Впервые в мире Yokogawa и JSR используют искусственный интеллект для автономного управления химическим заводом в течение 35 дней подряд

Токио, Япония – 22 марта 2022 года

Yokogawa Electric Corporation
JSR Corporation

Yokogawa Electric Corporation (TOKYO: 6841) и JSR Corporation (JSR, TOKYO: 4185) объявляют об успешном завершении эксплуатационных испытаний, в ходе которых впервые в мире*¹ искусственный интеллект (ИИ) использовался для автономного управления химическим заводом в течение 35 дней. Это испытание подтвердило, что ИИ на основе обучения с подкреплением может безопасно применяться на действующем предприятии, и продемонстрировало, что данная технология может управлять операциями, которые выходили за рамки возможностей существующих методов управления (ПИД-регулирование*²/СУУ ТП*³) и до настоящего времени требовали ручного управления регулирующими клапанами, исходя из оценки персонала предприятия. Описанная здесь инициатива была отобрана для участия в программе субсидирования проектов по продвижению передовой промышленной безопасности в 2020 году Министерством экономики, торговли и промышленности Японии.

Ректификационные колонны на химическом заводе JSR

Управление в перерабатывающей промышленности охватывает широкий спектр областей от нефтепереработки и нефтехимии до высокоэффективных химикатов, волокна, стали, фармацевтики, пищевых продуктов и воды. В каждой из них используются химические реакции и другие элементы, требующие чрезвычайно высокого уровня безопасности.

В ходе эксплуатационного испытания ИИ-решение успешно справилось со сложными условиями, необходимыми для обеспечения качества продукции и поддержания должного уровня жидкости в ректификационной колонне при максимально возможном использовании отходящего тепла в качестве источника энергии. Работая таким образом, было стабилизировано качество, обеспечен высокий выход продукции*⁴ и сэкономлена энергия. Хотя дождь, снег и другие погодные условия были существенными факторами, которые могли нарушить состояние управления за счет внезапного изменения температуры атмосферы, произведенная продукция соответствовала строгим стандартам и была отгружена. Кроме того, поскольку вырабатывалась продукция только хорошего качества, удалось избежать потерь топлива, труда, времени и так далее, которые возникают при производстве некондиционной продукции.

Areas controlled and results
Zoom

Надежность работы обеспечивалась посредством трехэтапного процесса:

Ensuring safety in the plant operations
Zoom

Надежность работы обеспечивалась посредством трехэтапного процесса. Искусственный интеллект, использовавшийся в этом экспериментальном управлении – протокол Factorial Kernel Dynamic Policy Programming (FKDPP), был совместно разработан компанией Yokogawa и Институтом науки и технологий Нары (NAIST) в 2018 году и получил признание на Международной научно-технической конференции IEEE по автоматизации (IEEE International Conference on Automation Science and Engineering) как первый в мире ИИ на основе обучения с подкреплением, который может быть использован в управлении заводами*⁷. Путем реализации таких инициатив, как успешное проведение эксперимента по обучению системы управления*⁸ в 2019 году и эксперимент в апреле 2020 года, в котором использовался симулятор для воссоздания целого завода*⁹, компания Yokogawa подтвердила потенциал этого ИИ автономного управления*¹⁰ и продвинула его от теории к технологии, пригодной для практического использования. Он может использоваться в тех областях, где ранее автоматизацию невозможно было осуществить с помощью традиционных методов управления (ПИД-регулирование и СУУ ТП), а одной из его сильных сторон является способность справляться с конфликтующими целями, такими как необходимость обеспечения высокого качества и экономии энергии.

