化工与材料 / 基础化工

Evonik Oxeno:利用预先计算的仿真推荐化工厂运行条件

企业
Evonik Oxeno
国家
德国
实施阶段
运营中
资料发布
日期依据
资料发布的时间,可能与启用日期不同。
依据核验方式
阅读原文正文

业务问题

化工厂内部并非所有工艺都能直接观察。原料流发生变化时,最有效的运行条件也会改变,但传统工艺仿真复杂且计算耗时,难以立即用于现场决策。Evonik Oxeno希望把工艺知识与实际运行决策连接起来,以降低能耗。

使用的技术与数据

COMPAS项目预先计算工厂运行条件的仿真,并用结果训练AI代理模型。Evonik表示,仿真数量超过100万次。灰箱方法将热力学和反应动力学的工艺知识与训练模型结合,从预先计算的情景中在数秒内生成切实可行的运行建议。公司称,该技术已用于德国Marl和比利时Antwerp工厂的实际运行。把模型结果自动传给控制系统的功能仍属于追加实施范围,因此不意味着完全自主控制已经完成。

成果

Evonik Oxeno表示,模型与实际运行数据高度一致,使进一步优化工艺成为可能,初期应用降低了产品制造所需的能源消耗和二氧化碳排放。公司还称,在原料流变化时决策更快。公司正在复用运行、工程和研究团队积累的知识,逐步扩大适用工艺范围。

局限与待解问题

原文未公布能耗和排放下降的百分比,也未给出各工艺的对比周期。与控制系统自动连接及全厂自主优化仍是正在扩展的后续工作。

来源

本案例根据公开资料整理,并非 ATF Works 客户的成果。

阅读原文 (在新标签页中打开)