Yokogawa Lanza el servicio de IA de control autónomo para su uso con controladores Edge

Tokio, Japón - 27 de febrero de 2023

Yokogawa Electric Corporation / Corporación Eléctrica Yokogawa (TOKYO: 6841) anuncia el lanzamiento de un servicio de aprendizaje de refuerzo para los controladores de borde. Este servicio de control autónomo para OpreX ™ Realtime OS-based Machine Controllers (e-RT3 Plus) utiliza el algoritmo de IA de aprendizaje por refuerzo Factorial Kernel Dynamic Policy Programming (FKDPP), y consiste en un software empaquetado y un servicio opcional de consultoría y / o un programa de capacitación, dependiendo de los requisitos del usuario final. El software se lanzará en todo el mundo, mientras que la consultoría y el programa de formación se ofrecerán primero en Japón y después en otros mercados.

Autonomous control AI service for edge controllers
Zoom

Desarrollo Antecedentes

Dada la complejidad de los procesos físicos, químicos y de otro tipo en las plantas reales, sigue habiendo muchas áreas que requieren la intervención de operarios veteranos, y controlarlas suele ser difícil y repercute directamente en la calidad del producto y la rentabilidad. Las tecnologías de control convencionales incluyen el control ^PID*1 y el control avanzado de procesos (APC^)*2. A veces, para conseguir un control complejo mediante el control PID o el APC es necesario realizar ajustes, lo que puede requerir una cantidad considerable de tiempo y esfuerzo. Además, algunas áreas de las operaciones de la planta no son adecuadas para el control PID o el APC y deben controlarse manualmente, lo que requiere que los operarios ejerzan su juicio al introducir las entradas de control. La IA de control autónomo es una nueva tecnología para estas situaciones que consigue un control complejo y elimina la necesidad de depender de las operaciones manuales.

Características de los productos y servicios

FKDPP es una nueva tecnología de control diferente del control PID y del APC. En marzo de 2022, se anunció que Yokogawa y la unidad de negocio de elastómeros de JSR Corporation (ahora propiedad de ENEOS Materials) habían concluido con éxito una prueba de campo de 35 días en la que se utilizó IA para controlar de forma autónoma una instalación de una planta química que no podía controlarse con los métodos de control existentes y que había necesitado el accionamiento manual de válvulas de control basadas en los juicios del personal de la planta. Se trata de una primicia ^mundial*3 que se logró a pesar de la presencia de factores como las condiciones meteorológicas, que podrían haber alterado significativamente el estado del control.

Con el nuevo servicio que Yokogawa anuncia hoy, los clientes pueden crear modelos de control de IA utilizando el algoritmo FKDPP e instalarlos en controladores de borde. Este servicio tiene las siguientes características y méritos:

Características

1. Gracias a la simplificación del proceso de creación del modelo de IA, incluso los no expertos en IA pueden crear un modelo de IA de control autónomo e instalarlo en un controlador de borde e-RT3.
2. El reequipamiento de los controladores de borde con la instalación de la IA de control autónomo puede realizarse mientras las demás instalaciones siguen en uso.
3. Admite ciclos de control tan cortos como 0,01 segundos y es óptimo para aplicaciones de control de dispositivos que requieren una respuesta rápida.

Méritos

1. Permite el control autónomo donde sólo era posible el control manual
   Aplicando la IA de control autónomo en áreas que están más allá de las capacidades del control PID y el APC, se puede conseguir tanto autonomía como control óptimo. Permite un control estable que es menos susceptible a las perturbaciones externas y aumenta la productividad.
2. Suprime el rebasamiento
   Aunque varía en función de los objetivos de control, el FKDPP suprime los excesos. Se espera que la reducción del sobreimpulso (condición en la que se supera un valor establecido) prolongue, por ejemplo, la vida útil de los hornos y otras instalaciones de calefacción al reducir el sobrecalentamiento innecesario.
3. Reduce significativamente el tiempo de estabilización
   FKDPP reduce significativamente el tiempo de estabilización en comparación con el control PID, ahorrando energía y mejorando la productividad.
4. Capacidad para lograr el equilibrio adecuado entre requisitos contradictorios
   Aunque esto dependerá de los objetivos de control, FKDPP es capaz de resolver requisitos contradictorios y, por ejemplo, lograr el equilibrio adecuado entre la necesidad de reducir el uso de energía y mantener la calidad del producto.

Tras demostraciones como la que se describe a continuación, Yokogawa lanza ahora este nuevo servicio de IA de control autónomo para su uso en controladores de borde de una amplia variedad de industrias, sin necesidad de realizar grandes cambios en las instalaciones de la planta.