Принимая во внимание многочисленные сложные физические и химические явления, которые влияют на работу реальных заводов, все еще существует много ситуаций, когда операторы со стажем должны вмешиваться и осуществлять управление. Даже если операции автоматизированы с помощью ПИД-регулирования и СУУ ТП, высококвалифицированным операторам приходится останавливать автоматическое управление и изменять значения конфигурации и выхода, когда, например, происходит внезапное изменение температуры атмосферного воздуха из-за дождя или другого погодного явления. Это распространенная проблема на заводах многих компаний. Что касается перехода к промышленной автономии*¹¹, то очень важной задачей является внедрение автономного управления в ситуациях, где до сих пор требовалось ручное вмешательство, причем с минимально возможными усилиями, обеспечивая при этом высокий уровень надежности. Результаты этого испытания позволяют предположить, что сотрудничество между Yokogawa и JSR открыло путь к решению этой давней проблемы.

Yokogawa приветствует партнеров, заинтересованных в этих инициативах на глобальном уровне. Компания нацелена на быстрое предоставление продуктов и решений, которые приведут к реализации промышленной автономии.

JSR считает, что эта демонстрация показывает потенциал ИИ для решения проблем, которые ранее не могли быть решены на химических заводах, и компания будет исследовать его применение для других процессов и заводов с целью достижения дальнейшего повышения производительности.

В дальнейшем обе компании будут продолжать совместную работу и изучать возможности использования искусственного интеллекта на заводах.

Масатака Масутани (Masataka Masutani), генеральный директор по производственным технологиям компании JSR, прокомментировал: «В среде, которая меняется под влиянием таких факторов, как полномасштабное внедрение 5G и других разработок для создания цифрового общества, а также старение персонала, обеспечивающего надежное функционирование заводов, и нехватка кадров для замены, нефтехимическая промышленность находится под сильным давлением, требующим повышения надежности и эффективности производственной деятельности за счет использования новых технологий, таких как Интернет вещей и искусственный интеллект. JSR ориентируется на то, чтобы сделать производство умным посредством активного внедрения дронов, IoT-датчиков, камер и других новых технологий, а в этом эксперименте мы взялись за автоматизацию управления технологическим процессом завода с помощью технологии управления на базе ИИ. Мы удостоверились, что ИИ способен автономно управлять процессами, которые ранее выполнялись вручную с опорой на опыт операторов, и твердо убеждены в полезности и будущем потенциале ИИ-управления. От тех, кто работает на производстве, мы слышали комментарии, что не только снизилась нагрузка на операторов, но и сам факт того, что мы приняли вызов этой новой технологии и добились успеха, является мотивацией для продвижения цифровой трансформации с прицелом на будущее. Впредь мы будем расширять операции, контролируемые искусственным интеллектом, и работать над повышением безопасности, стабильности и конкурентоспособности химических предприятий».

Такамицу Мацубара (Takamitsu Matsubara), доцент NAIST, отметил: «Я очень рад слышать, что это эксплуатационное испытание прошло успешно. Анализ данных и машинное обучение в настоящее время применяются в работе химических заводов, но технология, которая может быть использована для автономного управления и оптимизации работы, до сих пор не была полностью готова. Алгоритм ИИ FKDPP на основе обучения с подкреплением был совместно разработан Yokogawa и NAIST в 2018 году для реализации автономного управления на химических заводах. Несмотря на необходимость обращения к большому количеству датчиков и регулирующих клапанов, ИИ может генерировать надежную политику управления за ограниченное число обучающих тестов. Эти особенности помогли повысить эффективность процесса разработки и обеспечили автономное управление в течение длительного периода в 840 часов во время эксплуатационных испытаний. Я думаю, что этот очень сложный путь к автономному управлению в реальной ректификационной колонне и тот факт, что уровень практического применения был поднят до точки, когда весь производственный процесс и безопасность интегрированы в одну систему, имеют большое значение для всей отрасли. Я с нетерпением жду, что будет дальше с этой технологией».

