Оргил технологийн шийдлээр химийн үйлдвэрийн менежментийн үр ашигтай байдлыг хэрхэн сайжруулах вэ

Оргил технологийн химийн инженерчлэлийн шийдлүүд болон орчин үеийн үйлдвэрт тогтоосон үүргийг ойлгох

Химийн үйлдвэрлэлийн хүрээнд оргил технологийн химийн инженерчлэлийн шийдлүүдийг тодорхойлох

Оюун ухааны инженерийн ухааны орчин үеийн аргууд нь химийн үйлдвэрлэлд боломжийг бодитоор нэмэгдүүлэхийн тулд хиймэл оюун ухаан (AI), машин сургалт (ML), Зүйлсийн интернет (IoT) датчикуудыг нэгтгэн ажиллуулдаг. Эдгээр системүүд нь одоо болон өнгөрсөн мэдээллийн урсгалыг судалж, үйлдвэрүүдийн үйл ажиллагааг сайжруулах, процессын үр дүнгийн нарийвчлалыг нэмэгдүүлэх, материалыг алдагдуулах хэмжээг бууруулахад тусалдаг. Уламжлалт аргууд энэ төрлийн уян хатан байдлыг хангаж чаддаггүй бөгөөд оюун ухаант системүүд нь хүний оролцоо шаардлагагүйгээр өөрчлөлтүүдийн дагуу өөрсдөө тохируулга хийдэг. Жишээ нь, McKinsey-ийн 2023 онд хийсэн сүүлийн судалгааг авч үзье. Тэдгээр судалгаанд энэ төрлийн оюун ухаант технологийг нэвтрүүлсэн үйлдвэрүүдийг судалж, тэдгээрийн катализаторыг ашиглах үр ашиг, урвалын температурыг хянах үр дүн нь хуучин аргуудтай харьцуулахад ойролцоогоор 28 хувь сайжирсаныг тогтоосон. Ийм ялгаа нь индустрын бүх түвшинд ашгийн мөрөөдөлд томоохон нөлөө үзүүлдэг.

Үйлдвэрлэлийн удирдлагын химийн үйлдвэрт Искусствийн оюун ухааныг нэвтрүүлэх

Искусствийн оюун ухаан нь үйлдвэрийн газрууд өөртөө үйл ажиллагаагаа хянах арга барилаа бодитоор өөрчилж байна. Тухайлбал, тоног төхөөрөмжийн асуудал өндөр байгаа эсэхийг цаг тухайд нь илрүүлэх, аюулгүй байдлын арга хэмжээ автоматаар эхлүүлэхэд тусалдаг. Эдгээр оюун ухаант системүүд нь үйлдвэрийн газруудад байршсан төв удирдлагын самбаруудаас секунд тутамд ирж буй мэдээллийн өгөгдлийн хэмжээг шүүж боловсруулах чадвартай байдаг. Материалуудыг зөв холиход алдаа гарч байгаа эсвэл төхөөрөмжүүд нь маш их хэмжээгээр цахилгаан хэрэглэж байгаа тохиолдолд илрүүлэх боломжтой. Сүүлийн судалгааны дүнгээр процессийн удирдлагад Искусствийн оюун ухааныг ашигладаг үйлдвэрийн газрууд нийт олон салбарт ажиллагаагаа тогтвортой явуулж байгаа нь тогтоогдсон бөгөөд тодорхой нийт 15-20% -ийн хэмжээнд хүрэхгүй байгаа зогсоолт буурч байна. Ийм төрлийн сайжруулалт нь үйлдвэрлэлийн бэрхшээлийг багасгах, мөн нууц байдалтай гэмтэл илрүүлэх ажлаас чөлөөлөгдсөн үйлдвэрийн менежерүүдийг хангадаг.

