Nach einem erfolgreichen Feldversuch haben sich die ENEOS Materials Corporation und die Yokogawa Electric Corporation darauf verständigt, den Factorial Kernel Dynamic Policy Programming (FKDPP), einen KI-Algorithmus basierend auf Reinforcement Learning, offiziell in einem Chemiewerk von ENEOS Materials einzusetzen. Die autonome KI-Steuerung hat über einen Zeitraum von fast einem Jahr hinweg eine herausragende Leistung bei der Steuerung einer Destillationskolonne in der Anlage gezeigt, was zur Unterzeichnung dieser Vereinbarung führte.
Innovation pur: Weltweite Premiere von KI und Reinforcement Learning in der Anlagensteuerung - laut IoT-Analyse im März 2023
Basierend auf einer gründlichen Sekundärforschung öffentlich zugänglicher Quellen durch IoT Analytics im März 2023 wird weltweit erstmals KI mit Reinforcement Learning für die direkte Steuerung einer Anlage eingesetzt.
Gemäß der Definition von Yokogawa bezieht sich autonome KI-Steuerung auf eine Lösung, die eigenständig die beste Methode zur Steuerung ableitet und eine hohe Robustheit aufweist, um auch in unbekannten Situationen autonom zu handeln. Diese innovative Technologie ist in der Lage, mit unbekannten Herausforderungen umzugehen und selbstständig Entscheidungen zu treffen, um optimale Steuerungsergebnisse zu erzielen.
Von Januar bis Februar 2022 haben Yokogawa und JSR einen Praxistest durchgeführt, bei dem KI zur autonomen Steuerung einer Chemieanlage über einen Zeitraum von 35 Tagen (840 Stunden) hinweg eingesetzt wurde. Hierbei wurde eine fortschrittliche Steuerungstechnologie verwendet, die Qualität, Ertrag, Energieersparnis und plötzliche Störungen in Betracht zieht und als Steuerungstechnologie der nächsten Generation gilt.
Der erfolgreiche Test zeigte, dass die KI-Lösung in der Lage ist, Destillationsvorgänge zu steuern, die bisher über die Möglichkeiten herkömmlicher Automatisierungslösungen hinausgingen. Früher musste das erfahrene Anlagenpersonal manuell Ventile bedienen, um komplexe Bedingungen zu erfüllen und die Produktqualität sowie den Flüssigkeitsstand in der Destillationskolonne aufrechtzuerhalten. Nach einer planmäßigen Abschaltung der Anlage für Wartungs- und Reparaturarbeiten wurde der Test als Feldversuch wieder aufgenommen und bis heute erfolgreich fortgesetzt. Die KI-Lösung hat nicht nur die Qualität stabilisiert und einen hohen Ertrag erzielt, sondern auch die entstehende Abwärme optimal als Wärmequelle genutzt, um Energie einzusparen.
Neue Erkenntnisse aus dem Feldversuch: Vier Vorteile der autonomen KI-Steuerung identifiziert
1. Beständige Stabilität das ganze Jahr hindurch
Die autonome KI-Steuerung erwies sich als äußerst effizient und zuverlässig bei der Aufrechterhaltung stabiler Flüssigkeitsstände und der optimalen Nutzung der Abwärme, selbst unter widrigen Wetterbedingungen mit Temperaturschwankungen von etwa 40 ºC zwischen Winter und Sommer. Während des Feldversuchs traten keinerlei Probleme auf, und es wurde ein reibungsloser Betrieb mit exzellenter Produktqualität erreicht.
2. Verringerung der Umweltbelastung
Die autonome KI-Steuerung hat maßgeblich zur Verbesserung der Produktionsprozesse beigetragen. Durch die Eliminierung von Off-Spec-Produkten wurden Betriebsstoff- und Arbeitskosten erheblich reduziert. Zudem konnte die autonome KI-Steuerung den Rohstoffeinsatz optimieren, was zu einer effizienteren Verwendung von Ressourcen führte. Insbesondere bei der Herstellung von hochwertigen Produkten, die den Versandstandards entsprechen, wurden erhebliche Fortschritte erzielt. Der Dampfverbrauch wurde um 40 Prozent im Vergleich zur herkömmlichen manuellen Steuerung gesenkt, was zu einer erheblichen Verringerung der CO2-Emissionen führte. Die autonome KI-Steuerung war besonders effizient in der Reduzierung der Dampfmenge, die zur Aufrechterhaltung des Flüssigkeitsstands benötigt wurde, und somit auch der damit verbundenen CO2-Emissionen.