Вице-президент Yokogawa Electric и глава штаб-квартиры Yokogawa Products, Кендзи Хасегава (Kenji Hasegawa), добавил: «Успех этого эксплуатационного испытания был достигнут благодаря объединению глубоких знаний о производственном процессе и эксплуатационных аспектах, которые может предоставить только заказчик, и сильной стороны Yokogawa, заключающейся в использовании измерений, контроля и информации для создания стоимости. Это говорит о том, что ИИ автономного управления (FKDPP) может внести значительный вклад в автономизацию производства, максимальное повышение окупаемости инвестиций и экологическую устойчивость во всем мире. Компания Yokogawa лидировала в мире в разработке распределенных систем управления, которые контролируют и отслеживают работу производственных объектов, и способствовала росту целого ряда отраслей промышленности. С нашим пристальным взглядом на мир автономной работы, который формирует модель будущего промышленности, мы продвигаем концепцию IA2IA – «От промышленной автоматизации к промышленной автономии». Для обеспечения сильного и гибкого производства, учитывающего влияние различий в людях, машинах, материалах и методах (4Ms), в таких отраслях, как энергетика, производство материалов, фармацевтика и многие другие, мы будем ускорять разработку ИИ автономного управления совместно с нашими заказчиками по всему миру».

*1 На основании опроса Yokogawa, проведенного в феврале 2022 года касательно ИИ, который напрямую изменяет регулируемый параметр на химическом заводе.
*2 ПИД – пропорционально-интегрально-дифференциальное регулирование. Впервые предложенная Николасом Минорским (Nicolas Minorsky) в 1922 году, эта технология управления инфраструктурой в перерабатывающей промышленности используется для регулирования таких параметров, как количество, температура, уровень, давление и компоненты. Она реализует регулирование в направлении целевого значения, используя результаты каждого из расчетов P, I и D в соответствии с отклонением между текущим значением и заданным значением. При таком способе управления существуют проблемы, такие как неспособность справляться с многочисленными внешними помехами (погода, климат, изменения состава сырья) и частые изменения целевых значений, что приводит к необходимости ручного управления.
*3 СУУ ТП – система усовершенствованного управления технологическими процессами. В ней используется математическая модель, которая может предсказать реакцию процесса и в режиме реального времени выдает заданные значения контуру ПИД-регулирования, чтобы повысить производительность, качество и управляемость. Она также легко применяется для управления с целью увеличения производства, сокращения времени выполнения работ и экономии энергии. Использование СУУ ТП приводит к меньшим отклонениям в данных, что позволяет приблизиться к границам рабочих характеристик (т. е. к состоянию, при котором может быть получена оптимальная производительность). Однако она ограничена тем, что не умеет реагировать на быстрое испарение жидкостей и другие подобные химические реакции, значительные изменения в составе сырья и изменения в оборудовании.
*4 Объем целевой субстанции, который фактически получен из сырья в процессе рафинирования
*5 Интегрированная система управления CENTUM VP позволяет осуществлять весь производственный процесс, контролируя и регулируя давление, расход, температуру и другие подобные факторы, а также, интегрируя различные функции блокировки для безопасной и стабильной работы и предотвращения аварийных ситуаций. Во избежание аварий на предприятии можно работать во взаимодействии с инструментальными системами безопасности (SIS), устройствами аварийного отключения (ESD), противопожарными системами (F&G) и т. д.
*6 Механизм, который предотвращает запуск, если перед началом работы не выполнены определенные условия. Он повышает безопасность, предотвращая некорректные операции, процедурные ошибки и тому подобное.
*7 Factorial Kernel Dynamic Policy Programming for Vinyl Acetate Monomer Plant Model Control, August 2018 (Factorial Kernel Dynamic Policy Programming для управления моделью завода по производству мономера винилацетата, август 2018 г.). https://ieeexplore.ieee.org/document/8560593/authors#authors IEEE (Institute of Electrical and Electronics Engineers – Институт инженеров электротехники и электроники). IEEE – это организация со штаб-квартирой в США, занимающаяся научными исследованиями и технической стандартизацией в области электротехники и информатики. Она насчитывает более 400 000 членов в 160 странах мира.
*8 Система контроля трех уровней резервуара, которая используется для проведения тренировок и экспериментов, связанных с регулированием потока воды с одного уровня на другой, с общей целью контроля уровня воды на самой нижней ступени. Она также включает в себя устройства для искусственного создания нарушений, которые произвольно меняют поток воды. Учитывая природу жидкостей, управление скоростью их потока является сложной задачей в перерабатывающей промышленности. Способность адекватно осуществлять такое регулирование приводит к повышению производительности на производственных площадках.
*9 Scalable Reinforcement Learning for Plant-wide Control of Vinyl Acetate Monomer Process, Control Engineering Practice, Volume 97, April 2020 (Масштабируемое обучение с подкреплением для общезаводского управления процессом производства мономера винилацетата, Control Engineering Practice, том 97, апрель 2020) https://www.sciencedirect.com/science/article/pii/S0967066120300186
*10 Yokogawa определяет ИИ автономного управления как ИИ, который самостоятельно определяет оптимальный метод управления и имеет высокий уровень надежности, позволяющий ему в определенной степени автономно справляться с ситуациями, с которыми он ранее не сталкивался.
*11 Промышленная автономия определяется компанией Yokogawa следующим образом: «Заводские активы и операции обладают способностями к обучению и адаптации, которые позволяют реагировать с минимальным участием человека, что дает операторам возможность выполнять задачи оптимизации более высокого уровня». В ответах на глобальный опрос конечных пользователей о внедрении промышленной автономии, проведенный компанией Yokogawa в 2021 году с участием 534 руководителей 390 производственных компаний, 42% респондентов заявили, что применение ИИ для оптимизации производственных процессов окажет значительное влияние на промышленную автономию в ближайшие три года. (Ссылка: https://web-material3.yokogawa.com/1/30261/tabs/The_Acceleration_of_Industrial_Autonomy_English.pdf)