Өгөгдөлд суурилсан үйлдвэрийн удирдлагын систем рүү шилжих

Олон салбарын үйлдвэрүүд хуучин системүүдээс татгалзаж лабораторийн мэдээллийн удирдлагын (LIMS) системүүдийг нэгтгэсэн орчин үеийн мэдээллийн платформууд болон аж ахуйн нэгжийн нөөцийн төлөвлөгөөт (ERP) шийдлүүд рүү шилжин ажиллаж байна. ARC Advisory-ийн 2023 онд хэвлүүлсэн судалгаагаар энэ шилжилтийг хийсэн үйлдвэрүүд нь бүтээгдэхүүний төлөвлөгөөний нэгдмэл чанарыг ойролцоогоор 25%-иар сайжруулж, журам батлуулах тайлангаа гаргах хугацаагаа 14%-оор багасгасан байна. Энэхүү нэгтгэсэн системүүдийн үнэ цэнэ нь нийтлэг дүр төрхийг харуулж чаддаг явдалд оршдог. Инженерүүд үйлдвэрийн талбайн үйл явц нь одоо байгаа нөөцтэй хэрхэн тохирч байгааг болон зах зээл дээрх хэрэглэгчдийн хүсэлтэй хэрхэн таарч байгааг тодорхой харж чаддаг болсон юм. Өмнө нь энэ төрлийн бодит цагийн тохируулга нь тусдаа системүүд ашиглан хийх боломжгүй байсан.

Хиймэл оюун ухааны болон машин сургах аргыг ашиглан бодит цагийн үйл явцыг оновчтой болгох

Химийн үйлдвэрүүдийн үйл ажиллагааны шийдвэр гаргалтанд зориулсан бодит цагийн мэдээллийн интеграци

Одоо ухаалаг химийн инженерийн системүүд нь үйлдвэрлэлийн талбайн турш секунд тутамд ойролцоогоор 15 мянган өгөгдлийн цэгийг боловсруулахын тулд IoT сенсоруудыг төвлөрсөн хяналтын системүүдтэй (DCS) хослуулдаг. Энэ мэдээллийн урсгалыг ашиглан ухаалаг хиймэл оюун нь реакторын температурыг тохируулах, даралтын тохиргоог удирдах, эх үүсвэрийн хэмжээг зөв тохируулах үйлдлүүдийг ойролцоогоор хагас миллисекундэд хийж гүйцэтгэдэг. Энэ нь аль ч хүний оператор хийх боломжит хурдаас ойролцоогоор 35 дахин хурдан юм. Үр дүнд нь цаг хугацаа чухал байдаг сложных промышленных процессуудын хяналтыг хамаагүй сайжруулдаг. Эдгээр технологийг ашигладаг үйлдвэрүүд нь хурдан хариу үйлдэл шаарддаг химийн урвалуудыг зохицуулах үед алдааг багасгаж, үр ашгийг сайжруулж байна.

Хөдөлгөөнт процессийн хяналтанд хиймэл оюун ухааны болон машин сургах аргын хэрэглээ

Машин сургалтын алгоритмууд катализаторын задрал, экзотермийн урвалын заагууд гэх мэт хувьсагчдыг автоматаар удирддаг. 2023 оны индустрын судалгаагаар эдгээр системүүд нийлүүлэлтийн хэлбэлзэл үед бүтээгдэхүүний чанарыг техникийн шаардлагын 0.3%-ийн дотор хадгалж байгааг харуулсан бөгөөд стабильжилтийн тестүүдэд 19:1-аар илүү үр дүнтэй байв.

Ашиглалтыг сайжруулах, хаягдлыг бууруулахын тулд процессыг оюун ухаантай системээр оновчлох

Оюун ухаанаар ажилладаг процессын загварууд нийлмэл үйлдвэрлэлийн үе шатуудад их хэмжээгээр энерги зарцуулж буй хэсгүүдийг тогтоож, урьдчилан тооцоолсон тохируулгуудыг санал болгодог. Нэг полимер үйлдвэрлэгч 22% этилен хаягдлыг бууруулсан нь мономерийн хувиргах хурдыг оновчилсон бэхжүүлэх сургалтын загваруудыг хэрэгжүүлснээр боломжийг хэрэгжүүлсэн юм.

Туршлагын жишээ: Оюун ухаантай системээр урвалын савыг оновчлох замаар нийлмэл үйлдвэрлэлийн хэлбэлзлийг 32%-иар бууруулж байна

14 ширхэг тасралтгүй хутгагууртай урвалж бүхий онцгой химийн ургамал нь гүнзгий сургалтыг нэвтрүүлснээр 6 сарын дотор бүтцийн зууны хувийн хэлбэлзлийг ±8%-аас ±2.7% болгон бууруулжээ. 2024 оны Процесс Инженерчлэлийн тайлангийн мэдээлснээр 2.7 сая ам.долларын хөрөнгө оруулалт нь чанарын удирдлагын жилийн зардлыг 410 мянган ам.доллараар бууруулж, анхны өнгөрөх дагуу 99.4% нийцлийг хангасан.

