Yokogawa Electric Corporation (TOKYO: 6841) kondigt de lancering aan van een 'reinforcement learning'-dienst voor edge controllers.
Deze autonome besturingsdienst voor OpreX™ Realtime OS-gebaseerde machinecontrollers (e-RT3 Plus) maakt gebruik van het Factorial Kernel Dynamic Policy Programming (FKDPP) AI-algoritme voor reinforcement learning, en bestaat uit verpakte software en een optionele adviesdienst en/of een trainingsprogramma, afhankelijk van de eisen van de eindgebruiker.
Deze software wordt wereldwijd uitgebracht, terwijl het advies en het opleidingsprogramma eerst in Japan en vervolgens op andere markten zullen worden aangeboden.
Gezien de complexiteit van de fysische, chemische en andere processen in bestaande fabrieken, zijn er nog veel gebieden die de tussenkomst van ervaren operators vereisen, en de beheersing van deze gebieden is vaak moeilijk en heeft een directe invloed op de productkwaliteit en de rendabiliteit. Conventionele regeltechnieken zijn onder meer PID-regeling en geavanceerde procesregeling (APC). Om een complexe regeling met PID-regeling of APC te bereiken, zijn soms aanpassingen nodig, die veel tijd en moeite kunnen kosten. Ook zijn sommige delen van de fabriek niet geschikt voor PID-regeling of APC en moeten zij handmatig worden geregeld, waardoor de operators moeten oordelen bij het invoeren van controle-inputs. De autonome regeling AI is een nieuwe technologie voor dergelijke situaties die een complexe regeling tot stand brengt en de noodzaak van handmatige bediening overbodig maakt.
FKDPP is een nieuwe regeltechniek die verschilt van PID-regeling en APC. In maart 2022 werd bekendgemaakt dat Yokogawa en de elastomeer business unit van JSR Corporation (nu eigendom van ENEOS Materials) met succes een 35 dagen durende praktijktest hadden afgerond waarbij AI werd gebruikt om autonoom een installatie in een chemische fabriek te besturen die niet kon worden bestuurd met bestaande besturingsmethoden en waarbij de regelkleppen handmatig moesten worden bediend op basis van het oordeel van het fabriekspersoneel. Dit was een wereldprimeur*3 en werd bereikt ondanks de aanwezigheid van factoren zoals weersomstandigheden die de besturing aanzienlijk hadden kunnen verstoren.
Met de nieuwe dienst die Yokogawa vandaag aankondigt, kunnen klanten AI-regelmodellen creëren met behulp van het FKDPP-algoritme en deze installeren op edge controllers. Deze dienst heeft de volgende kenmerken en voordelen:
Kenmerken:
- Dankzij de vereenvoudiging van het proces voor het maken van AI-modellen kunnen zelfs niet-AI-experts een AI-model voor autonome besturing maken en installeren op een e-RT3 edge controller.
- Retrofit van edge controllers met de installatie van de autonome regel-AI kan worden uitgevoerd terwijl andere voorzieningen in gebruik blijven.
- Ondersteunt besturingscycli van slechts 0,01 seconden en is optimaal voor apparaatbesturingstoepassingen die een snelle reactie vereisen.
Voordelen:
Maakt autonome regeling mogelijk waar alleen handmatige regeling mogelijk was.
Door autonome regeling AI toe te passen op gebieden die de mogelijkheden van PID-regeling en APC te boven gaan, kunnen zowel autonomie als optimale regeling worden bereikt. Het maakt een stabiele regeling mogelijk die minder gevoelig is voor externe storingen en verhoogt de productiviteit.
- Onderdrukt overshoot
Hoewel dit afhankelijk is van de regeldoelen, onderdrukt de FKDPP overshoot. De vermindering van overshoot (een toestand waarbij een ingestelde waarde wordt overschreden) zal naar verwachting bijvoorbeeld de levensduur van ovens en andere verwarmingsinstallaties verlengen door onnodige oververhitting te verminderen.
- Vermindert aanzienlijk de settling tijd
FKDPP vermindert de settling tijd aanzienlijk in vergelijking met PID-regeling, waardoor energie wordt bespaard en de productiviteit wordt verbeterd.
- Vermogen om het juiste evenwicht tussen tegenstrijdige eisen te bereiken
Hoewel dit afhangt van de controledoelstellingen, is FKDPP in staat tegenstrijdige eisen op te lossen en bijvoorbeeld het juiste evenwicht te bereiken tussen de noodzaak het energieverbruik te verminderen en tegelijkertijd de productkwaliteit te handhaven.
Naar aanleiding van voorbeelden zoals hieronder beschreven, lanceert Yokogawa nu deze nieuwe autonome AI-besturingsdienst voor gebruik op edge controllers in een groot aantal industrieën, zonder dat daarvoor grote veranderingen in de fabrieksinstallaties nodig zijn.
Experimentele ovenregeling
In vergelijking met de auto-tuned PID-regeling bleek dat deze oplossing in staat was overshoot te onderdrukken en de settling-tijd met ongeveer 65% te verkorten - de auto-tuned PID-regeling had ongeveer 30 minuten nodig om tot rust te komen, terwijl de autonome AI-regeling ongeveer 10 minuten nodig had om tot rust te komen.
Voor het gebruik van dit systeem zijn edge controllers (afzonderlijk verkrijgbaar), toegang tot de autonome AI-leerservice, een softwarepakket voor de implementatie van AI-regelmodellen op edge controllers en een licentie voor het uitvoeren van AI-regelmodellen vereist. Afhankelijk van de toepassing zijn er opleidingsprogramma's, gerelateerde adviesdiensten, engineeringdiensten en meer beschikbaar om gebruikers op weg te helpen.
Takamitsu Matsubara, een professor aan het Nara Institute of Science and Technology, die samen met Yokogawa het FKDPP-algoritme heeft ontwikkeld, zei: 'Het zou eerlijk zijn om te zeggen dat Yokogawa in staat was reinforcement learning te commercialiseren dankzij FKDPP die het problematische aantal leerproeven vermindert en haalbaarder maakt. Yokogawa heeft de waarde en bruikbaarheid van FKDPP aangetoond. Er lijkt geen ander voorbeeld te zijn van de commercialisering van reinforcement learning in een besturingssysteemproduct voor de verwerkende industrie. Ik verwacht dat FKDPP nieuwe waarde zal creëren voor industrieën.'
Kenji Hasegawa, een Yokogawa vice-president en hoofd van het Yokogawa Products Headquarters, voegde daaraan toe: 'Besturing is een belangrijk onderdeel van productkwaliteit en omzet voor de klant, maar de knowhow van ervaren operatoren is essentieel geweest. Wij geloven dat de autonome besturing AI (FKDPP) een disruptieve innovatie is die tegemoet komt aan de zorgen van klanten die problemen hebben met conventionele besturingstechnologieën. In de toekomst zullen wij ook een nieuw gebied ontsluiten waarbij flexibele besturing op basis van managementstrategie wordt gerealiseerd. Door onze klanten meerwaarde te bieden, zullen we bijdragen tot de duurzame ontwikkeling van de industrie, terwijl we de impact op het milieu tot een minimum beperken, en IA2IA leiden - de overgang van industriële automatisering naar industriële autonomie.'
