
Yokogawa und JSR haben einen Praxistest über 35 Tage (840 Stunden) durchgeführt, bei dem KI zur autonomen Steuerung einer Chemieanlage eingesetzt wurde. Dabei kam eine innovative Steuerungstechnologie zum Einsatz, die Qualität, Ertrag, Energieersparnis und plötzliche Störungen berücksichtigt. Der Testzeitraum erstreckte sich vom 17. Januar bis zum 21. Februar 2022.
Bestätigung der Fähigkeiten der KI-Lösung zur Steuerung von Destillationsvorgängen: Der durchgeführte Test hat gezeigt, dass die KI-Lösung in der Lage ist, Destillationsvorgänge zu steuern, die über die Möglichkeiten herkömmlicher Automatisierungslösungen wie PID-Regelung und Advanced Process Control (APC) hinausgehen. Bislang war erfahrene Bedienungspersonals erforderlich, um die Ventile manuell zu steuern. Nach einer planmäßigen Abschaltung der Anlage für Wartungs- und Reparaturarbeiten wurde der Test als Feldversuch fortgesetzt und hat bis heute gezeigt, dass die KI-Lösung komplexe Bedingungen steuern kann, um die Produktqualität aufrechtzuerhalten und den Flüssigkeitsstand in der Destillationskolonne optimal zu regeln. Gleichzeitig wurde die entstehende Abwärme effizient als Wärmequelle genutzt, was zu einer stabilen Qualität, hohem Ertrag und Energieeinsparungen führte.
Positive Ergebnisse im Feldversuch: Autonome KI-Steuerung zeigt vier signifikante Vorteile
1. Stabilität das ganze Jahr hindurch
Die autonome KI-Steuerung erwies sich als äußerst effektiv bei der Aufrechterhaltung stabiler Flüssigkeitsstände und der Maximierung der Nutzung von Abwärme, selbst unter extremen Witterungsbedingungen mit Temperaturschwankungen von etwa 40 ºC zwischen Winter und Sommer. Während des gesamten Feldversuchs konnten keinerlei Probleme festgestellt werden, und es wurde ein zuverlässiger Betrieb sowie eine herausragende Produktqualität erzielt.
2. Reduzierung der Umweltbelastung
Durch die Implementierung der autonomen KI-Steuerung wurde die Produktion von Off-Spec-Produkten komplett eliminiert, was zu einer signifikanten Reduktion der Betriebsstoff- und Arbeitskosten führte. Darüber hinaus wurde ein effizienterer Einsatz von Rohstoffen erreicht, da die autonome KI-Steuerung präzise und optimale Einstellungen für den Produktionsprozess berechnet. Besonders hervorzuheben ist, dass bei der Herstellung von qualitativ hochwertigen Produkten, die den Versandstandards entsprechen, der Dampfverbrauch und die CO2-Emissionen um beeindruckende 40 Prozent im Vergleich zur herkömmlichen manuellen Steuerung gesenkt wurden. Dies wurde erreicht, indem die autonome KI-Steuerung die Dampfmenge zur Aufrechterhaltung des Flüssigkeitsstands genau regelte und somit den CO2-Fußabdruck der Produktion deutlich reduzierte.
3. Entlastung am Arbeitsplatz und erhöhte Sicherheit
Durch die autonome KI-Steuerung entfällt die Notwendigkeit manueller Eingaben durch Bediener vollständig. Dies hat zur Folge, dass die Arbeitsbelastung erheblich reduziert wird, da menschliche Fehler vermieden werden. Darüber hinaus führt dies zu einer Reduzierung der psychischen Belastung der Bediener, da sie nicht mehr mit der Verantwortung für manuelle Eingaben belastet sind. Gleichzeitig verbessert sich die Sicherheit, da potenzielle menschliche Fehlerquellen eliminiert werden.