Химийн боловсруулах тоног төхөөрөмжид урьдчилан сэргийлэх засвар үйлчилгээ болон хэвийн бусыг илрүүлэх

Машин сургалтын загвар ашиглан химийн ургамалд урьдчилан сэргийлэх засвар үйлчилгээ

Химийн ургамлууд нь урвалж, насос зэрэг үндсэн тоног төхөөрөмжүүдээс сенсорын өгөгдөл, хэлбэлзлийн загвар, дулааны метрикуудыг шинжлэхийн тулд машин сургалтын загваруудыг ашигладаг. Энэхүү системүүд нь хэвийн ажиллагааны хазайлтыг илрүүлж, бүрэлдэхүүн хэсгийн элэгдлийг 12-18 өдрийн өмнөхөн урьдчилан мэдээлдэг (Ponemon 2023) тул тасралтгүй ажиллагааг дунджаар 740 мянган ам.долларын нэгдүгээр тутамд зогсоож болно.

Эрт илрүүлэх болон хэвийн бус мэдэгдлийн дагуу зогсолтыг хамгийн бага болгох

Хиймэл оюун ухаанаар ажилладаг онцлог илрүүлэх систем нь үйл ажиллагаанд тоног төхөөрөмжийн чухал байдалд үндэслэн эрсдлийг үзнэ. Ажлыг эрт илрүүлэхэд хэлбэлзлийн шинжилгээ нь хутганд өртөх үед үүсэх элэгдлийг эрт илрүүлэхэд тусалдаг. Дулааны зураг авах нь дистилляци баганан дээр дулаан ихсэхийг эхлэхэд илрүүлэх бол хөргөгчийн шингэний чанарыг хянах датчик нь компрессорын шингэний чанарыг хугацааны туршид хянах боломжийг олгодог. 2025 онд үнэний тоо мэдээллийг авч үзвэл нүүрс олборлолтын үйл ажиллагааны жишээн дээр тоног төхөөрөмжийн гэмтлийн түвшин 40%-иар буурсан байна. Ижил аргыг хэрэглэсэн химийн уул уурхайн үйл ажиллагааны хувьд тухайн төхөөрөмжийн засварын цаг нь өмнөх арга барилтай харьцулахад 25-30%-иар багассан байна. Энэ нь үйлдвэрлэл бага алдагдах, ажил үйлдвэрийн ажиллагаа тасрах тохиолдол цөөрнө гэсэн үг юм.

Урьдчилан таамаглах системд автомжуудыг хүний мэргэжлийн чадварын хамт зохицуулах

Хамгийн чухал нь, тус экспертүүд автоматаар гаргасан санамж нь батлагдсан аюулгүй байдлын дүрмүүдтэй зөрж байвал орж ирнэ. Үйлдвэрлэлийн тайлангуудын мэдээллээр энэ нь 10 удааны 8 дахь тохиолдолд гардаг. Энэ хослол нь дунджаар сайн ажилладаг бөгөөд таамаглалыг 92% нарийвчлалтай байлгаж, хэн ч хүлээн авахыг хүсээгүй бодит бус тревожные зөрчлүүдийг багасгадаг. Машин сургалтын үр дүнд гарч буй эдгээр хэв маягийн магадлалын тоонуудыг туршлагатай инженерүүд нь хянах ёстой. Орчин үеийн нөхцөл байдлыг өвлийн нөхцөл байдалтай адилхан биш байдаг тул улирал өөрчлөгдөх үед системийн тохиргоог өөрчлөх ёстой.

Оюун ухаант процессын удирдлагаар энерги хэмнэлттэй, зардал багатай болгох

Оюун ухаант химийн инженерийн шийдэл ашиглан энерги удирлах болон үр ашигтай байдлыг оновчтой болгох

Оюунлаг химийн инженерийн аргууд нь дулаан солилцох үйл явц, насосны тохируулга, реакторын параметрүүдийг өөрчлөх замаар энерги алдалтыг бууруулдаг. Эдгээр дэвшилтэт системүүд нь уур ихээр хэрэглэж байгаа эсвэл дулаан зөв дамжуулагдаж байгаа эсэх гэх мэт үйлдвэрийн өгөгдлийн давхаргуудыг судалж, тоног төхөөрөмжийг автоматаар тохируулдаг. Жишээлбэл, хиймэл оюуны систем нь дараагийн үед систем ямар дулааны хөдөлгөөн шаардлагатай болохыг урьдчилан таамаглан вентиль байрлалыг өөрчилж, дулааны хөдөлгөөнийг удирддаг тул гар утасны тохируулгын алдаагүй байна.

