Amersfoort, Nederland – 22 maart 2022
Yokogawa en JSR Corporation kondigen de succesvolle afronding aan van een praktijktest waarbij AI werd gebruikt om 35 dagen lang autonoom een chemische fabriek te besturen, een wereldprimeur*1. Deze test bevestigde dat Kunstmatige Intelligentie veilig kan worden toegepast in een echte fabriek, en toonde aan dat deze technologie operaties kan besturen die de mogelijkheden van bestaande besturingsmethoden (PID-besturing*2/APC*3) te boven gaan en tot nu toe de handmatige bediening van regelkleppen op basis van het oordeel van het fabriekspersoneel noodzakelijk maakten. Het hier beschreven initiatief werd geselecteerd voor het subsidieprogramma "Projecten voor 2020 ter bevordering van geavanceerde industriële veiligheid" van het Japanse ministerie van Economie, Handel en Industrie.
Destillatiekolommen in de chemische fabriek van JSR
De besturing in de procesindustrie bestrijkt een groot aantal gebieden, van olieraffinage en petrochemie tot hoogwaardige chemicaliën, vezels, staal, farmaceutica, levensmiddelen en water. Al deze sectoren brengen chemische reacties en andere elementen met zich mee die een extreem hoog betrouwbaarheidsniveau vereisen.
Bij deze praktijktest slaagde de AI-oplossing erin de complexe omstandigheden het hoofd te bieden die nodig waren om de productkwaliteit te garanderen en de vloeistoffen in de distillatiekolom op een geschikt niveau te houden, en tegelijk maximaal gebruik te maken van afvalwarmte als warmtebron. Op die manier werd de kwaliteit gestabiliseerd, een hoge opbrengst*4 bereikt en energie bespaard. Hoewel regen, sneeuw en andere weersomstandigheden belangrijke factoren waren die de controletoestand konden verstoren door plotselinge veranderingen in de atmosfeertemperatuur te veroorzaken, voldeden de geproduceerde producten aan strenge normen en zijn zij sindsdien verscheept. Aangezien alleen producten van goede kwaliteit werden gemaakt, werden bovendien brandstof, arbeid, tijd en andere verliezen geëlimineerd die zich voordoen wanneer producten worden geproduceerd die niet aan de specificaties voldoen.
Gecontroleerde gebieden en resultaten
Zoom
Veilige activiteiten werden gewaarborgd door het volgende proces:
Waarborgen van de veiligheid bij de exploitatie van de fabriek
Zoom
De AI die in dit besturingsexperiment werd gebruikt, het Factorial Kernel Dynamic Policy Programming (FKDPP)-protocol, werd in 2018 gezamenlijk ontwikkeld door Yokogawa en het Nara Institute of Science and Technology (NAIST), en werd tijdens een IEEE International Conference on Automation Science and Engineering erkend als de eerste ter wereld op ‘reinforcement learning’ gebaseerde AI die kan worden gebruikt in fabrieksbeheer*7. Door middel van initiatieven, waaronder de succesvolle uitvoering van een experiment met een besturingstrainingssysteem*8 in 2019, en een experiment in april 2020 waarbij een simulator werd gebruikt om een volledige fabriek na te bootsen*9, heeft Yokogawa het potentieel van deze autonome besturings-AI*10 bevestigd en het van een theorie naar een technologie gebracht die geschikt is voor praktisch gebruik. Het kan worden gebruikt op gebieden waar automatisering voorheen niet mogelijk was met conventionele besturingsmethoden (PID-regeling en APC), en zijn sterke punten zijn onder meer dat het kan omgaan met tegenstrijdige doelstellingen, zoals de behoefte aan zowel hoge kwaliteit als energiebesparing.
Gezien de talrijke complexe fysische en chemische verschijnselen die van invloed zijn op de werking in reële installaties, zijn er nog steeds veel situaties waarin ervaren operators moeten ingrijpen en de regeling moeten uitvoeren. Zelfs wanneer de processen zijn geautomatiseerd met behulp van PID-regeling en APC, moeten ervaren operators de geautomatiseerde regeling stoppen en de configuratie en uitvoerwaarden wijzigen wanneer zich bijvoorbeeld een plotselinge verandering voordoet in de atmosfeertemperatuur als gevolg van regenval of een andere weersomstandigheid. Dit is een veel voorkomend probleem in de fabrieken van veel bedrijven. Wat de overgang naar industriële autonomie*11 betreft, is het een zeer belangrijke uitdaging om in situaties waar tot nu toe handmatige interventie noodzakelijk was, toch een autonome besturing in te voeren, en dit met zo weinig mogelijk inspanning te doen en tegelijk een hoog veiligheidsniveau te waarborgen. De resultaten van deze test suggereren dat deze samenwerking tussen Yokogawa en JSR een weg voorwaarts heeft geopend voor de oplossing van dit al lang bestaande probleem.
