Förstärkning lärande algoritmen för automatisk optimering av växten verksamhet
Yokogawa och Nara Institutet för avancerad vetenskap och teknik (NAIST) meddelade gemensam utveckling av en förstärkt lärande * algoritm för automatisk optimering av växten verksamhet. Förstärkning lärande är en grundläggande teknik inom artificiell intelligens (AI). Gemensam utveckling av denna algoritm ger en praktisk lösning för att förbättra produktionen och produktionen av fabriken.
Artificiell intelligens och machine learning (ML) är en delmängd av artificiell intelligens. Nyligen, det förväntas uppnå genombrott inom tekniska förändringar inom olika områden, som har väckt allmän oro. AI som används i verkliga livet, till exempel autonoma fordon och båtar. Även om ML har placerats i anläggningen dataanalys, måste det ytterligare studeras av företag och akademiska institutioner innan det kan tillämpas på automatisering kontroll.
Med åren Yokogawa har gett styrsystem för olika branscher såsom olja, naturgas, kemikalier, stål, massa och papper, läkemedel och livsmedel, och har förvärvat en stor mängd teknik och expertis med för att plantera verksamhet. NAIST har forska och utveckla ML-baserade tekniker såsom probabilistiska resonemang och systemteknik tekniker, optimering kontroll och förstärkning lärande, liksom att utveckla intelligenta robotar och system som utför specifika funktioner i en dynamisk miljö.
Yokogawa och NAIST har framgångsrikt utvecklat en ny algoritm som använder Yokogawas anläggning styrteknik, Yokogawas kunskap och expertis av ömsesidigt beroende mellan reglerkretsar att förbättra kernel dynamisk strategi programmering (KDPP) och NIST förstärkning lärande. teknik. Traditionell armering algoritmer kräver en stor mängd Sök bearbetning för att säkerställa ordentlig kontroll, vilket är en utmaning för praktiska tillämpningar. Den nyutvecklade algoritmen avsevärt minskar mängden träning som måste göras och är därför mycket praktisk. Yokogawa och NAIST har bekräftat på anläggningen simulator att genom att använda en ny algoritm att samtidigt styra fyra olika ventiler under destillationsprocessen vid produktionsanläggningen vinylacetat, optimering operationen vida överstiger vad som är möjligt med konventionell kontrollalgoritmer eller manuella operationer.
Yokogawa och NAIST kommer att genomföra ett (POC) koncept test i en aktuell fabriksmiljö att bekräfta tillförlitligheten i faktiska användning. Den nyutvecklade algoritmen släpptes vid IEEE International Conference on Automation vetenskap och ingenjörskonst som hölls i Tyskland från 20 augusti till den 24.
Om du vill köpa en livsmedelsberedning processor motor, vänligen uppmärksamma kol borste motor.