Control experimental del horno

En comparación con el control PID autoajustado, se demostró que esta solución era capaz de suprimir el sobreimpulso y acortar el tiempo de estabilización en un 65%: el control PID autoajustado tardaba unos 30 minutos en estabilizarse, mientras que el control autónomo AI tardaba unos 10 minutos en hacerlo.

Comparison of auto-tuned PID control and autonomous AI control
Zoom

e-RT3 edge controller
Zoom

Para utilizar este sistema, se necesitan controladores de borde (se venden por separado), acceso al servicio de aprendizaje autónomo de IA, un paquete de software para la implementación de modelos de control de IA en controladores de borde y una licencia para ejecutar modelos de control de IA. Dependiendo de la aplicación, se ofrecen programas de formación, servicios de consultoría relacionados, servicios Ingeniería, etc. para ayudar a los usuarios a empezar.

Takamitsu Matsubara, profesor del Instituto de Ciencia y Tecnología de Nara, que desarrolló conjuntamente el algoritmo FKDPP con Yokogawa, comentó: "Sería justo decir que Yokogawa ha podido comercializar el aprendizaje por refuerzo gracias a que FKDPP ha reducido y hecho más factible el problemático número de ensayos de aprendizaje. Yokogawa ha demostrado el valor y la viabilidad de FKDPP. No parece haber ningún otro ejemplo de comercialización del aprendizaje por refuerzo en un sistema de control para la industria manufacturera. Espero que FKDPP cree un nuevo valor para las industrias".

Kenji Hasegawa, vicepresidente de Yokogawa y responsable de la sede central de productos Yokogawa, añadió: "El control es una parte importante de la calidad del producto y de los ingresos de los clientes, pero el saber hacer de los operadores veteranos ha sido esencial. Creemos que la IA de control autónomo (FKDPP) es una innovación disruptiva que responderá a las preocupaciones de los clientes que tienen problemas con las tecnologías de control convencionales, y esto lo hará de varias formas nuevas. En el futuro, también abriremos un nuevo campo que implicará la consecución de un control flexible basado en la estrategia de gestión. Al aportar valor a nuestros clientes, contribuiremos al desarrollo sostenible de la industria, minimizando al mismo tiempo el impacto sobre el medio ambiente, y lideraremos IA2IA: la transición de la automatización industrial a la autonomía industrial."

*1 Proportional-Integral-Derivative control, first proposed by Nicolas Minorsky in 1922, is an infrastructure-control technology for processing industries and factory automation that is used to control items such as flow rate, temperature, level, pressure, and ingredients. It implements control aimed at target values based on P, I and D calculations according to deviations between current and set values. The amount of operation is the sum of the calculated results of P (proportional), I (integral) and D (differential) operations according to the deviation between the current value and the set value, and is controlled toward the “target value”. In some cases, a value might exceed (overshoot) the set value or take time to settle to avoid overshoot.
*2 Advanced Process Control uses a mathematical model to predict process responses and supply set values to the PID control loop in real time in order to improve productivity, quality, and controllability. It is easily applied for control to increase production, reduce labor time, and save energy. APC results in smaller deviations in data, making it possible to more closely approach the limits of operating performance (i.e., optimal performance), but it is not adept at responding to the nonlinear chemical reactions, and changes in machinery.
*3 In a World First, Yokogawa and JSR Use AI to Autonomously Control a Chemical Plant for 35 Consecutive Days - Putting into practical use a next-generation control technology that takes into account quality, yield, energy saving, and sudden disturbances -

Mercados destinatarios

• Recursos y energía (petróleo, productos químicos, gas natural, energía eléctrica, energías renovables, etc.)
• Materiales (textiles, pasta y papel, pinturas, etc.)
• Electrónica (equipos de fabricación de semiconductores, etc.)
• Alimentación y agricultura
• Productos farmacéuticos
• Agua y aguas residuales

Utiliza

Control de temperatura, presión, nivel de agua, caudal, etc.

 

Sobre Yokogawa

Yokogawa provides advanced solutions in the areas of measurement, control, and information to customers across a broad range of industries, including energy, chemicals, materials, pharmaceuticals, and food. Yokogawa addresses customer issues regarding the optimization of production, assets, and the supply chain with the effective application of digital technologies, enabling the transition to autonomous operations. Founded in Tokyo in 1915, Yokogawa continues to work toward a sustainable society through its 17,000+ employees in a global network of 122 companies spanning 61 countries.
For more information, visit www.yokogawa.com

Los nombres de empresas, organizaciones, productos, servicios y logotipos aquí mencionados son marcas registradas o marcas comerciales de Yokogawa Electric Corporation / Corporación Eléctrica Yokogawa o de sus respectivos propietarios.