Bitki işlemlerinin otomatik optimizasyon algoritması öğrenme güçlendirme
Yokogawa ve Nara Enstitüsü Gelişmiş bilim ve teknoloji (NAIST) geliştirilmiş öğrenme * algoritma otomatik optimizasyon bitki işlemleri için ortak gelişim duyurdu. Takviye öğrenme yapay zeka (AI) alanında temel bir teknolojidir. Bu algoritma ortak gelişim fabrika çıktısı ve üretim kalitesini geliştirmek için pratik bir çözüm sağlar.
Yapay zeka ve öğrenme (ML) makine yapay zeka bir alt kümesidir. Son zamanlarda, bu yaygın endişe uyandırdı teknolojik değişim çeşitli alanlarda, devrimler elde etmek için bekleniyor. AI gerçek hayatta, örneğin, özerk araç ve deniz araçları olarak kullanılmaktadır. Her ne kadar ML bitki veri analizleri koymak, Otomasyon denetimine uygulanabilmesi bu daha fazla şirket ya da akademik kurumlar tarafından ele gerekir.
Yıllar boyunca, Yokogawa kontrol sistemleri petrol, doğal gaz, kimyasallar, çelik, kağıt hamuru ve kağıt, ilaç ve yiyecek gibi çeşitli sanayi için sağlamıştır ve teknoloji ve işlemleri ile ilgili uzmanlık büyük miktarda satın aldı. NAIST araştırma ve olasılıkçı akıl ve teknikleri, optimizasyon kontrol ve öğrenme gibi akıllı robotlar gerçekleştiren ve belirli sistemler geliştirmek takviye mühendislik sistemleri gibi ML tabanlı teknolojilerin geliştirilmesi işlevler dinamik bir ortamda.
Yokogawa ve NAIST başarıyla Yokogawa'nın bitki kontrol teknolojisi ve Yokogawa'nın bilgi ve uzmanlık çekirdek dinamik strateji programlama (KDPP) geliştirmek için denetim döngüler arasında dayanışma kullanan yeni bir algoritma geliştirdi ve NIST takviye öğrenme. teknoloji. Geleneksel takviye öğrenimi algoritmaları bir meydan okuma pratik uygulamalar için uygun kontrolü sağlamak için arama işleme büyük miktarda gerektirir. Yeni geliştirilen algoritması önemli ölçüde yapılması gereken eğitim miktarını azaltır ve bu nedenle son derece pratik. Yokogawa ve NAIST üzerinde bitki simülatörü aynı anda vinil asetat üretim tesislerinde damıtma işlemi sırasında dört farklı valfleri kontrol etmek için yeni bir algoritma kullanarak, en iyi duruma getirme işlemi çok ne mümkündür aştığını doğruladı Geleneksel kontrol algoritmaları veya manuel işlemleri ile.
Yokogawa ve NAIST (PT) kavramı test fiili kullanım güvenilirliğini onaylamak için güncel fabrika ortamında yürütecek. Yeni geliştirilen algoritması Otomasyon bilim IEEE Uluslararası Konferansı'nda serbest bırakıldı ve Mühendisliği 24 Ağustos 20 üzerinden Almanya'da düzenlenen.
Bir gıda işlemci motoru işleme satın almak isterseniz, karbon fırça motor dikkat ediniz.





