Pela primeira vez no mundo, Yokogawa e JSR utilizam IA para controlar de forma autônoma uma plantade produtos químicos por 35 dias consecutivos
TÓQUIO 22/3/2022 –
– Colocando em prática uma tecnologia de controle de última geração, que leva em consideração qualidade, produtividade, economia de energia e interrupções repentinas –
A Yokogawa Electric Corporation (TOKYO: 6841) e a JSR Corporation (JSR, TOKYO: 4185) anunciam a conclusão bem-sucedida de um teste de campo no qual foi usada inteligência artificial (IA) para operar autonomamente uma planta de produtos químicos por 35 dias, um fato inédito no mundo*1. O teste confirmou que a IA de aprendizagem por reforço pode ser aplicada com segurança em uma fábrica real e demonstrou que essa tecnologia pode controlar operações que estão além da capacidade dos métodos de controle existentes (Controle PID*2/APC*3) e que até agora exigiam a operação manual de válvulas de controle com base nos julgamentos dos operadores da planta. A iniciativa aqui descrita foi selecionada para o programa de subsídios Projetos para a Promoção da Segurança Industrial Avançada de 2020 do Ministério da Economia, Comércio e Indústria do Japão.
Este comunicado de imprensa inclui multimédia. Veja o comunicado completo aqui: https://www.businesswire.com/news/home/20220321005009/pt/
Colunas de destilação na planta química da JSR (Foto: JSR Corporation)
O controle nas indústrias de processo abrange uma ampla gama de campos, desde refino de petróleo e petroquímica até produtos químicos de alto desempenho, fibras, aço, produtos farmacêuticos, alimentos e água. Tudo isso envolve reações químicas e outros elementos que exigem um nível extremamente alto de confiabilidade.
Neste teste de campo, a solução de IA lidou com sucesso com as condições complexas necessárias para garantir a qualidade do produto e manter os líquidos na coluna de destilação em um nível apropriado, aproveitando ao máximo o calor residual como fonte de calor. Com isso, a qualidade foi estabilizada, um alto rendimento foi alcançado*4 e energia foi economizada. Embora chuva, neve e outras condições climáticas fossem fatores significativos que pudessem interromper o estado de controle, causando mudanças repentinas na temperatura atmosférica, os produtos produzidos atenderam a padrões rigorosos e foram entregues desde então. Além disso, como apenas produtos de boa qualidade foram criados, foram eliminados combustível, mão de obra, tempo e outras perdas que ocorrem quando produtos fora da especificação são produzidos. Operações seguras foram garantidas por meio de um processo de três etapas.
A IA usada neste experimento de controle, o protocolo Factorial Kernel Dynamic Policy Programming (FKDPP), foi desenvolvido em conjunto pela Yokogawa e o Nara Institute of Science and Technology (NAIST) em 2018 e foi reconhecido em uma Conferência Internacional do IEEE sobre Ciência e Engenharia de Automação, como sendo a primeira IA baseada em aprendizagem por reforço no mundo que pode ser utilizada no gerenciamento de plantas*7. Por meio de iniciativas que incluem a condução bem-sucedida de um experimento com sistema de treinamento de controle*8 em 2019, e um experimento em abril de 2020 que usou um simulador para recriar uma usina inteira*9, a Yokogawa confirmou o potencial dessa IA de controle autônomo*10 e avançou de uma teoria para uma tecnologia adequada para uso prático. Ela pode ser usada em áreas onde a automação anteriormente não era possível com métodos de controle convencionais (controle PID e APC), e seus pontos fortes incluem a capacidade de lidar com metas conflitantes, como a necessidade de alta qualidade e economia de energia.
Dados os numerosos fenômenos físicos e químicos complexos que afetam as operações em plantas reais, ainda existem muitas situações em que operadores experientes devem intervir e exercer controle. Mesmo quando as operações são automatizadas usando controle PID e APC, operadores altamente experientes precisam interromper o controle automatizado e alterar a configuração e os valores de saída quando, por exemplo, ocorre uma mudança repentina na temperatura atmosférica devidoàchuva ou algum outro evento climático. Esse é um problema comum nas plantas de muitas empresas. Em relaçãoàtransição para a autonomia industrial*11, um desafio muito importante tem sido o de instituir o controle autônomo em situações em que até agora a intervenção manual era essencial, e fazê-lo com o menor esforço possível, garantindo também um elevado nível de segurança. Os resultados deste teste sugerem que a colaboração entre a Yokogawa e a JSR abriu um caminho para resolver esse problema antigo.
A Yokogawa dá as boas-vindas aos clientes interessados nessas iniciativas globalmente. A empresa visa fornecer prontamente produtos e soluções que levemàefetivação da autonomia industrial.