Контакты

• Contact Us about AI Solutions

 

О компании Yokogawa

Yokogawa предлагает передовые решения в области измерения, контроля и информации для партнеров из широкого спектра отраслей, включая энергетику, химическую промышленность, производство материалов, фармацевтику и пищевую промышленность. Yokogawa решает проблемы клиентов, связанные с оптимизацией производства, активов и цепочки поставок за счет эффективного применения цифровых технологий, позволяя переходить на автономные операции.
Основанная в Токио в 1915 году компания Yokogawa постоянно работает над созданием устойчивого общества, опираясь на свою глобальную сеть, которая охватывает 61 страну и включает 119 компаний с 17 500 сотрудников.
Дополнительная информация на www.yokogawa.com

О JSR Corporation

JSR Corporation – многонациональная компания, в которой работает более 9000 человек по всему миру, и ведущий поставщик материалов на различных технологических рынках, стимулирующий инновации в области материалов и создающий стоимость посредством материалов в интересах общества, людей и окружающей среды. Штаб-квартира глобальной сети JSR находится в Токио (Япония), а предприятия и офисы расположены в Европе, США, Китае, на Тайване, в Корее и Таиланде. JSR – это организация, ориентированная на исследования и тесное сотрудничество с ведущими новаторами в ряде индустрий, которые являются ключевыми для настоящего и будущего благосостояния человеческого общества, а именно: науки о жизни, электронные материалы, дисплеи, пластмассы и синтетические каучуки.

Более подробную информацию о корпорации JSR можно найти на сайте https://www.jsr.co.jp/jsr_e/

Приведенные здесь названия корпораций, организаций, продуктов, услуг и логотипы являются зарегистрированными товарными знаками или товарными знаками Yokogawa Electric Corporation, JSR Corporation или соответствующих владельцев.

