AI是否已经可以安全、有效地应用在现实的过程工厂中？横河电机公司和日本ENEOS材料公司（原JSR公司弹性体业务）近日宣布成功完成一项基于AI技术的现场测试。ENEOS材料公司的化工厂采用AI技术用于自主控制蒸馏塔的阀门，在连续35天的测试中获得了很多意想不到的收获。

　　过程工厂的AI控制可能还没有预测性维护所需的AI技术那么先进。横河电机产品总部负责AI开发的Hiroaki Kanokogi博士解释说，在许多过程中，外部大气温度的变化会对过程产生很大的影响，由于可能会产生不必要的化学或物理反应，控制过程要考虑到这些意外的干扰，以实现对温度、压力和流速等进行复杂的控制。

　　基于数学的PID控制算法被广泛用于控制过程。然而，它无法充分处理由不断变化的天气模式引起的意外干扰，这意味着在因大气温度变化而发生的短期变化可能对过程产生不利影响的情况下，往往仍然需要人为干预。在这个现场测试中，人工智能能够自主控制这种以前需要人工操作的复杂过程。

　　虽然蒸馏塔的控制已经建立，但对于许多工艺部门来说，实现真正稳定和高效生产的最佳控制仍然是一个挑战。传统上，知识从工程师传给工程师，但由于工程技能的日益短缺，越来越多的工厂操作员现在希望在其工厂内自主化这些具有挑战性的操作区域。

　　关键资产的自动控制

　　由于蒸馏塔是许多过程行业的关键资产，这是ENEOS材料公司AI控制项目的重点。ENEOS材料公司化工厂的蒸馏塔上的一些阀门是被手动控制的，以确保产品质量和能源节约始终处于最佳状态。

　　"ENEOS材料公司希望利用蒸馏塔内的余热，以帮助工厂更加环保，并从节能中获益。然而，废热不是一种稳定的商品，而且还受到大气温度变化的影响。"Kanokogi博士说。

　　由于产品质量不是获得节能的可接受的交换条件，该公司之前一直在寻找一个合适的控制解决方案。PID控制不能充分控制该系统，高级过程控制（APC）解决方案也不能，所以该公司仍然不得不依靠操作员手动控制蒸馏塔阀门。

　　这就是为什么该公司热衷于与横河电机合作寻找自主控制解决方案的原因。横河电机于2017年开始研究人工智能控制。"从那时起，我们已经成功地使用模拟器用AI控制工厂，现在我们已经使用相同的AI控制算法来证明有可能控制一个现实生活中的工厂。" Kanokogi博士说。这是AI控制开发的重要一步。

       

　　图片来源：横河电机

　　ENEOS材料项目中使用的算法——阶乘内核动态策略规划（FKDPP），是横河公司和奈良先端科学技术大学院大学（NAIST）创建的基于强化学习的AI算法。在电气与电子工程师协会(IEEE)自动化科学与工程国际会议上被认定为全球首个可用于工厂管理的基于强化学习的人工智能技术。

　　横河电机在2019年成功进行了控制培训系统实验，在2020年4月成功进行了使用模拟器重建整个工厂的实验，由此确认了这种自主控制AI的潜力，并将其从理论发展为适合实际应用的技术。

　　此项技术可用于以往无法通过传统控制方法（PID控制和APC）实现自动化的领域，其优势之一在于能够处理相互冲突的目标，例如对高质量和节能的需求。

　　ENEOS工厂的现场试验证实，强化学习AI可以安全地应用于现实生活中的工厂，并证明该技术可以控制超出现有过程控制方法能力的操作。

　　在现场测试中，AI解决方案成功地处理了确保产品质量一致，并将蒸馏塔中的液体保持在适当水平所需的复杂条件，同时最大限度地利用废热作为热源。通过这样做，它能够稳定质量，实现高产品产量，并增加节能。