A JSR acredita que esta demonstração comprova o potencial da IA para enfrentar desafios que anteriormente não podiam ser resolvidos em plantas químicas e investigará sua aplicação a outros processos e plantas, com o objetivo de obter melhorias adicionais na produtividade.
No futuro, as duas empresas continuarão trabalhando juntas e investigando maneiras de usar a IA em plantas.
Masataka Masutani, gerente-geral de tecnologia de produção da JSR, comentou,“Em um ambiente que está mudando devido a fatores como a introdução completa do 5G e outros desenvolvimentos em direção a uma sociedade digital, bem como o envelhecimento dos recursos humanos que garantem a segurança das plantas e a falta de recursos humanos para substituí-los, a indústria petroquímica está sob forte pressão para melhorar a segurança e a eficiência em suas atividades de produção, utilizando novas tecnologias, como IoT e IA. A orientação da JSR é tornar a produção inteligente por meio de uma incorporação proativa de drones, sensores de IoT, câmeras e outras novas tecnologias e, neste experimento, aceitamos o desafio da automação do controle de processos da planta, utilizando a tecnologia de controle por IA. Verificamos que a IA é capaz de controlar de forma autônoma os processos que antes eram realizados manualmente com base na experiência dos operadores e estamos firmemente convencidos da utilidade e potencial futuro do controle por IA. Daqueles que estão no campo, ouvimos comentários dizendo que não apenas a carga sobre os operadores foi reduzida, mas o próprio fato de termos assumido o desafio desta nova tecnologia e obtido sucesso é a motivação para levar a transformação digital (DX) adiante. Desde já, expandiremos as operações controladas com IA e trabalharemos para aumentar a segurança, a estabilidade e a competitividade da planta química”.
Takamitsu Matsubara, professor associado do NAIST, comentou: “Estou muito feliz em saber que este teste de campo foi bem-sucedido. A análise de dados e o aprendizado de máquina estão sendo aplicados às operações de plantas químicas, mas a tecnologia que pode ser usada no controle autônomo e na otimização das operações não estava totalmente pronta até agora. O algoritmo da IA de aprendizagem por reforço FKDPP foi desenvolvido em conjunto pela Yokogawa e o NAIST em 2018, para efetuar o controle autônomo em plantas químicas. Apesar de ter que se referir a um grande número de sensores e válvulas de controle, a IA pode gerar uma política de controle robusta em um número limitado de tentativas de aprendizado. Esses recursos ajudaram a melhorar a eficiência do processo de desenvolvimento e levaramàobtenção de controle autônomo por um longo período de 840 horas, durante o teste de campo. Acho que essa conquista muito difícil do controle autônomo em uma coluna de destilação real e o fato de o nível de aplicação prática ter sido elevado ao ponto em que todo o processo de produção e a segurança são integrados em um sistema têm grande importância para toda a indústria. Estou ansioso para ver as próximas etapas de uso desta tecnologia.”
O vice-presidente da Yokogawa Electric e chefe da sede de produtos da Yokogawa, Kenji Hasegawa, acrescentou: “O sucesso deste teste de campo veio da união entre o profundo conhecimento do processo de produção e aspectos operacionais que somente o cliente pode fornecer e a capacidade da Yokogawa de impulsionar a medição, controle e informações para produzir valor. Isso sugere que uma IA de controle autônomo (FKDPP) pode contribuir significativamente para a autonomização da produção, maximização do retorno sobre o investimento ( ROI) e sustentabilidade ambiental em todo o mundo. A Yokogawa liderou o desenvolvimento de sistemas de controle distribuído que controlam e monitoram a operação de instalações de produção de plantas e tem apoiado o crescimento de uma série de indústrias. Com o nosso olhar fixo em um mundo de operação autônoma que constitui o modelo para o futuro das indústrias, estamos agora promovendo o conceito de IA2IA (Industrial Automation to Industrial Autonomy): automação industrial para autonomia industrial. Para alcançar uma produção robusta e flexível que leve em consideração o impacto das diferenças em humanos, máquinas, materiais e métodos, os 4Ms, nas indústrias de energia, materiais, produtos farmacêuticos e muitas outras, aceleraremos o desenvolvimento conjunto de IA de controle autônomo com nossos clientes em todo o mundo”.