Энерги хэмнэлтийн төлөө процессийн удирдлагад хиймэл оюун, өгөгдөлд тулгуурласан загваруудыг ашиглах нь

Орчин үеийн загварууд энерги хэмнэлтийг үйлдвэрлэлийн зорилттой хослуулан түүхэн өгөгдлүүд болон бодит цагийн мэдрэгчийн мэдээллийг ашиглан тоног төхөөрөмжийн ачааллыг урьдчилан таамаглах, үр ашигтай ажиллагааг оновчтой болгох боломжийг олгодог. Нэгэн хэрэглээ нь пневматик багажны бодит цагийн ашиглалттай харгалзуулан агаарыг шахах системийг зохицуулах замаар тасралтгүй ажиллагааг зогсоож энерги хэмнэхэд тусалдаг.

Өгөгдлийн цэг: Европын нефтехимийн үйлдвэрт хиймэл оюуныг нэвтрүүлэхэд энерги хэрэглээ 18%-иар буурсан

2023 оны хэрэгжилт нь европын нефтехимийн үйлдвэрт реакторын хөргөх цикл болон нэрэх баганын даралтыг оновчтой болгох замаар жилдээр энерги хэрэглээгээ 18%-иар бууруулжээ. Энэ нь CO² ялгаруулалтыг 11,500 метрик тонн бууруулсэн бөгөөд энэ нь замын дагуу 2,500 автомашиныг арилгасантай эквивалент юм. Мөн 99.7% бүтээгдэхүүний нэгдмэл чанарыг хадгалж байв.

Дижитал хосолсон технологи болон кибер-физик системүүд уламжлалт үйлдвэрийн симуляцийн хувьд

Үйлдвэрт ашигладаг дижитал хосолсон технологийн виртуал процессын хуулбарлах

Цахим хосын технологи нь тоног төхөөрөмжийн ажиллагааг тусгасан, доторх химийн урвалыг хянах, бүх төхөөрөмжийн ажиллаж байгаа байдлыг бодит цагт харуулдаг үнэн зөв химийн уулзварын виртуал хувилбарыг бий болгодог. ScienceDirect-ийн 2024 оны судалгаа энэ асуудгийг нарийвчлан судалж, цахим хосыг ажиллуулахад гурван үндсэн хэсэг оролцдогийг тогтоосон: бодит цагийн мэдээллийг дамжуулдаг интернетэд холбогдсон сенсорууд, физик хуулиудад суурилсан математик загварууд нь юу болох боломжтойг тургэн үзүүлдэг, мөн систем ямар нөхцөлд хэрхэн илүү сайн ажиллахыг таамаглаж чаддаг оюун ухаант алгоритмууд. Энэ хандлагын үнэ цэнэ нь цахилгаан станцын инженерүүд шинэ процессыг турших, аварийн нөхцөлд юу болохыг шалгах, илүү сайн ажиллагааг зориулан тохируулгыг өөрчлөх боломжтой бөгөөд бодит байдал дээр нөлөөлөхгүйгээр ажилладаг. Одоо туршилт хийхийн тулд юу ч хаалтгүйгээр ажиллаж болно.

Бодит цагт уулзварын симуляци, удирдлага зохицуулах кибер-физик системүүд

Кибер физик системүүд PLC болон тархсан хяналтын системүүдийн хамт орж, цахим хосолсон өгөгдлийг нэгтгэхэд үнэн зөв автоматаар ажиллахын тулд шаардагдах битүү дамжуулалтын холбоог үүсгэдэг. Энэхүү системүүд нь үйл ажиллагааны тодорхой стандартын даалгавруудыг гүйцэтгэхэд шаардагдах эзэн мэдэх хэмжээний ажлыг багасгадаг бөгөөд чанарын менежментийн ISO 9001 стандартыг хангахын тулд дэлгэрэнгүй бичилт хөтлөх боломжийг олгодог. Гэхдээ хамгийн тодорхой шинж чанар бол хурд юм - орчин үеийн ихэнх хэрэгжилтүүд нь хагас секундын дотор хүрэх хүрээнд задралгүй ажилладаг. Энэ төрлийн хурдан хариу үйлдвэрлэгчдэд үйлдвэрлэлийн мөчлөгт орж буй материалын өөрчлөлт эсвэл хүчин чадлын нөөцийн өөрчлөлттэй үед урьдчилан сэргийлэх өөрчлөлт оруулах боломжийг олгодог.

