2022年5月30日
横河电机株式会社
NTT DOCOMO株式会社
横河电机和NTT DOCOMO株式会社（DOCOMO）今日宣布，他们已经对一种用于工业过程的远程控制技术进行了概念验证（PoC）测试。PoC测试涉及在云环境中使用自主控制人工智能（AI），即一种横河电机和奈良先端科学技术大学院大学（NAIST）研发的阶乘内核动态策略规划(FKDPP)算法*1，以及DOCOMO提供的第五代（5G）移动通信网络。该测试成功控制了模拟工厂的流程操作，证明5G适用于实际工厂流程的远程控制。
近年来，工厂倾向于将生产设施安置在偏远和/或危险地区，该趋势促使对远程工业运营的需求不断增长，并改变了人们的工作方式。同时，工厂中用于净化和精炼资源及基本产品材料的设备在使用多年后会老化，因此远程、自主的调节和控制将大有裨益。一种可能的解决方案是在工厂安装用于高速无线通信的边缘设备，并使用基于云的自主控制AI来动态控制设备。横河电机已经证明其FKDPP算法是一种可行的自主控制AI解决方案。今年2月，在一家化工厂*2的现场测试中，FKDPP连续35天成功地控制了使用现有PID*3和APC*4控制技术难以实现自动化、因而只能手动执行的过程。FKDPP和云与5G的结合，具有低延迟和连接大量设备的能力，有望成为实现工业自主化的重要技术。
PoC概览
点击看大图
横河电机和DOCOMO于2021年4月14日宣布达成协议后，进行了演示测试，以验证是否可以通过5G网络在云端使用FKDPP控制三罐液位控制系统*5。在测试中，设定了目标水位，进行了低速到高速控制循环的测试，并确认了移动通信延迟对FKDPP控制的影响。测试表明，特别是在高速控制下，与4G相比，5G 1）延迟更低，2）相对于目标水位的超调更少，且3）能够处理短至0.2秒的控制周期，从而实现更好的控制，以获得更稳定的质量和更高的能效。
未来5G、云和AI在工业自主化方面的应用
点击看大图
自2019年以来，横河电机一直在倡导工业自动化到工业自主化（IA2IA）的概念，旨在将5G技术应用于远程工厂控制。它将与DOCOMO、客户协作，继续实施旨在促进向工业自主化转变的先进举措。
DOCOMO将继续增强和发展其网络技术，创建适合特定客户需求的先进网络，并为各种公共和私人目的开发5G解决方案。
横河电机和DOCOMO作为5G互联产业与自动化联盟 （5G-ACIA）的成员，致力于5G的工业应用，并将继续评估5G在远程、工厂自主运营中的使用。两家公司在多个客户工厂进行演示，并检验长期使用过程中的通信可靠性和延迟相关问题，努力实现5G和AI支持的自主控制。5G-ACIA将在5月30日至6月2日举办的2022年汉诺威工业博览会*6上展示该演示测试的结果。
公司评语
长谷川健司，横河电机株式会社副总裁兼横河电机产品本部本部长：
“我们的自主控制AI不仅可用于流程工业，还可用于工厂自动化的某些流程，如加热流程。它可以用于现有控制技术无法应用的领域，与现有技术相比，可以实现更短的稳定时间，并防止超调。总体而言，其优势包括提高生产力，并为实现更可持续发展的社会做贡献。通过将生产、库存、需求等信息与基于云的自主控制AI相关联，可以将管理指令与工厂车间的实际操作控制相结合。尽管无线通信已在工厂中使用，但这项创新将5G用于基于云的自主控制AI。横河电机与DOCOMO、客户协作，实施这一举措，将促进向工业自主化的转型。”
坪谷寿一，NTT DOCOMO高级副总裁兼5G & IoT事业部部长：
“DOCOMO正在利用技术和多样化的移动解决方案帮助工业部门转型。演示表明，低延迟5G通信有助于提高工厂远程控制操作的准确性，预计这将大大促进加工和其他类制造的可持续生产力。DOCOMO将与横河电机、合作伙伴一起，继续为流程工业的各种工作场所开发5G及其他移动通信环境，以克服挑战并创造新价值。”
*1 FKDPP AI算法使用强化学习技术，可应用于各种控制应用，包括那些无法通过现有控制方法（如PID控制或APC）实现自动化的应用，以实现传统上具有挑战性的同步目标，如高质量和能效（详见附件）。
*2 请参见新闻（横河电机和JSR公司使用人工智能连续35天对化工厂进行自主控制，开创先河：https://www.yokogawa.com/cn/news/press-releases/2022/2022-03-22/)
*3 比例-积分-微分（PID）控制由Nicolas Minorsky于1922年提出，是一种用于流程工业的基础设施控制技术，用于控制数量、温度、液位、压力和成分等因素。它根据当前值和设定值之间的偏差，基于P、I、D计算，实现针对目标值的控制。在某些情况下，由于数学表达式的特性，某个值可能会超过（超调）设定值，或者需要时间来解决以避免超调。
*4 先进过程控制使用数学模型来预测过程响应，并为PID控制回路实时提供设定值，以提高生产率、质量和可控性。先进过程控制也可以很容易地用于控制，以提高产量，减少劳动时间，并节约能源。利用APC可以减小数据偏差，从而更接近操作性能的极限（即获得更佳性能）。然而，这项技术不擅长应对流体的快速蒸发、类似的化学反应、材料成分的重大变化以及机械的变化。
