Sustiprinimo mokymosi algoritmas, skirtas automatiniam įrenginių optimizavimui
„Yokogawa“ ir „Nara“ pažangiojo mokslo ir technologijų institutas (NAIST) paskelbė bendrą išplėstinio mokymosi * algoritmo, skirto automatizuotai įrenginių operacijoms optimizuoti, kūrimą. Stiprinimasis mokymasis yra pagrindinė technologija dirbtinio intelekto (AI) srityje. Bendras šio algoritmo kūrimas suteikia praktinį sprendimą pagerinti gamyklos produkcijos kokybę ir produkciją.
Dirbtinis intelektas ir mašinų mokymasis (ML) yra dirbtinio intelekto pogrupis. Neseniai tikimasi, kad bus pasiektas technologinių pokyčių įvairiose srityse, kurios sukėlė didelį susirūpinimą, pasiekimai. AI naudojamas realiame gyvenime, pavyzdžiui, autonominiuose automobiliuose ir laivuose. Nors ML buvo įdėta į gamyklos duomenų analizę, įmonės ir akademinės institucijos turi jas toliau tirti, kad jas būtų galima pritaikyti automatizavimo kontrolei.
Per daugelį metų „Yokogawa“ pateikė kontrolės sistemas įvairioms pramonės šakoms, tokioms kaip nafta, gamtinės dujos, cheminės medžiagos, plienas, celiuliozė ir popierius, medicina ir maistas, ir įsigijo daug technologijų ir patirties, susijusios su įrenginių eksploatavimu. NAIST tiria ir plėtoja ML technologijas, pvz., Tikimybinius motyvus ir sistemų inžinerijos metodus, optimizavimą ir stiprinimo mokymąsi, taip pat kuria pažangius robotus ir sistemas, kurios atlieka tam tikras funkcijas dinamiškoje aplinkoje.
„Yokogawa“ ir „NAIST“ sėkmingai sukūrė naują algoritmą, kuris naudoja „Yokogawa“ augalų kontrolės technologiją ir „Yokogawa“ žinias ir kompetencijas, susijusias su kontrolės kilpų tarpusavio priklausomybe, siekiant pagerinti branduolio dinamikos strategijos programavimą (KDPP) ir NIST stiprinimo mokymą. technologijos. Tradiciniams stiprinimo mokymosi algoritmams reikalingas didelis paieškos apdorojimas, kad būtų užtikrinta tinkama kontrolė, o tai yra iššūkis praktiniam pritaikymui. Naujai sukurtas algoritmas gerokai sumažina mokymą, kuris turi būti atliktas ir todėl yra labai praktiškas. „Yokogawa“ ir „NAIST“ augalų simuliatoriuje patvirtino, kad naudojant naują algoritmą, skirtą tuo pačiu metu kontroliuoti keturis skirtingus vožtuvus distiliavimo proceso metu vinilo acetato gamybos įmonėje, optimizavimo operacija gerokai viršija tai, kas įmanoma naudojant įprastinius valdymo algoritmus arba rankinius veiksmus.
„Yokogawa“ ir „NAIST“ atliks (POC) koncepcijos testą naujausioje gamyklos aplinkoje, kad patvirtintų faktinio naudojimo patikimumą. Naujai sukurtas algoritmas buvo išleistas IEEE tarptautinėje konferencijoje automatikos mokslo ir inžinerijos klausimais, vykusioje Vokietijoje nuo rugpjūčio 20 iki 24 dienos.
Jei norite įsigyti maisto perdirbimo procesoriaus variklį, atkreipkite dėmesį į anglies šepečio variklį.
