化学と素材 / 基礎化学
Evonik Oxeno:事前計算したシミュレーションによる化学工場の運転条件の推薦
- 企業
- Evonik Oxeno
- 国
- ドイツ
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 原文の本文を閲覧
業務課題
化学工場の内部工程をすべて直接観察することはできない。原料の流れが変わると最も効率的な運転条件も変わるが、従来の工程シミュレーションは複雑で計算に時間がかかり、現場の判断にすぐ使うことが難しかった。Evonik Oxenoは工程知識を実際の運転判断につなぎ、エネルギー使用を減らそうとした。
使った技術とデータ
COMPASプロジェクトは工場の運転条件のシミュレーションを事前計算し、その結果でAI代理モデルを学習した。Evonikによると、シミュレーションは100万件を超える。熱力学と反応速度論の工程知識を学習モデルと組み合わせるグレーボックス方式により、計算済みのシナリオから現実的な運転推奨を数秒で作る。同社はドイツのMarlとベルギーのAntwerpの工場の実運転で使用していると説明した。モデルの結果を制御システムに自動転送する機能は追加実装の対象に含まれており、完全自律制御が完成したという意味ではない。
成果
Evonik Oxenoは、実際の運転データとモデルが高い一致を示して工程の追加最適化が可能となり、初期適用で製品製造に必要なエネルギー消費と二酸化炭素排出が減ったと述べた。原料の流れが変わった際の判断も速くなったと説明した。運転、エンジニアリング、研究組織が蓄積した知識を再利用しながら、適用工程を段階的に増やしている。
限界と残る課題
エネルギーと排出の削減率、工程別の比較期間は公開していない。制御システムとの自動連携と工場全体の自己最適化は、拡大中の後続課題である。
出典
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。