*1 | Com base na pesquisa da Yokogawa Electric realizada em fevereiro de 2022 sobre IA, que altera diretamente a variável manipuladora na planta química. |
*2 | Controle Proporcional-Integral-Derivativo. Proposta pela primeira vez por Nicolas Minorsky em 1922, esta é uma tecnologia de controle de infraestrutura para indústrias de processamento, que é usada para controlar itens como quantidade, temperatura, nível, pressão e ingredientes. Ela implementa o controle para um valor-alvo, enquanto usa os resultados de cada um dos cálculos de P, I e D de acordo com o desvio entre o valor atual e o valor definido. Existem problemas com esse modo de controle, como a incapacidade de lidar com vários distúrbios externos (clima, condições atmosféricas, mudanças na composição do material) e mudanças frequentes nos valores-alvo, exigindo controle manual. |
*3 | Controle Avançado de Processos (Advanced Process Control). Usa um modelo matemático que pode prever as respostas do processo e fornece valores definidos para o ciclo de controle PID em tempo real para melhorar a produtividade, qualidade e controlabilidade. Também é facilmente aplicado ao controle com o objetivo de aumentar a produção, reduzir o tempo de trabalho e economizar energia. A incorporação do APC resulta em desvios menores nos dados, possibilitando uma aproximação dos limites de desempenho operacional (ou seja, o estado em que o desempenho ótimo pode ser obtido). No entanto, é limitado pelo fato de não ser capaz de responderàrápida vaporização de fluidos e outras reações químicas, grandes mudanças na composição do material e mudanças na maquinaria. |
*4 | O volume da substância-alvo que é realmente obtida a partir de matérias-primas por meio do processo de refinamento |
*5 | O sistema de controle integrado CENTUM VP permite o prosseguimento de todo o processo de produção, enquanto monitora e controla pressões, vazão, temperaturas e outros fatores, além de integrar várias funções de intertravamento para operação segura e estável e prevenção de acidentes. Para evitar acidentes na planta, é possível operar em cooperação com sistemas instrumentados de segurança (Safety instrumented systems, SIS), dispositivos de desligamento de emergência (Emergency shutoff devices, ESD), sistemas de proteção contra incêndio (Fire protection systems, F&G) etc. |
*6 | Um mecanismo que impede a inicialização, a menos que certas condições sejam cumpridas antes da operação. Ele aumenta a segurança evitando operações incorretas, erros de procedimento e afins. |
*7 | Factorial Kernel Dynamic Policy Programming for Vinyl Acetate Monomer Plant Model Control, August 2018. https://ieeexplore.ieee.org/document/8560593/ IEEE (Institute of Electrical and Electronics Engineers). O IEEE é uma organização de pesquisa acadêmica e padronização técnica sediada nos EUA que se concentra nas áreas de engenharia elétrica e da informação. Ela tem mais de 400 mil membros em 160 países ao redor do mundo. |
*8 | Um sistema de controle de nível de três tanques que é usado para realizar treinamentos e experimentos envolvendo a regulação do fluxo de água de um nível para o seguinte, com o objetivo geral de controlar o nível hídrico no estágio mais baixo. Também inclui dispositivos para criar artificialmente interrupções que alteram aleatoriamente o fluxo de água. Dada a natureza dos fluidos, o controle de sua vazão é um desafio difícil nas indústrias de processamento. Ser capaz de realizar adequadamente esse controle leva ao aumento da produtividade nos locais de fabricação. |
*9 | Scalable Reinforcement Learning for Plant-wide Control of Vinyl Acetate Monomer Process, Control Engineering Practice, Volume 97, April 2020 https://www.sciencedirect.com/science/article/pii/S0967066120300186 |
*10 | A Yokogawa define a IA de controle autônomo como IA que deduz de forma independente o método ideal para controle e possui um alto nível de robustez, permitindo lidar de forma autônoma, até certo ponto, com situações que não encontrou anteriormente. |
*11 | A autonomia industrial é definida pela Yokogawa da seguinte forma: “Os ativos e operações da planta possuem funcionalidades de aprendizado e adaptação que permitem respostas com interação humana mínima, capacitando os operadores a realizar tarefas de otimização de alto nível.” Nas respostasàPesquisa Global de Usuários Finais sobre a Implementação da Autonomia Industrial realizada pela Yokogawa em 2021, abrangendo 534 tomadores de decisão em 390 empresas manufatureiras, 42% disseram que a aplicação de IAàotimização de processos de plantas terá um impacto significativo na autonomia industrial nos próximos três anos. |
| (Referência: https://web-material3.yokogawa.com/1/30261/tabs/The_Acceleration_of_Industrial_Autonomy_English.pdf) |
Os nomes das empresas, organizações, produtos, serviços e logotipos mencionados neste texto são marcas registradas ou marcas comerciais da Yokogawa Electric Corporation, JSR Corporation ou de seus respectivos titulares. |
Sobre a Yokogawa
A Yokogawa fornece soluções avançadas nas áreas de medição, controle e informações para clientes em uma ampla gama de indústrias, incluindo energia, produtos químicos, materiais, produtos farmacêuticos e alimentos. A Yokogawa aborda as questões dos clientes em relaçãoàotimização da produção, ativos e cadeia de suprimentos com a aplicação eficaz de tecnologias digitais, permitindo a transição para operações autônomas.
