אלגוריתם למידה מחזק לאופטימיזציה אוטומטית של פעולות המפעל
Yokogawa ומכון Nara למדע וטכנולוגיה מתקדמים (NAIST) הודיעו על פיתוח משותף של אלגוריתם למידה משופר * לאופטימיזציה אוטומטית של פעולות המפעל. למידה מחזקת היא טכנולוגיה בסיסית בתחום הבינה המלאכותית (AI). פיתוח משותף של אלגוריתם זה מספק פתרון מעשי כדי לשפר את איכות הייצור ואת הפלט של המפעל.
הבינה המלאכותית והלמידה הממוחשבת (ML) הם תת-קבוצה של בינה מלאכותית. לאחרונה היא צפויה להשיג פריצות דרך בתחום השינוי הטכנולוגי בתחומים שונים, אשר עוררה דאגה רבה. AI הוא בשימוש בחיים האמיתיים, למשל, כלי רכב אוטונומיים וסירות. למרות ML הוכנס לתוך ניתוח נתונים צמח, זה חייב להיות נחקר עוד על ידי חברות ומוסדות אקדמיים לפני זה ניתן להחיל על אוטומציה שליטה.
במהלך השנים סיפקה יוקוגאווה מערכות בקרה לתעשיות שונות כגון נפט, גז טבעי, כימיקלים, פלדה, עיסת נייר, רפואה ומזון, וכן רכשה כמות גדולה של טכנולוגיה ומומחיות הקשורות לפעילות המפעל. NAIST כבר לחקור ולפתח טכנולוגיות מבוססות ML כגון חשיבה הסתברותית וטכניקות הנדסת מערכות, בקרת אופטימיזציה וחיזוק הלמידה, כמו גם פיתוח רובוטים אינטליגנטיים ומערכות המבצעות פונקציות ספציפיות בסביבה דינמית.
Yokogawa ו- NAIST פיתחו בהצלחה אלגוריתם חדש המשתמש בטכנולוגיית בקרת הצמח של יוקוגאווה ובידע של יוקוגאווה ומומחיותה של תלות הדדית בין לולאות בקרה לשיפור הליבה של אסטרטגיית הליבה הדינמית (KDPP) ו- NIST. טכנולוגיה. אלגוריתמים הלמידה המסורתית חיזוק דורשים כמות גדולה של עיבוד החיפוש כדי להבטיח שליטה נאותה, אשר מהווה אתגר עבור יישומים מעשיים. האלגוריתם החדש שפותח מפחית באופן משמעותי את כמות ההכשרה שיש לעשות ולכן הוא מאוד מעשי. Yokogawa ו NAIST אישרו על סימולטור הצמח כי באמצעות אלגוריתם חדש כדי לשלוט בו זמנית ארבעה שסתומים שונים במהלך תהליך זיקוק במפעל אצטט ויניל, פעולת האופטימיזציה עולה בהרבה על מה אפשרי עם אלגוריתמים בקרה קונבנציונאלי או פעולות ידניות.
Yokogawa ו NAIST יבצע בדיקה (POC) מושג בסביבה המפעל עדכני כדי לאשר את האמינות של השימוש בפועל. האלגוריתם החדש שפותח שוחרר בכנס הבינלאומי IEEE על אוטומציה מדע והנדסה שנערך בגרמניה מ 20 אוגוסט ל 24.
אם אתה רוצה לקנות מזון מעבד מעבד, בבקשה לשים לב מנוע מברשת פחמן.