4. Robustheit des KI-Steuerungsmodells
Trotz vorgenommener Anpassungen an der Anlage während einer planmäßigen Betriebspause für Wartungs- und Reparaturarbeiten, konnte das gleiche Modell für die Steuerung der KI weiterhin erfolgreich eingesetzt werden.
Nach einem einjährigen Feldversuch bei ENEOS Materials hat sich gezeigt, dass die autonome KI-Steuerung ein äußerst robustes System ist, das das gesamte Jahr über eine stabile Leistung erbracht hat und den Betrieb optimieren konnte. Das Unternehmen beabsichtigt nun, die Anwendung dieser KI-Lösung auf andere Arten von Prozessen und Anlagen zu prüfen, um die Produktivität zu verbessern und Energieeinsparungen zu erzielen, indem der Umfang der Autonomisierung erweitert wird.
Um die Automatisierung von Anlagen weiter voranzutreiben, hat Yokogawa im Februar eine bahnbrechende Lösung für Edge Controller eingeführt: einen KI-basierten Automatisierungsservice mit Reinforcement Learning, der weltweit als erster kommerziell verfügbar ist. Diese Innovation basiert auf umfassender Sekundärforschung öffentlich zugänglicher Quellen, durchgeführt im März 2023, von IoT Analytics. Yokogawa bietet zudem einen globalen Beratungsservice für Anwender an, die eine autonome Anlagenbetrieb anstreben. Dieser Service umfasst die Identifizierung von Steuerungsproblemen, Untersuchung optimaler Steuerungsmethoden, Wirtschaftlichkeitsberechnungen sowie Sicherheitsaspekte, Implementierung, Wartung und Betrieb.
ENEOS Materials und Yokogawa haben vereinbart, auch zukünftig gemeinsam an der digitalen Transformation (DX) ihrer Anlagen zu arbeiten. Dabei werden sie Künstliche Intelligenz (KI) einsetzen, um die Steuerung von Anlagen zu optimieren und zustandsabhängige Wartungsmethoden zu erforschen. Diese Partnerschaft wird es beiden Unternehmen ermöglichen, ihre Anlagen effizienter zu betreiben und die Betriebskosten zu senken, indem sie modernste Technologien nutzen.
Masataka Masutani, Leiter der Abteilung für Produktionstechnologie bei ENEOS Materials Corporation, betonte die positive Auswirkung von KI auf die petrochemische Industrie. Durch die autonome Steuerung von bisher manuell gesteuerten Prozessen könne die Arbeitslast der Bediener reduziert, die Stabilität der Produktion gewährleistet und Energieeinsparungen sowie Emissionsreduktionen erzielt werden. ENEOS Materials Corporation werde weiterhin auf intelligente Produktion setzen, um Sicherheit, Stabilität, Dekarbonisierung und Wettbewerbsfähigkeit zu verbessern.
Professor Takamitsu Matsubara vom Nara Institute of Science and Technology betont, dass der Schlüssel zum Erfolg von Reinforcement Learning in der Gestaltung der Belohnungsfunktion liegt. Die Einbeziehung von Automatisierungswissen aus der Prozessindustrie ermöglicht ein zuverlässiges und stabiles KI-Steuerungsmodell, das auch nach Wartungsarbeiten unverändert angewendet werden kann. Die Robustheit des Modells wurde durch einen erfolgreichen Feldtest bestätigt, und die neue Steuerungstechnologie FKDPP hat das Potenzial, zur Entwicklung der Industrie weltweit beizutragen.
Kenji Hasegawa, Leiter des Yokogawa Products Headquarters, betont seine Dankbarkeit für die Zusammenarbeit mit einem Kunden bei der einzigartigen Autonomisierungsinitiative. Trotz der Herausforderungen, den Betrieb in realen Anlagen zu kontrollieren, will Yokogawa mit Fokus auf Produkte und Beratung die autonome KI-Steuerung weiterentwickeln und Kunden bei Dekarbonisierung, digitaler Transformation und Autonomisierung unterstützen.
