Pengukuhan pembelajaran algoritma untuk pengoptimuman automatik operasi kilang
Yokogawa dan Nara Institut maju Sains dan teknologi (NAIST) mengumumkan pembangunan bersama suatu pembelajaran dipertingkatkan * algoritma untuk pengoptimuman automatik operasi kilang. Pengukuhan pembelajaran adalah teknologi asas dalam bidang kecerdasan buatan (AI). Bersama pembangunan algoritma ini menyediakan satu penyelesaian yang praktikal untuk meningkatkan kualiti pengeluaran dan output kilang.
Kecerdasan buatan dan mesin pembelajaran (ML) adalah sebahagian daripada kecerdasan buatan. Kebelakangan ini, ia dijangka dapat mencapai kejayaan dalam perubahan teknologi dalam pelbagai bidang, yang telah membangkitkan kebimbangan yang meluas. AI sedang digunakan dalam kehidupan sebenar, sebagai contoh, kenderaan autonomi dan bot-bot. Walaupun ML telah diletakkan dalam analisis data loji, ia mesti terus dikaji oleh Syarikat-Syarikat dan institusi-institusi akademik sebelum ia boleh digunakan untuk kawalan automasi.
Selama ini, Yokogawa telah menyediakan sistem kawalan untuk pelbagai industri seperti minyak, gas asli, bahan kimia, keluli, pulpa dan kertas, ubat-ubatan dan makanan, dan memperolehi sejumlah besar teknologi dan kepakaran yang berkaitan dengan operasi loji. NAIST telah menyelidik dan membangunkan teknologi berasaskan ML seperti kebarangkalian taakulan dan sistem kejuruteraan teknik, kawalan pengoptimuman dan pengukuhan pembelajaran, serta membangunkan sistem yang melaksanakan tertentu dan robot pintar fungsi-fungsi di dalam persekitaran yang dinamik.
Yokogawa dan NAIST telah berjaya membangunkan algoritma baru yang menggunakan teknologi kawalan Yokogawa di kilang dan di Yokogawa dan kepakaran kesalingbergantungan di antara gelung kawalan untuk memperbaiki pengaturcaraan dinamik strategi inti (KDPP) dan NIST pengukuhan pembelajaran. teknologi. Pembelajaran tradisional tetulang algoritma memerlukan sejumlah besar Cari pemprosesan bagi memastikan kawalan yang betul, yang merupakan satu cabaran bagi permohonan praktikal. Algoritma yang baru dibangunkan secara signifikan mengurangkan jumlah latihan yang perlu dilakukan dan oleh itu adalah sangat praktikal. Yokogawa dan NAIST telah disahkan pada simulator loji bahawa dengan menggunakan algoritma yang baru pada masa yang sama mengawal empat injap yang berbeza semasa proses penyulingan di vinil acetate pengeluaran loji, operasi pengoptimuman jauh melebihi apa yang didapati dengan algoritma kawalan konvensional atau manual operasi.
Yokogawa dan NAIST akan menjalankan ujian konsep (POC) dalam kilang memenuhi persekitaran untuk mengesahkan kebolehpercayaan penggunaan sebenar. Algoritma yang baru dibangunkan ini dikeluarkan pada Persidangan Antarabangsa IEEE automasi Sains dan kejuruteraan yang diadakan di Jerman pada 20 Ogos untuk 24hb.
Jika anda ingin membeli sebuah motor pemproses pemprosesan makanan, sila beri perhatian kepada motor berus karbon.