---

Обзор эксплуатационного испытания

1. Цель эксплуатационного испытания

1. Продемонстрировать, что ИИ на основе обучения с подкреплением (FKDPP: алгоритм Factorial Kernel Dynamic Policy Programming) может безопасно применяться на предприятиях, где безопасность является абсолютной необходимостью
2. Продемонстрировать, что ИИ на основе обучения с подкреплением может использоваться для управления участками, которые существующие методы управления (ПИД-регулирование/СУУ ТП) не могут автоматизировать

2. Подробности

Место	Химический завод JSR в Японии
Области регулирования	Ректификационная колонна Участки, где существующие методы управления (ПИД-регулирование/СУУ ТП) не могли быть применены, и управление могло осуществляться только вручную (когда операторы сами определяли параметры работы для клапанов и сами их вводили) Области, где дождь, снег и другие погодные условия были значительными факторами, которые могли нарушить состояние контроля, вызвав внезапное изменение температуры атмосферы Когда субстанции A и B, имеющие сходные точки кипения, нагревались и сепарировались, осуществлялось оптимальное регулирование для поддержания надлежащего уровня жидкостей в ректификационной колонне, чтобы все продукты соответствовали стандартам, а в целях экономии энергии обеспечивалась работа клапанов для максимального использования отходящего тепла в качестве источника тепла для ректификационной колонны и извлечения требуемой субстанции A в идеальном состоянии.
ИИ управления	ИИ на основе обучения с подкреплением (FKDPP: алгоритм Factorial Kernel Dynamic Policy Programming)
Использование продуктов и технологий	Yokogawa: Модель завода OmegaLand (предоставлена дочерней компанией Yokogawa Electric Corporation Omega Simulation Co., Ltd.) Интегрированная система управления производством CENTUM VP Интерфейсный пакет Exaopc OPC (программное обеспечение, позволяющее управлять различными базами данных, используемыми в перерабатывающей промышленности. Использует интерфейс, соответствующий стандарту интерфейса OPC, определенному фондом OPC. Его функции включают автоматическое сохранение данных процесса) Программное обеспечение для регистрации данных GA10 (используется устройством для операций с экрана и ввода (HMI) и для регистрации данных) и т. д.
Эксплуатация	Управляется интегрированной системой управления производством CENTUM VP Позволяет осуществлять весь производственный процесс, контролируя и регулируя давление, расход, температуру и другие подобные факторы, а также, интегрируя различные функции блокировки для безопасной и стабильной работы, и предотвращения аварийных ситуаций. Во избежание аварий на предприятии она работает во взаимодействии с устройствами аварийного отключения (ESD), противопожарными системами (F&G) и т. д.
Процесс внедрения ИИ	Создание модели ИИ управления с помощью модели завода Создана модель завода на основе проектной информации для соответствующего завода ИИ на основе обучения с подкреплением (алгоритм FKDPP) обучился и создал модель управления Всесторонняя оценка правильности и надежности модели ИИ управления Проверена с использованием прошлых эксплуатационных данных - Была ли она стабильной? - Какое регулирование проводилось при возникновении проблем? Проверена с помощью данных, получаемых в режиме реального времени - Была ли она стабильной? - Соответствовало ли качество продукции спецификации? - Были ли операторы со стажем удовлетворены инструкциями FKDPP по регулированию? Обеспечить безопасность, а затем управлять реальным заводом Обеспечивала безопасность при помощи существующих блокировок и других функций безопасности Объединена с интегрированной системой управления производством CENTUM VP и включена в работу завода Обеспечивала безопасность операций (планировала ответные меры и создала систему устранения неисправностей системы искусственного интеллекта)
Период реализации проекта	Август 2020 – февраль 2022 (1 год 6 месяцев)
Период непрерывной работы	35 дней, с 17 января по 21 февраля 2022 года (840 часов)

3. Роль компаний

JSR

Обеспечение места для проведения эксперимента, подробной информации о заводе, эксплуатационной готовности Постановка задач, которые должна решить система ИИ управления Инженерное обеспечение (подключение к существующей интегрированной системе управления производством CENTUM VP) Оценка безопасности и обоснованности с точки зрения системы ИИ управления Рассмотрение систем безопасности для внедрения систем ИИ управления на реальных предприятиях