Yokogawa verwelkomt klanten die wereldwijd belangstelling hebben voor deze initiatieven. Het bedrijf streeft ernaar snel producten en oplossingen te leveren die leiden tot de realisatie van industriële autonomie.
JSR is van mening dat deze demonstratie het potentieel van AI aantoont voor het aanpakken van uitdagingen die voorheen niet konden worden opgelost in chemische fabrieken, en zal de toepassing ervan op andere processen en fabrieken onderzoeken met het oog op het bereiken van verdere verbeteringen in de productiviteit.
In de toekomst zullen de twee bedrijven blijven samenwerken en manieren blijven onderzoeken om AI in fabrieken te gebruiken.
Masataka Masutani, algemeen manager productietechnologie bij JSR, merkte op: "In een omgeving die aan het veranderen is door factoren zoals de volwaardige introductie van 5G en andere ontwikkelingen in de richting van een digitale samenleving, maar ook door de vergrijzing van het personeel dat zorgt voor de veiligheid in fabrieken en een gebrek aan personeel om hen te vervangen, staat de petrochemische industrie onder sterke druk om de veiligheid en efficiëntie in haar productieactiviteiten te verbeteren door gebruik te maken van nieuwe technologieën, zoals IoT en AI. JSR richt zich op het slim maken van de productie door een proactieve integratie van drones, IoT-sensoren, camera's en andere nieuwe technologieën, en in dit experiment zijn we de uitdaging aangegaan om de procesbesturing van de fabriek te automatiseren met behulp van AI-besturingstechnologie. We hebben geverifieerd dat AI in staat is om processen die voorheen handmatig werden uitgevoerd, autonoom te besturen op basis van de ervaring van de operators, en we zijn vast overtuigd van het nut en het toekomstig potentieel van AI-besturing. Van de mensen in het veld hebben wij opmerkingen gehoord dat niet alleen de last voor de operatoren is verminderd, maar dat alleen al het feit dat wij de uitdaging van deze nieuwe technologie zijn aangegaan en erin zijn geslaagd, een motivatie is om DX in de toekomst verder te ontwikkelen. In de toekomst zullen wij de met AI gecontroleerde operaties uitbreiden en werken aan de verbetering van de veiligheid, stabiliteit en concurrentiekracht van chemische installaties.
Takamitsu Matsubara, universitair hoofddocent aan NAIST, merkte op: "Ik ben erg blij te horen dat deze veldtest succesvol is verlopen. Gegevensanalyse en machinaal leren worden nu toegepast op chemische fabrieksoperaties, maar technologie die kan worden gebruikt voor autonome controle en de optimalisatie van operaties is tot nu toe nog niet volledig klaar. Het AI FKDPP-algoritme werd in 2018 gezamenlijk ontwikkeld door Yokogawa en NAIST om autonome besturing in chemische fabrieken te realiseren. Ondanks het feit dat naar een groot aantal sensoren en regelkleppen moet worden verwezen, kan de AI een robuust regelbeleid genereren in een beperkt aantal leerproeven. Deze kenmerken hielpen de efficiëntie van het ontwikkelingsproces te verbeteren, en leidden tot het bereiken van autonome besturing gedurende een lange periode van 840 uur tijdens de veldtest. Ik denk dat dit zeer moeilijke resultaat van autonome besturing in een echte distillatiekolom en het feit dat het niveau van de praktische toepassing is opgetrokken tot het punt waar het volledige productieproces en de veiligheid in één systeem zijn geïntegreerd, van grote betekenis zijn voor de gehele industrie. Ik kijk ernaar uit te zien wat er verder met deze technologie gebeurt".
