AI是否已經可以安全、有效地應用在現實的過程工廠中？橫河電機公司和日本ENEOS材料公司（原JSR公司彈性體業務）近日宣布成功完成一項基于AI技術的現場測試。ENEOS材料公司的化工廠采用AI技術用于自主控制蒸餾塔的閥門，在連續35天的測試中獲得了很多意想不到的收獲。
過程工廠的AI控制可能還沒有預測性維護所需的AI技術那么先進。橫河電機產品總部負責AI開發的Hiroaki Kanokogi博士解釋說，在許多過程中，外部大氣溫度的變化會對過程產生很大的影響，由于可能會產生不必要的化學或物理反應，控制過程要考慮到這些意外的干擾，以實現對溫度、壓力和流速等進行復雜的控制。
基于數學的PID控制算法被廣泛用于控制過程。然而，它無法充分處理由不斷變化的天氣模式引起的意外干擾，這意味著在因大氣溫度變化而發生的短期變化可能對過程產生不利影響的情況下，往往仍然需要人為干預。在這個現場測試中，人工智能能夠自主控制這種以前需要人工操作的復雜過程。
雖然蒸餾塔的控制已經建立控制工程網版權所有，但對于許多工藝部門來說，實現真正穩定和高效生產的最佳控制仍然是一個挑戰。傳統上，知識從工程師傳給工程師，但由于工程技能的日益短缺，越來越多的工廠操作員現在希望在其工廠內自主化這些具有挑戰性的操作區域。
關鍵資產的自動控制
由于蒸餾塔是許多過程行業的關鍵資產，這是ENEOS材料公司AI控制項目的重點。ENEOS材料公司化工廠的蒸餾塔上的一些閥門是被手動控制的，以確保產品質量和能源節約始終處于最佳狀態。
"ENEOS材料公司希望利用蒸餾塔內的余熱，以幫助工廠更加環保，并從節能中獲益。然而，廢熱不是一種穩定的商品www.cechina.cn，而且還受到大氣溫度變化的影響。"Kanokogi博士說。
由于產品質量不是獲得節能的可接受的交換條件，該公司之前一直在尋找一個合適的控制解決方案。PID控制不能充分控制該系統，高級過程控制（APC）解決方案也不能，所以該公司仍然不得不依靠操作員手動控制蒸餾塔閥門。
這就是為什么該公司熱衷于與橫河電機合作尋找自主控制解決方案的原因。橫河電機于2017年開始研究人工智能控制。"從那時起，我們已經成功地使用模擬器用AI控制工廠，現在我們已經使用相同的AI控制算法來證明有可能控制一個現實生活中的工廠。" Kanokogi博士說。這是AI控制開發的重要一步。
圖片來源：橫河電機
ENEOS材料項目中使用的算法——階乘內核動態策略規劃（FKDPP），是橫河公司和奈良先端科學技術大學院大學（NAIST）創建的基于強化學習的AI算法。在電氣與電子工程師協會(IEEE)自動化科學與工程國際會議上被認定為全球首個可用于工廠管理的基于強化學習的人工智能技術。
橫河電機在2019年成功進行了控制培訓系統實驗，在2020年4月成功進行了使用模擬器重建整個工廠的實驗，由此確認了這種自主控制AI的潛力，并將其從理論發展為適合實際應用的技術。
此項技術可用于以往無法通過傳統控制方法（PID控制和APC）實現自動化的領域，其優勢之一在于能夠處理相互沖突的目標，例如對高質量和節能的需求。
ENEOS工廠的現場試驗證實，強化學習AI可以安全地應用于現實生活中的工廠，并證明該技術可以控制超出現有過程控制方法能力的操作。
在現場測試中，AI解決方案成功地處理了確保產品質量一致，并將蒸餾塔中的液體保持在適當水平所需的復雜條件，同時最大限度地利用廢熱作為熱源。通過這樣做，它能夠穩定質量，實現高產品產量控制工程網版權所有，并增加節能。