Аж үйлдвэрийн тоног төхөөрөмжийн виртуал ажиллуулж шалгах нь оюун ухаант загварчлал ашиглан

Хиймэл оюун ухааныг ашиглан виртуал ажлын шалгалт нь бодит ертөнцөд эрсдэлгүйгээр удирдлагын логик, аюулгүй байдал хангах системийг шалгах боломжийг олгодог. Энэ нь мөн механик хэсгүүд болон цахилгаан төхөөрөмжүүдийн хоорондох зөрчлийг автоматаар олж, системийн ажиллагааг өмнөх өгөгдлүүдтэй харьцуулдаг. Инженерүүдэд тоног төхөөрөмжийн налдаг авахын дараах мянган циклийн дараах байдал нь хэрхэн өөрчлөгдөхийг симуляци хийх боломжийг олгодог. Эдгээр туршилтууд нь техникийн үйлчилгээг хэзээ хийхийг сайжруулахад тусалдаг бөгөөд энэ нь төлөвлөгөөгүй зогсолтыг бууруулдаг. Зарим судалгааны дүнгээс энэ аргыг ашиглавал төлөвлөгөөгүй зогсолтыг 25-30%-иар бууруулж болох бөгөөд их зардалтай, алдаа дутагдлыг ихээр үлдээдэг хуучин арга барилуудаас илүү үр дүнтэй гэж гарч ирсэн.

Туршлагын жишээ: Цахим хос хүрээгүй үйлдвэрийн эхлэлтийг 40%-иар багасгав

Катализаторыг идэвхжүүлэх хамгийн сайн аргыг тогтоохын тулд реакторын төлөө тусгайлан дижитал давхар зохион байгуулсан нэг европын компани температурын болон даралтын 1,200 гаруй өөр хослол дээр виртуал тест явуулсан. Үр дүн нь? Үйлдвэрийн жишээнд өмнөхөөсөө ойролцоогоор 2 долоо хоногийн өмнө бүх зүйл сайн ажиллаж эхэлсэн. Siemens компанийн 2024 онд хийсэн зарим судалгааны дүнгээс энэ бүх процессын үр дүнд тохируулгын үед зарцуулагдах энергийн алдагдлыг ойролцоогоор 31 хувиар бууруулжээ. Ингэхдээ бүтээгдэхүүний чанарыг ихээр өөрчилөөгүйгээр тогтвортой байлгасан бөгөөд зөвхөн ойролцоогоор дунджаар 0.8 хувийн хэлбэлзэлтэй байв.

Оюунлаг химийн инженерийн шийдлийн талаарх асуулт болон хариулт

Оюунлаг химийн инженерийн шийдэл гэж юу вэ?

Оюунлаг химийн инженерийн шийдэл нь химийн үйлдвэрлэлийг сайжруулах, үйл ажиллагааг хялбарчлах, хаягдлыг бууруулах зорилгоор хиймэл оюун ухааны (AI), машин сургалтын (ML), оюунлаг төхөөрөмжийн (IoT) датчикаар тоноглосон систем юм.

Химийн үйлдвэрт хиймэл оюуны систем яаж үйл ажиллагааны хяналтыг сайжруулдаг вэ?

Оюун ухаант системүүд нь цахилгаан станцын аюулгүй байдлыг сайжруулах, хүртэлмээр байгаа зогсолтыг бууруулахын тулд тоног төхөөрөмжийн боломжит асуудлыг илрүүлэх, шийдвэрлэхийн тулд өгөгдлийн урсгалыг бодит цагт дайчилж ажилладаг.

Оюун ухаант химийн инженерийн шийдлүүд энерги хэрэглээг багасгах уу?

Тийм ээ, энерги хэмнэлтийг зорьсон процессыг оновчлох ухаалаг системүүд нь химийн үйлдвэрийн энерги хаягдал, нийтлэг хэрэглээг том хэмжээгээр багасгадаг.