*5 一种三罐液位控制系统，用于培训和实验，涉及调节从一个水位到下一个水位的水流，目的是控制水箱的水位。
*6 大型制造业展览会之一，2019年吸引了约6,500家公司和220,000人参加。https://www.hannovermesse.de/en/
关于横河电机集团
横河电机为能源、化工、材料、制药和食品等多个行业的客户提供测量、控制和信息领域的先进解决方案。横河电机通过数字化技术的有效应用，帮助客户解决日益复杂的生产、资产和供应链优化等问题，实现向自主运营的过渡。横河电机于1915年在东京成立，拥有17,500多名员工。它通过遍布61个国家的119家公司的网络，致力于实现可持续发展的社会。垂询详情请访问： www.yokogawa.com。
关于NTT DOCOMO
NTT DOCOMO是日本的移动运营商，拥有超过8,300万用户，是3G、4G和5G移动网络技术的主要贡献者之一。除了通信服务之外，DOCOMO正在与越来越多的实体（“+d”合作伙伴）协作，挑战新的领域，创造激动人心、便捷的增值服务，改变人们的生活和工作方式。根据2020年及以后的中期计划，DOCOMO正在开拓5G网络，以促进创新服务，给客户带来惊喜和启发，超出客户的预期。https://www.docomo.ne.jp/english/
本新闻稿中的公司、组织、产品、服务和标识等名称是横河电机公司、NTT DOCOMO或其各自所有者的商标或注册商标。
概念验证（PoC）概述
1. PoC测试的目的
该测试确认了可以通过5G移动网络使用基于云的自主控制AI进行控制的操作范围。它从延迟和吞吐量（在固定周期内发送和接收的数据量）角度比较了使用4G和5G通信的控制性能。
2. 详细介绍
| 控制目标 | 三罐液位控制系统中的水位 |
|---|---|
| AI | 自主控制AI（FKDPP算法） |
| 使用的技术 | 横河电机：
|
| 控制方法 |
|
| PoC测试的周期 | 2021年4月14日至2022年4月26日 |
3. 各公司的职责
| 横河电机 |
|
|---|---|
| DOCOMO |
|
4. 结果
经证实，与4G相比，5G提供（1）更低的延迟，（2）能够以更少的超调来执行控制操作，尤其是在使用高速控制时。还确认了（3）可以在短至0.2秒的控制周期内操作。总体而言，5G可以实现更好的控制，有助于实现更稳定的质量和更高的能效。
5. 关于自主控制AI（FKDPP算法）
本次演示测试中使用的AI是阶乘内核动态策略规划(FKDPP)算法，该算法由横河电机和奈良先端科学技术大学院大学（NAIST）于2018年联合研发。它被IEEE认可为可用于工厂管理的基于强化学习的AI*1。
FKDPP提供以下主要优势：
- 可用于各种控制，包括无法通过现有控制方法（PID 控制或 APC）实现自动化的应用，使工程师能够实现传统上难以同时实现的复杂目标，例如高质量和能效。
- 在更高的质量、更好的能效、更高的产量和更短的稳定时间方面提高了生产率。
- 简单，因为它需要较少的学习，不需要加载标记的数据。
- 相对容易解释AI的工作原理。
- 达到与传统系统相同的安全级别（非常坚固，可以与现有的生产控制系统集成）。
2020年4月，横河电机使用仿真模型*2确认其自主控制AI具有控制整个工厂的潜能。同年，在大阪2020年测量展览会（由日本电气测量仪器制造商协会主办）的一次展览中，横河电机展示了该AI如何能够自主控制三罐液位控制系统。尽管可以采用传统的PID控制技术来控制系统，但事实表明，FKDPP可以将稳定时间减少30%到50%，同时还可以防止超调。2022年2月，横河电机成功利用该技术连续35天控制实际化工厂，开创先河。
*1 Factorial Kernel Dynamic Policy Programming for Vinyl Acetate Monomer Plant Model Control （用于醋酸乙烯酯单体工厂模型控制的阶乘内核动态策略规划（FKDPP））（2018年8月） https://ieeexplore.ieee.org/document/8560593/ 电气与电子工程师协会（IEEE）是关于电气工程的学术研究团体和技术标准化机构，总部位于美国，在160多个国家拥有40多万名成员。
*2 Scalable Reinforcement Learning for Plant-wide Control of Vinyl Acetate Monomer Process （用于醋酸乙烯酯单体工艺全厂控制的可扩展强化学习）, Control Engineering Practice（《控制工程实践》），第97卷（2020年4月） https://www.sciencedirect.com/science/article/pii/S0967066120300186