3. Sicherheit durch Arbeitsentlastung verbessern
Durch die autonome KI-Steuerung sind manuelle Eingaben von Bedienern nicht mehr erforderlich. Dies hat zur Folge, dass die Arbeitsbelastung der Bediener erheblich reduziert wird und das Risiko menschlichen Versagens minimiert wird. Darüber hinaus führt dies zu einer deutlichen Reduzierung der psychischen Belastung der Bediener, da sie nicht mehr mit der Verantwortung für manuelle Eingaben belastet sind und sich auf andere Aufgaben konzentrieren können. Gleichzeitig wird die Sicherheit verbessert, da potenzielle Fehlerquellen durch menschliches Versagen ausgeschlossen werden.
4. Beständigkeit des KI-Steuerungsmodells
Trotz der durchgeführten Veränderungen an der Anlage während einer geplanten Betriebspause für Wartungs- und Reparaturzwecke konnte das gleiche Modell für die KI-Steuerung weiterhin erfolgreich genutzt werden.
Die erfolgreiche Umsetzung der autonomen KI-Steuerung bei ENEOS Materials während des einjährigen Feldversuchs hat gezeigt, dass es sich um ein zuverlässiges und leistungsfähiges System handelt, das den Betrieb optimieren kann. Das Unternehmen wird nun die Anwendung dieser fortschrittlichen KI-Lösung auf verschiedene Prozesse und Anlagen prüfen und weiterhin daran arbeiten, die Produktivität zu steigern und Energieeinsparungen zu realisieren, indem der Umfang der Autonomisierung erweitert wird.
Yokogawa hat im Februar eine wegweisende KI-basierte Automatisierungslösung für Edge Controller eingeführt, um die Autonomie von Anlagen voranzutreiben. Diese weltweit erste kommerziell verfügbare KI-Service mit Reinforcement Learning für Edge-Controller basiert auf umfassender Sekundärforschung öffentlich zugänglicher Quellen durch IoT Analytics im März 2023. Das Unternehmen bietet auch einen globalen Beratungsservice an, der Anwendern bei der Identifizierung von Steuerungsproblemen, Untersuchung optimaler Steuerungsmethoden, Wirtschaftlichkeitsberechnung sowie Sicherheit, Implementierung, Wartung und Betrieb unterstützt.
ENEOS Materials und Yokogawa haben vereinbart, ihre Partnerschaft weiterhin auszubauen und sich auf die Nutzung von KI für die Steuerung und zustandsabhängige Wartung ihrer Anlagen zu konzentrieren. Gemeinsam werden sie nach innovativen Lösungen suchen, um ihre Anlagenprozesse zu verbessern und die Ausfallzeiten zu reduzieren. Diese Zusammenarbeit wird es beiden Unternehmen ermöglichen, ihre Wettbewerbsfähigkeit zu stärken und die digitale Transformation ihrer Betriebsabläufe voranzutreiben.
Angesichts der vielfältigen Herausforderungen in der petrochemischen Industrie, wie dem Verlust erfahrener Mitarbeiter, die für den sicheren Anlagenbetrieb sorgen, sind wir begeistert, dass KI nun erfolgreich zur autonomen Steuerung von bisher manuell gesteuerten Prozessen eingesetzt wird. Unsere einjährigen Tests haben gezeigt, dass das System stabil arbeitet, unabhängig von saisonalen Schwankungen oder regelmäßiger Wartung und Reparatur, und zusätzlich Energie spart und Treibhausgasemissionen reduziert. Wir werden weiterhin intelligente Produktionstechnologien nutzen, um Sicherheit, Stabilität, Dekarbonisierung und Wettbewerbsfähigkeit zu verbessern.
Professor Takamitsu Matsubara vom Nara Institute of Science and Technology betont die Wichtigkeit der Belohnungsfunktion für Reinforcement Learning. Durch die Einbeziehung von Automatisierungswissen aus der Prozessindustrie kann ein zuverlässiges und stabiles KI-Steuerungsmodell entwickelt werden, das einen stabilen Betrieb das ganze Jahr über ermöglicht. Ein erfolgreicher Feldtest hat die Robustheit des Modells bestätigt, und die neue Steuerungstechnologie FKDPP hat das Potenzial, weltweit zur Entwicklung der Industrie beizutragen.
Kenji Hasegawa, Leiter des Yokogawa Products Headquarters, ist dankbar für die Zusammenarbeit mit einem Kunden bei einer einzigartigen Autonomisierungsinitiative. Yokogawa plant, die autonome KI-Steuerung mit Fokus auf Produkte und Beratung weiterzuentwickeln und Kunden bei Dekarbonisierung, digitaler Transformation und Autonomisierung zu unterstützen.
