A Eneos Materials Corporation (anteriormente unidade de negócios de elastômeros da JSR Corporation) e a Yokogawa Electric Corporation anunciam que chegaram a um acordo de que o Factorial Kernel Dynamic Policy Programming (FKDPP), um algoritmo de IA baseado em aprendizagem por reforço, será oficialmente adotado para uso em uma planta de produtos químicos da Eneos Materials. Este acordo segue um teste bem-sucedido em campo, no qual esta IA de controle autônomo demonstrou um alto nível de desempenho ao controlar uma coluna de destilação nesta planta durante quase um ano inteiro. Este é o primeiro exemplo no mundo de IA de aprendizagem por reforço, sendo formalmente adotado para controle direto de uma planta.
Durante um período consecutivo de 35 dias (840 horas), de 17 de janeiro a 21 de fevereiro de 2022, este teste em campo confirmou de início que a solução de IA poderia controlar operações de destilação que estavam além das capacidades dos métodos de controle existentes (controle PID/APC) e exigiam o controle manual das válvulas com base em julgamentos de pessoas experientes da planta. Após uma parada programada da fábrica para manutenção e reparos, o teste em campo foi retomado e continua até a presente data.
Foi demonstrado de modo conclusivo que esta solução é capaz de controlar condições complexas necessárias para manter a qualidade do produto e garantir que os líquidos na coluna de destilação permaneçam em um nível adequado, enquanto aproveita ao máximo o calor residual como fonte de calor. Ao proceder desta forma, foi estabilizada a qualidade e obtido um alto rendimento com economia de energia.
Benefícios
– A IA de controle autônomo manteve o controle estável dos níveis de líquido e maximizou o uso do calor residual, mesmo no inverno e no verão, com mudanças de temperatura externas em cerca de 40°C. Nenhum problema foi observado, sendo que operação estável e alta qualidade do produto foram obtidas durante o teste em campo.
Impacto ambiental reduzido.
Ao eliminar a fabricação de produtos fora das especificações, a IA de controle autônomo reduziu custos de combustível, mão-de-obra e outros custos, fazendo uso eficiente de matérias-primas. Ao fabricar produtos de boa qualidade que cumprem os padrões de embarque, a IA de controle autônomo reduziu o consumo de vapor e as emissões de CO2 em 40%, em comparação ao controle manual convencional.
Carga de trabalho mais leve e maior segurança
A IA de controle autônomo eliminou a necessidade de os operadores executarem entradas manuais. Isto não apenas diminuiu a carga de trabalho e ajudou a evitar erros humanos, mas também reduziu níveis de estresse mental e aumentou a segurança.
– Mesmo após as modificações serem feitas na planta durante um desligamento de rotina para manutenção e reparo, foi possível o mesmo modelo de controle de IA permanecer em uso.
A Eneos Materials descobriu ao longo deste processo de verificação de um ano que a IA de controle autônomo era um sistema robusto que poderia atingir um desempenho estável e otimizar as operações ao longo do ano, inclusive no inverno e no verão. A empresa irá estudar a aplicação desta IA a outros tipos de processos e plantas, bem como continuar trabalhando para melhorar a produtividade e poupar energia, ao expandir o escopo da autonomização.
Para promover a autonomização da planta, em 27 de fevereiro, a Yokogawa lançou o fornecimento de um serviço de IA de controle autônomo para controladores Edge, também uma inovação mundial. Junto com este serviço, a empresa oferece aos clientes que desejam obter operações autônomas de fábrica, um serviço de consultoria mundial que cobre tudo, desde a identificação de problemas de controle até a investigação de métodos de controle ideais e o cálculo de custo-benefício, incluindo segurança, implantação, manutenção e operação.
Eneos e a transformação digital
No futuro, a Eneos Materials e a Yokogawa continuarão trabalhando em conjunto e investigando modos de executar a transformação digital (DX) mediante o uso de IA para controle e manutenção com base nas condições em plantas.
Em meio a sérios desafios que impactam o setor petroquímico, como a aposentadoria de pessoal experiente, que ajuda a garantir a operação segura das instalações, estamos satisfeitos com esta demonstração do uso da IA para controlar de modo autônomo processos que antes eram controlados manualmente.
Além de reduzir a carga de trabalho do operador, este teste, que durou cerca de um ano, demonstrou que este sistema pode operar de maneira estável, sem ser afetado por alterações sazonais ou manutenções e reparos regulares, podendo poupar energia e reduzir emissões de gases de efeito estufa. Através da produção inteligente, continuaremos buscando segurança e estabilidade, descarbonizando operações e elevando a competitividade, diz Masataka Masutani, diretor da Divisão de Tecnologia de Produção na Eneos Materials Corporation.
A chave para a aprendizagem por reforço é como a função de recompensa é criada. Ao incorporar de perto o conhecimento de controle do setor de processos na função de recompensa, é possível criar um modelo de controle de IA com alto nível de confiabilidade e validade, capaz de atingir uma operação estável durante todo o ano.
O fato deste teste de campo ter confirmado a capacidade do modelo de ser aplicado como está, mesmo após executar manutenções e reparos regulares, implica na robustez do modelo de controle de IA. Creio que o FKDPP, uma nova tecnologia de controle que pode lidar com condições complexas, fará contribuições de grande alcance para o desenvolvimento do setor ao redor do mundo, observa Takamitsu Matsubara, professor no Instituto de Ciência e Tecnologia de Nara.
A Yokogawa define IA de controle autônomo como IA que deduz o método ideal de controle de modo independente e possui um alto nível de robustez, permitindo que lide de forma autônoma, até certo ponto, com situações que não encontrou anteriormente. Para saber mais sobre a IA da Eneos acesse o site.
Para continuar por dentro das principais notícias do mundo da indústria acesse o nosso site.