Fundada em Tóquio em 1915, a Yokogawa continua a trabalhar para uma sociedade sustentável por meio de seus 17.500 funcionários em uma rede global de 119 empresas em 61 países.
Para obter mais informações, visite www.yokogawa.com
Sobre a JSR Corporation
A JSR Corporation é uma empresa multinacional que emprega mais de 9.000 pessoas em todo o mundo e um fornecedor líder de materiais em uma variedade de mercados orientados por tecnologia, impulsionando a inovação de materiais e criando valor por meio de materiais para enriquecer a sociedade, as pessoas e o meio ambiente. A rede global da JSR está sediada em Tóquio (Japão) e possui fábricas e escritórios na Europa, EUA, China, Taiwan, Coreia e Tailândia. A JSR é uma organização orientada para a pesquisa que busca colaborações estreitas com os principais inovadores em vários setores que são a chave para o bem-estar atual e futuro da sociedade humana: ciências da vida, materiais eletrônicos, displays, plásticos e borrachas sintéticas.
Para obter mais informações sobre a JSR Corporation, acesse https://www.jsr.co.jp/jsr_e/
Visão geral do teste de campo
1. Objetivo do teste de campo
(1) Demonstrar que a IA de aprendizagem por reforço (Factorial Kernel Dynamic Policy Programming, FKDPP: algoritmo de Programação de Política Dinâmica de Kernel Fatorial) pode ser aplicada com segurança em instalações onde a segurança é uma necessidade absoluta
(2) Demonstrar que a IA de aprendizagem por reforço pode ser usada para controlar áreas que os métodos de controle existentes (controle PID/APC) não podem automatizar
2. Detalhes
Localização |
|
Áreas |
|
IA do controle |
|
Produtos e tecnologias
| Yokogawa:
|
Operação |
Permite o prosseguimento de todo o processo de produção enquanto monitora e controla pressões, vazão, temperaturas e outros fatores, além de integrar várias funções de intertravamento para operação segura e estável e prevenção de acidentes. Para evitar acidentes na planta, ele opera em cooperação com dispositivos de desligamento de emergência (Emergency shutoff devices, ESD), sistemas de proteção contra incêndio (fire protection systems, F&G) etc. |
Processo para implementação de IA | Gera modelo de controle de IA com um simulador de planta
Avalia de forma abrangente a validade e a confiabilidade do modelo de controle por IA
Garante a segurança e controla uma planta real
|
Período do projeto |
|
Período de operação contínua |
|
3. Funções das empresas
JSR |
|
Yokogawa |
|
4. Resultados e comparação com o controle convencional
Resumo
| |
Intervenção |
|
Qualidade |
|
Produção |
|
Economia |
|
Custo |
|
Tempo |
|
Segurança |
|
5. [Referência] Principais características da IA usada no controle de plantas
Tipo | Características | Benefícios | |
Controle | Para áreas que não podem ser automatizadas com métodos de controle existentes (controle PID/APC), a IA deduz o método ótimo de controle por conta própria e possui robustez para controlar de forma autônoma, até certo ponto, situações que ainda não foram encontradas. | Com base no modelo de controle do qual aprende e deduz, a IA insere o nível de controle necessário para cada situação. | Os benefícios do FKDPP são os seguintes: (1) Pode ser aplicado em situações em que o controle não pode ser automatizado com as técnicas de controle existentes (controle PID e APC) e pode lidar com metas conflitantes, como alcançar alta qualidade e economia de energia. |
Suporte para | A IA pode assumir a tarefa, atualmente realizada pelos operadores, de inserir valores-alvo para áreas onde a automação foi implementada usando métodos de controle existentes (controle PID/APC). | A IA usa dados de controle anteriores para realizar cálculos e insere valores-alvo. |
|
Apoio operacional para | A IA propõe valores-alvo aos quais os operadores se referirão ao realizar operações. | A IA usa dados de controle anteriores para sugerir valores-alvo para humanos. |
|
O texto no idioma original deste anúncio é a versão oficial autorizada. As traduções são fornecidas apenas como uma facilidade e devem se referir ao texto no idioma original, que é a única versão do texto que tem efeito legal.
Ver a versão original em businesswire.com: https://www.businesswire.com/news/home/20220321005009/pt/
Contato:
Seção de RP
Centro de Comunicação Integrada
Yokogawa Electric Corporation
Yokogawa-pr@cs.jp.yokogawa.com
Departamento de Comunicação Corporativa
JSR Corporation
Fonte: BUSINESS WIRE