Loading

Loading

The English version is AI translated.

Continue
远东人月刊 Far Eastern Magazine
本期索引

2020年07月號 封面故事

智慧把关品质与耗能 亚东石化开创AI大未来

远东人月刊 / 编辑室採访整理

  
  2016年AlphaGO打败世界围棋棋王,开启了人工智慧蓬勃发展的时代,各企业均积极投入相关开发与应用。亚东石化配合集团数位转型的脚步,观音二厂在建厂期间即执行工业4.0系统的建置,以智能化系统平臺为核心,延伸VR教育训练、Smart电子化巡检、智慧化物流管理、安全及能源电子看板、制程现场电视墙监控系统等,建构全新的智能化工厂,并且进一步导入AI于制程应用,让品质预测与能源管理也愈来愈聪明!


品质预测 洞察先机
  有鑑于AI技术已日臻成熟,亚东石化技术部于2018年开始将AI导入制程,希望协助氧化制程品质预测和工厂的主动式能源管理。由于早期的制程中,品质都是依化验分析结果调整,取样和分析相隔一段时间,当发生异常时,无法即时掌握品质变化。近期採用模型预测控制(MPC)虽可改善此问题,但传统模型的建置和更新不易,而且在非线性区段也较不准确,若能透过AI 大数据建模,将可提升品质预测的精准度。

  另一方面,过去的能源管理方式大多採取事后分析(每週/每月检讨)再进行调整,效率不彰,且能源耗用在不同炼量下,无法靠DCS(分散式控制系统,Distribution Control System)的警报功能得知是否异常,因此,亚东石化希望借助AI之力,即时监测能源单耗的变化,以提早因应和调整,使能源耗用常保正常,进一步强化节能减排。

  为了快速熟悉机器学习与人工智慧相关内容,专案团队先进行初步的AI建模评估,以Rapidminer软体工具探索AI的应用,进行AI深度学习建模与验证。一开始是採用离线作业的方式,执行制程操作条件和品质数据的收集与处理,再用深度学习演算法(DNN)进行建模测试,对同仁而言,因为AI是全新的科技领域,过程中不免遭遇许多困难,例如:时间差的调整、两条生产线品质差异大、系统数据不符合、仪錶数据不合理…等,所幸经过多次测试与调校后,终于获得可行的氧化制程品质预测模型,确定专案的可行性。为求慎重起见,亚东石化找来3家厂商进行PoC测试(概念性验证,Proof of Concept),最终才选定合作厂商。

  此专案由亚东石化提供PTA生产相关的专业知识(Domain Knowledge),并协助适当地处理数据,包括:时间落差、Outlier数据排除…等,结合PTA专业知识与AI演算法程式设计,建立良好的模型,在氧化制程品质预测上获得极佳的结果,且与化验室分析相比,AI氧化品质预测可提早2~3小时取得数据,让盘控人员得以提早调整制程参数,以稳定产品品质。


能源管控 主动出击

  第二项以AI技术开发主动式能源管理的应用是业界的创新构想,亚东石化找来工研院合作,共分两阶段进行。第一阶段先收集大量能源相关的操作资料,并做适当的数据处理,再以Rapidminer建立AI能源基线,确定模型的准确度够高后,才将数据转予工研院,进行AI演算法的程式码编写,和建立AI能源基线模型(AI Energy Baseline,EBL)。上线运用时,以AI能源基线模型预测的合理能源单耗为基准,辅以设定合理的范围做为管控界限,即时呈现能源单耗的趋势。当即时能耗数据超出管控范围,代表可能发生异常能耗。

  即时发现异常还不够,要能迅速找到异常的原因,才能使管理更到位,因此进入第二阶段:开发「能耗异常设备自动查找」功能。亚东石化与工研院人员深入讨论每一个用电和发电设备、锅炉,以及热交换器等能耗设备,收集并筛选数据,再结合AI技术与统计分析,建立每个设备特徵值(Feature Engineering)的合理范围,以此特徵值模型为基准,即时比对各设备在该产能下的数据,当超出正常范围时,便可判断设备异常,通知生产人员处理。

  其实整套AI系统建置过程,牵涉跨领域复杂的技术,必须多方且深入的釐清、沟通讨论,专案团队不厌其烦、追根究底,竭尽所能让系统更完善,也让亚东石化不仅在AI领域初试啼声便有好成绩,更保有AI原始程式码与相关技术资讯,等于拥有自主的AI技术能力,未来还可延伸应用于制程高阶控制、优化操作条件,以及设备故障预警系统等,持续提高生产效率、降低营运成本。亚东石化跨入AI的第一步,期盼为提升公司的数位竞争力迈出一大步。#

回上一页  回单元索引
留言(0)

你可能会喜欢的Recommend

活动分享Events