Kenji Hasegawa, vice-president van Yokogawa Electric en hoofd van het hoofdkantoor van Yokogawa Products, voegde hieraan toe: "Het succes van deze veldtest is te danken aan de combinatie van de diepgaande kennis van het productieproces en de operationele aspecten die alleen de klant kan bieden, en de kracht van Yokogawa op het gebied van metingen, controle en informatie om waarde te creëren. Het suggereert dat een autonome besturings-AI (FKDPP) een aanzienlijke bijdrage kan leveren aan de autonomisering van productie, maximalisering van ROI, en milieuduurzaamheid over de hele wereld. Yokogawa heeft de wereld geleid in de ontwikkeling van gedistribueerde besturingssystemen die de werking van fabrieksproductiefaciliteiten besturen en bewaken, en heeft de groei van een reeks industrieën ondersteund. Met onze blik strak gericht op een wereld van autonome werking die het model vormt voor de toekomst van de industrie, promoten wij nu het concept van IA2IA - Industrial Automation to Industrial Autonomy. Om een sterke en flexibele productie te bereiken die rekening houdt met de impact van verschillen in mensen, machines, materialen en methoden, de 4M's, in de energie-, materialen-, farmaceutische en vele andere industrieën, zullen we de gezamenlijke ontwikkeling van autonome besturings-AI versnellen met onze klanten over de hele wereld."
*1 Gebaseerd op onderzoek van Yokogawa dat in februari 2022 is uitgevoerd met betrekking tot AI die de manipulatieve variabele in de chemische fabriek direct verandert.
*2 Proportioneel-integraal-afgeleide controle. Voor het eerst voorgesteld door Nicolas Minorsky in 1922, is dit een infrastructuurbesturingstechnologie voor verwerkingsindustrieën die wordt gebruikt om items zoals hoeveelheid, temperatuur, niveau, druk en ingrediënten te regelen. Het implementeert controle in de richting van een doelwaarde terwijl de resultaten van elk van de P-, I- en D-berekeningen worden gebruikt op basis van de afwijking tussen de huidige waarde en de ingestelde waarde. Er zijn problemen met deze manier van controle, zoals een onvermogen om te gaan met meerdere externe verstoringen (weer, klimaat, veranderingen in de materiaalsamenstelling) en frequente wijzigingen in doelwaarden, waardoor handmatige bediening noodzakelijk is.
*3 Geavanceerde procesbesturing. Dit maakt gebruik van een wiskundig model dat procesreacties kan voorspellen en ingestelde waarden geeft aan de PID-besturingslus in realtime om de productiviteit, kwaliteit en controleerbaarheid te verbeteren. Het kan ook gemakkelijk worden toegepast om te controleren met als doel de productie te verhogen, de arbeidstijd te verkorten en energie te besparen. Het opnemen van APC resulteert in kleinere afwijkingen in gegevens, waardoor het mogelijk is om dichter bij de grenzen van de operationele prestaties te komen (d.w.z. de staat waarin de optimale prestaties kunnen worden verkregen). Het wordt echter beperkt door het feit dat het niet bedreven is in het reageren op de snelle verdamping van vloeistoffen en andere dergelijke chemische reacties, grote veranderingen in de materiaalsamenstelling en veranderingen in machines.
*4 Het volume van de doelstof dat daadwerkelijk wordt verkregen uit grondstoffen via het verfijningsproces
*5 Het CENTUM VP geïntegreerde besturingssysteem maakt het mogelijk om het hele productieproces voort te zetten terwijl het druk, debieten, temperaturen en andere dergelijke factoren bewaakt en regelt, evenals het integreren van verschillende in elkaar grijpende functies voor een veilige en stabiele werking en ongevallenpreventie. Om ongevallen in installaties te voorkomen, is het mogelijk om samen te werken met veiligheidssystemen (SIS), noodafsluitapparatuur (ESD), brandbeveiligingssystemen (F&G), enz.
*6 Een mechanisme dat het opstarten voorkomt, tenzij aan bepaalde voorwaarden is voldaan voordat het wordt gebruikt. Het verhoogt de veiligheid door onjuiste bewerkingen, procedurefouten en dergelijke te voorkomen.
*7 Factorial Kernel Dynamic Policy Programming for Vinyl Acetate Monomer Plant Model Control, augustus 2018. https://ieeexplore.ieee.org/document/8560593/. Het IEEE (Institute of Electrical and Electronics Engineers) is een in de VS gevestigde academische onderzoeks- en technische standaardisatieorganisatie die zich richt op het gebied van elektrische en informatietechnologie. Het heeft meer dan 400.000 leden in 160 landen over de hele wereld.
*8 Een regelsysteem met drie tanks dat wordt gebruikt om training en experimenten uit te voeren met betrekking tot de regulering van de waterstroom van het ene niveau naar het volgende, met als algemeen doel het waterniveau in de laagste fase te regelen. Het omvat ook apparaten om kunstmatig verstoringen te creëren die willekeurig de waterstroom veranderen. Gezien de aard van vloeistoffen is de controle van hun stroomsnelheden een moeilijke uitdaging in de verwerkende industrie. Het adequaat kunnen uitvoeren van deze controle leidt tot een verhoogde productiviteit op productielocaties.