雖然雨、雪和其他天氣條件是重要的因素，可能會導致大氣溫度的突然變化而破壞控制狀態，但在整個試驗期間，最終產品都符合了質量標準。
為期35天的現場試驗證明，使用基于FKDPP強化學習AI的下一代控制技術，可以極大地促進生產的自主化、投資回報率的最大化和環境的可持續性。"試驗結果發現，生產出了一致的高質量產品，并且消除了因生產不合格產品而可能出現的燃料、勞動力成本和時間方面的任何損失。"Kanokogi博士繼續說道。
安全性是重中之重
安全性顯然是試驗項目優先事項清單上的重中之重。"為了確保在試用期間安全運行，我們最初在工廠模擬器上使用FKDPP協議來創建控制模型。然后，我們評估了AI行為。" Kanokogi博士說，將AI數據與蒸餾塔過去的操作數據進行檢查，以確保其穩定，產品保持在規格范圍內。
當所有數據都經過檢查后，FKDPP 人工智能協議最終連接到工廠。"為了確保在試驗過程中安全仍然是最重要的，我們將FKDPP算法集成到現有的CENTUM VP生產控制解決方案中，以便操作員始終能夠在CENTUM HMI顯示器上看到AI狀態。由于我們將AI協議集成到CENTUM控制系統中，因此如果需要，工程師將能夠在試驗期間隨時部署工廠周圍的任何安全聯鎖或其他安全功能。"Kanokogi博士解釋說。
在定期維護操作之后，ENEOS公司表示打算繼續使用AI來控制操作，因為試驗的持續時間足以證實強化學習AI可以安全地應用于工廠。AI技術有助于解決以前在化工廠無法解決的控制挑戰，并將研究其在其他工藝和工廠中的更廣泛應用，以實現生產率的進一步提高。
石化行業正面臨著強大的壓力，需要通過利用新技術，如物聯網和人工智能，提高生產活動的安全性和效率。ENEOS公司生產技術部主任Masataka Masutani在評論該項目時表示："在本次實驗中，我們采用了人工智能控制技術來應對工廠過程控制自動化的挑戰。我們驗證了AI能夠自主控制以前依賴于操作員經驗而通過手動執行的過程，我們堅信人工智能控制技術的實用性和未來潛力。"
從工業自動化到工業自主化
在繼續討論橫河電機AI之旅的下一步時控制工程網版權所有，Kanokagi博士解釋說，該公司對自主控制的愿景-- IA2IA（工業自動化到工業自主化），是幫助處理器實現其智能制造目標。ENEOS材料項目的成功是邁向IA2IA的非常切實的一步，工廠將開始自己思考如何提高產品質量或KPI。
2021年，橫河電機對390家制造商的534名決策者進行了調查，42%的人認為，在未來三年內，AI在工廠過程優化中的應用將對工業自主性產生重大影響。
解決過程工業AI難題的下一步將是通過AI算法發現多個流程中的潛在改進點，并通過查看大數據來自動識別問題來定義問題。
當將其添加到問題分析AI（基于傳感器數據分析問題，并定義因素或創建新的KPI以進行改進）和自主控制AI（例如FKDPP算法）中時，它將可以創建一個自主的計劃-執行-檢查-行動（PDCA）循環，以實現持續的過程優化。
"創建發現AI技術的工作版本的時間表有望比我們認為最困難的FKDPP算法更快。該循環可以在幾年內完成。"Kanokogi博士說。手動執行時，改進運營以實現關鍵績效指標的過程可能需要6個月到一年的時間。借助AI，運營改進可以自主完成，一天24小時，一年365天。
到目前為止，還不可能實現一些過程工廠的完全自動化。Kanokogi博士認為，下一代控制技術，使用基于強化學習的AI，將使那些無法使用現有控制方法自動化的領域實現自主化，同時還能確保安全和提高生產率。
