공장 운영의 자동 최적화를위한 강화 학습 알고리즘
Yokogawa와 Nara Institute of Advanced Science and Technology (NAIST)는 공장 운영의 자동화 최적화를위한 향상된 학습 * 알고리즘의 공동 개발을 발표했습니다. 강화 학습은 인공 지능 (AI) 분야의 기본 기술입니다. 이 알고리즘의 공동 개발은 공장의 생산 품질과 생산량을 향상시키는 실용적인 솔루션을 제공합니다.
인공 지능과 기계 학습 (ML)은 인공 지능의 하위 집합입니다. 최근에는 다양한 분야의 기술 변화에 대한 획기적인 발전이 기대되어 광범위한 관심을 불러 일으키고 있습니다. 인공 지능은 실생활에서 사용되고 있습니다 (예 : 자율 주행 차량 및 보트). ML은 플랜트 데이터 분석에 포함되었지만 자동화 제어에 적용되기 전에 기업 및 교육 기관에서 추가로 연구해야합니다.
Yokogawa는 수년 동안 석유, 천연 가스, 화학, 철강, 펄프 및 종이, 의약품 및 식품과 같은 다양한 산업에 대한 제어 시스템을 제공하고 있으며 플랜트 운영과 관련하여 많은 기술과 전문 지식을 확보 해 왔습니다. NAIST는 확률 론적 추론 및 시스템 공학 기법, 최적화 제어 및 강화 학습과 같은 ML 기반 기술을 연구하고 개발했으며 동적 환경에서 특정 기능을 수행하는 지능형 로봇 및 시스템을 개발했습니다.
Yokogawa와 NAIST는 YOKOGAWA의 플랜트 제어 기술과 요코가와의 커널 동적 전략 프로그래밍 (KDPP) 및 NIST 보강 학습 개선을위한 제어 루프 간의 상호 의존성에 대한 전문 지식을 사용하는 새로운 알고리즘을 성공적으로 개발했습니다. 과학 기술. 기존의 보강 학습 알고리즘은 적절한 제어를 보장하기 위해 많은 양의 검색 처리를 필요로하므로 실용적인 애플리케이션에 대한 과제입니다. 새롭게 개발 된 알고리즘은 수행해야하는 교육의 양을 상당히 줄여 주므로 실용적입니다. Yokogawa와 NAIST는 플랜트 시뮬레이터에서 비닐 아세테이트 생산 공장에서 증류 공정 중에 4 개의 다른 밸브를 동시에 제어하는 새로운 알고리즘을 사용함으로써 최적화 작업이 기존의 제어 알고리즘 또는 수동 작업에서 가능한 것보다 훨씬 큼을 확인했습니다.
Yokogawa와 NAIST는 실제 사용의 신뢰성을 확인하기 위해 최신 공장 환경에서 (POC) 개념 테스트를 실시합니다. 새롭게 개발 된 알고리즘은 8 월 20 일부터 24 일까지 독일에서 열리는 IEEE의 자동화 과학 공학회에서 발표되었습니다.
식품 가공 프로세서 모터를 구입하려면 카본 브러시 모터에주의하십시오.