Yokogawa

Планирование предложений (спецификации системы ИИ, график и т. д.) Построение системы искусственного интеллекта Инженерное обеспечение (настройка соединения с существующей интегрированной системой управления производством CENTUM VP и т. д.) Обслуживание

4. Результаты и сравнение с традиционным управлением

Резюме	Объединив ноу-хау обеих компаний и сосредоточившись на тех участках реального завода, которые невозможно автоматизировать с помощью существующих методов управления, удалось найти метод безопасного применения ИИ на основе обучения с подкреплением в системах и операциях. Непрерывное управление в течение 35 дней было достигнуто с использованием интегрированной системы управления производством, и продукция, пригодная для отгрузки, была успешно произведена. Это говорит о том, что в качестве технологии управления нового поколения ИИ на основе обучения с подкреплением (FKDPP) может внести значительный вклад в автономизацию, максимизацию окупаемости инвестиций и экологическую устойчивость на предприятиях во всем мире.
Вмешательство человека	Автономное ИИ управление объединено с интегрированной системой управления производством CENTUM VP Необходим был только мониторинг; по сути, вмешательство человека не требовалось
Качество	Стабильное производство продукции хорошего качества, которая соответствовала строгим стандартам и могла быть отгружена
Выход продукции	Сырьевые материалы смогли быть эффективно превращены в продукцию
Энергосбережение	Экономия энергии была достигнута за счет максимального использования отходящего тепла в качестве источника тепла, что позволило сократить выбросы CO2
Издержки	Производилась только качественная продукция, поэтому были исключены издержки на топливо и рабочую силу, которые возникают из-за производства некондиционной продукции
Время	Производилась только качественная продукция, поэтому потери времени, возникающие из-за производства некондиционной продукции, были исключены
Безопасность	Больше нет необходимости в том, чтобы опытные операторы осуществляли ручное управление 24 часа в сутки 365 дней в году, а это означает снижение нагрузки на людей и предотвращение ошибок, что ведет к повышению уровня безопасности

5. Основные характеристики искусственного интеллекта, используемого в управлении заводом

Тип		Особенности	Преимущества
Автономное управление	Для участков, которые невозможно автоматизировать с помощью существующих методов управления (ПИД-регулирование / СУУ ТП), ИИ самостоятельно определяет оптимальный метод управления и обладает достаточной надежностью, чтобы, в определенной степени, автономно управлять ситуациями, которые еще не встречались.	На основе модели управления, которую он изучает и определяет, ИИ в каждой ситуации вводит нужный вариант управления.	Преимущества FKDPP заключаются в следующем: Может применяться в ситуациях, когда управление не может быть автоматизировано с помощью существующих методов управления (ПИД-регулирование и СУУ ТП), и может решать конфликтующие задачи, такие как обеспечение высокого качества при одновременной экономии энергии. Повышает продуктивность (качество, экономия энергии, выход продукции, сокращение времени стабилизации) Простота (небольшое количество обучающих тестов, нет необходимости импортировать размеченные данные) Объяснимое действие Такая же безопасность, как и у обычных систем (высокая надежность, возможность прямого подключения к существующим интегрированным системам управления производством)
Поддержка участков с заложенной автоматизацией	ИИ может взять на себя задачу, выполняемую в настоящее время операторами, по вводу целевых значений для участков, где автоматизация была реализована с использованием существующих методов управления (ПИД-регулирование/СУУ ТП).	ИИ использует прошлые данные управления для выполнения расчетов и вводит целевые значения.	Возможна автоматизация ручных задач и обеспечение стабильной работы.
Эксплуатационная поддержка для людей	ИИ предлагает целевые значения, к которым будут обращаться операторы при выполнении операций.	ИИ использует прошлые данные управления, чтобы предлагать людям целевые значения.	Расхождения, связанные с уровнем квалификации оператора, исчезнут.