*9 Scalable Reinforcement Learning for Plant-wide Control of Vinyl Acetate Monomer Process, Control Engineering Practice, Volume 97, April 2020 https://www.sciencedirect.com/science/article/pii/S0967066120300186
*10 Yokogawa definieert autonome besturings-AI als AI die onafhankelijk de optimale methode voor besturing afleidt en een hoge mate van robuustheid heeft, waardoor het tot op zekere hoogte autonoom omgaat met situaties die het nog niet eerder is tegengekomen.
*11 Industriële autonomie wordt door Yokogawa als volgt gedefinieerd: "Bedrijfsmiddelen en -bewerkingen van installaties hebben leer- en aanpassingsmogelijkheden die reacties mogelijk maken met minimale menselijke interactie, waardoor operators optimalisatietaken op een hoger niveau kunnen uitvoeren." In de antwoorden op de Global End-User Survey on the Implementation of Industrial Autonomy, uitgevoerd door Yokogawa in 2021 onder 534 beslissers bij 390 productiebedrijven, zei 42% dat de toepassing van AI op procesoptimalisatie van installaties de komende drie jaar een aanzienlijke impact zal hebben op de industriële autonomie. (Referentie: https://web-material3.yokogawa.com/18/32484/details/The_Acceleration_of_Industrial_Autonomy_English.pdf)
Contact
Over JSR Corporation
JSR Corporation is een multinational met meer dan 9.000 werknemers wereldwijd en een toonaangevende leverancier van materialen in verschillende technologiegedreven markten, die materiaalinnovatie stimuleert en waarde creëert door middel van materialen om de samenleving, mensen en het milieu te verrijken. Het wereldwijde netwerk van JSR heeft zijn hoofdkantoor in Tokio (Japan) en heeft fabrieken en kantoren in Europa, de VS, China, Taiwan, Korea en Thailand. JSR is een onderzoeksgerichte organisatie die nauwe samenwerkingen nastreeft met toonaangevende innovators in een aantal industrieën die een sleutel zijn tot het huidige en toekomstige welzijn van de menselijke samenleving: life-sciences, elektronische materialen, display, kunststoffen en synthetische rubbers.
Overzicht van de veldtest
1. Doel van de praktijktest
- Aantonen dat reinforcement learning AI (FKDPP: Factorial Kernel Dynamic Policy Programming algorithm) veilig kan worden toegepast in fabrieken waar veiligheid een absolute noodzaak is
- Aantonen dat reinforcement learning AI kan worden gebruikt om gebieden te besturen die bestaande besturingsmethoden (PID-besturing/APC) niet kunnen automatiseren
2. Details
| Location |
|
|---|---|
| Areas controlled |
|
| Control AI |
|
| Products & technologies used | Yokogawa:
|
| Operation |
|
| Process to AI implementation |
|
| Project period |
|
| Period of continuous operation |
|
3. Verdeling taken
| JSR |
|
|---|---|
| Yokogawa |
|
4. Resultaten en vergelijking met conventionele besturing
| Summary |
|
|---|---|
| Human intervention |
|
| Quality |
|
| Yield |
|
| Energy saving |
|
| Cost |
|
| Time |
|
| Safety |
|
5. [Referentie] Belangrijkste kenmerken van AI gebruikt bij besturing van een fabriek
| Type | Features | Benefits | |
|---|---|---|---|
| Autonomous control | For areas that cannot be automated with existing control methods (PID control/APC), the AI deduces the optimum method for control on its own and has the robustness to autonomously control, to a certain extent, situations that have not yet been encountered. | Based on the control model it learns and deduces, the AI inputs the level of control (manipulative variable) required for each situation. | The benefits of FKDPP are as follows:
|
| Support for areas with automation built in | AI can take over the task, currently performed by operators, of inputting target values (set value) for areas where automation has been implemented using existing control methods (PID control/APC). | AI uses past control data to perform calculations, and enters target values (set value). |
|
| Operational support for people | AI proposes target values (set value) that operators will refer to when performing operations. | AI uses past control data to suggest target values (set value) to humans. |
|
Gerelateerde producten & oplossingen
-
AI product oplossingen
Yokogawa heeft kennis en ervaring opgebouwd door de uitdagingen van meer dan 50 fabrieken en vestigingen op te lossen met behulp van Artificial Intelligence (AI).