O poder do aprendizado de máquina em melhorar a qualidade do processo de fabricação está sendo cada vez mais reconhecido. A IA e o aprendizado de máquina se tornaram ferramentas populares para os fabricantes melhorarem o rendimento e otimizarem o consumo de energia. O projeto FUDIPO, financiado pela UE, está fazendo grandes avanços na integração de IA em várias indústrias de processo críticas em grande escala para alcançar melhorias radicais na eficiência energética e de recursos.

Uma notícia na publicação digital "Governo de Acesso Aberto" resume como várias indústrias, como refinarias de petróleo e tratamento de águas residuais, podem usar sistemas de IA. Afirma que "a FUDIPO está desenvolvendo e testando (em cinco estudos de caso) física dinâmica avançada (complementada com sensores soft ) e modelos estatísticos, como redes bayesianas e modelos de aprendizado de máquina, para formar um diagnóstico avançado, apoio à decisão, otimização e controle preditivo do modelo. "

Estudos de caso

Erik Dahlquist, do coordenador do projeto Mälardalen University, explica como o sistema desenvolvido é implementado em cinco estudos de caso em escala real. Estes cobrem uma refinaria de petróleo, uma grande usina de calor e energia, uma fábrica de celulose e papel, uma estação de tratamento de águas residuais, e uma micro turbina de calor e energia. A refinaria de petróleo Türkiye Petrol Rafinerileri A.Ş. (Tüpraş) adquire diferentes qualidades de óleo cru e o converte em produtos finais utilizáveis. A FUDIPO busca otimizar o planejamento da produção para aproveitar da melhor forma o óleo disponível. Isso ajudará a atender às necessidades dos consumidores europeus. Para estimar as qualidades do produto, modelos físicos e estatísticos são usados ​​junto com "um sistema de diagnóstico para detectar falhas de sensores de temperatura e modelos NIR [infravermelho próximo] para propriedades de alimentação. Os avanços do FUDIPO podem economizar 120-200 TWh / ano de energia nas refinarias de petróleo da UE".

Mälarenergi, que opera uma grande usina combinada de calor e energia na Suécia, concentra-se no controle de emissões. "Este controle é melhorado com FUDIPO, diminuindo assim o tempo de inatividade, flutuações, corrosão, incrustação e aglomeração. "Um modelo físico é utilizado" junto com dados medidos para diagnosticar possíveis processos e falhas de sensor usando uma rede Bayesiana para cálculos de probabilidade. Isso é combinado também com MPC [controle preditivo de modelo] para controlar a umidade no combustível que vai para a caldeira, onde medições on-line do combustível residual são feitas para determinar o conteúdo de plástico e umidade. "

Quanto à estação de tratamento de águas residuais da ABB, “A FUDIPO traz desenvolvimento de algoritmos de controle para um melhor desempenho, medir a qualidade dos resíduos recebidos, e, assim, diminuindo a demanda de aeração para economizar energia, "de acordo com Dahlquist." Um modelo físico testado com dados off-line foi desenvolvido, bem como um modelo python para detectar a falha do sensor, e um modelo de controle preditivo. "

No caso da fábrica de papel e celulose BillerudKorsnäs, que possui três linhas de fibras com diferentes qualidades de celulose, o projeto "leva a um processo mais estável e diagnóstico de falhas devido a um melhor controle do número Kappa, "conforme observado na mesma notícia. O número Kappa é um parâmetro que mede a quantidade de lignina deixada na polpa após o digestor. Como isso é difícil de controlar, "um modelo físico é executado como um gêmeo digital e os espectros NIR são medidos em todos os cavacos de madeira que chegam ao digestor. Isso está prevendo o conteúdo de lignina e a reatividade."

Finalmente, na Holanda, para a turbina de calor e energia da Micro Turbine Technology, "A FUDIPO está aumentando a eficiência no suporte aos clientes com suporte e planejamento de manutenção programada e preditiva."

O projeto FUDIPO (Futuras Direções de Planejamento de Produção e Energia Otimizada - e Indústrias de Processo) terminará em setembro de 2020.