　　虽然雨、雪和其他天气条件是重要的因素，可能会导致大气温度的突然变化而破坏控制状态，但在整个试验期间，最终产品都符合了质量标准。

　　为期35天的现场试验证明，使用基于FKDPP强化学习AI的下一代控制技术，可以极大地促进生产的自主化、投资回报率的最大化和环境的可持续性。"试验结果发现，生产出了一致的高质量产品，并且消除了因生产不合格产品而可能出现的燃料、劳动力成本和时间方面的任何损失。"Kanokogi博士继续说道。

　　安全性是重中之重

　　安全性显然是试验项目优先事项清单上的重中之重。"为了确保在试用期间安全运行，我们最初在工厂模拟器上使用FKDPP协议来创建控制模型。然后，我们评估了AI行为。" Kanokogi博士说，将AI数据与蒸馏塔过去的操作数据进行检查，以确保其稳定，产品保持在规格范围内。

　　当所有数据都经过检查后，FKDPP 人工智能协议最终连接到工厂。"为了确保在试验过程中安全仍然是最重要的，我们将FKDPP算法集成到现有的CENTUM VP生产控制解决方案中，以便操作员始终能够在CENTUM HMI显示器上看到AI状态。由于我们将AI协议集成到CENTUM控制系统中，因此如果需要，工程师将能够在试验期间随时部署工厂周围的任何安全联锁或其他安全功能。"Kanokogi博士解释说。

　　在定期维护操作之后，ENEOS公司表示打算继续使用AI来控制操作，因为试验的持续时间足以证实强化学习AI可以安全地应用于工厂。AI技术有助于解决以前在化工厂无法解决的控制挑战，并将研究其在其他工艺和工厂中的更广泛应用，以实现生产率的进一步提高。

　　石化行业正面临着强大的压力，需要通过利用新技术，如物联网和人工智能，提高生产活动的安全性和效率。ENEOS公司生产技术部主任Masataka Masutani在评论该项目时表示："在本次实验中，我们采用了人工智能控制技术来应对工厂过程控制自动化的挑战。我们验证了AI能够自主控制以前依赖于操作员经验而通过手动执行的过程，我们坚信人工智能控制技术的实用性和未来潜力。"

       

　　从工业自动化到工业自主化

　　在继续讨论横河电机AI之旅的下一步时，Kanokagi博士解释说，该公司对自主控制的愿景-- IA2IA（工业自动化到工业自主化），是帮助处理器实现其智能制造目标。ENEOS材料项目的成功是迈向IA2IA的非常切实的一步，工厂将开始自己思考如何提高产品质量或KPI。

　　2021年，横河电机对390家制造商的534名决策者进行了调查，42%的人认为，在未来三年内，AI在工厂过程优化中的应用将对工业自主性产生重大影响。

　　解决过程工业AI难题的下一步将是通过AI算法发现多个流程中的潜在改进点，并通过查看大数据来自动识别问题来定义问题。

　　当将其添加到问题分析AI（基于传感器数据分析问题，并定义因素或创建新的KPI以进行改进）和自主控制AI（例如FKDPP算法）中时，它将可以创建一个自主的计划-执行-检查-行动（PDCA）循环，以实现持续的过程优化。

　　"创建发现AI技术的工作版本的时间表有望比我们认为最困难的FKDPP算法更快。该循环可以在几年内完成。"Kanokogi博士说。手动执行时，改进运营以实现关键绩效指标的过程可能需要6个月到一年的时间。借助AI，运营改进可以自主完成，一天24小时，一年365天。

　　到目前为止，还不可能实现一些过程工厂的完全自动化。Kanokogi博士认为，下一代控制技术，使用基于强化学习的AI，将使那些无法使用现有控制方法自动化的领域实现自主化，同时还能确保安全和提高生产率。

　　*关于该项目的更多详细信息，请参考：https://www.yokogawa.com/cn/news/press-releases/2022/2022-03-22/