Skip to main content
European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

COGNITIVE PLATFORM TO ENHANCE 360º PERFORMANCE AND SUSTAINABILITY OF THE EUROPEAN PROCESS INDUSTRY

Article Category

Article available in the following languages:

Przyspieszenie cyfryzacji i dekarbonizacji energochłonnych gałęzi przemysłu

Oparta na chmurze platforma do gromadzenia danych i modelowania predykcyjnego ułatwiła sterowanie procesami i zmniejszyła zużycie materiałów, pobór energii i emisje w przemyśle przetwórczym.

Cyfryzacja i ulepszone sterowanie procesami mogą mieć znaczny wpływ na ślad środowiskowy procesów przemysłowych, ale jeśli chodzi o transformację cyfrową, branże przetwórcze pozostają w tyle. Finansowany ze środków UE projekt COGNIPLANT umożliwił energochłonnym gałęziom przemysłu (EII) wykorzystanie dużych zbiorów danych dzięki elastycznej architekturze chmury, zaawansowanej analizie danych i uczeniu maszynowemu. Modele predykcyjne i cyfrowe bliźniaki zwiększyły zrównoważony charakter czterech przypadków użycia: chemikalia, beton, aluminium i metale.

Manipulacja dużymi zbiorami danych, modele uczenia maszynowego i cyfrowe bliźniaki

Wspólna infrastruktura chmurowa projektu COGNIPLANT może w sposób elastyczny gromadzić, przechowywać, przetwarzać i wyświetlać dane i analizy z dowolnych przepływów pracy w EII. W ramach tej samej infrastruktury wdrożono system modelowania predykcyjnego, który wykorzystuje eksplorację danych i uczenie maszynowe. Integracja modelowania predykcyjnego w architekturze chmurowej umożliwiła efektywne zarządzanie szkoleniem modeli przy użyciu dużych zbiorów danych, a także wdrażanie, wykonywanie i konserwację modeli. Jak mówi koordynator projektu Pedro Marii De la Peña Tejada z www.ibermatica.com (Ibermática) (obecnie firmy Ayesa): „Wiele modeli uczenia maszynowego symuluje różne aspekty procesów przemysłowych. Mogą na przykład przewidywać ilość energii wymaganej do osiągnięcia określonej temperatury w odlewie stali lub ilość pary wymaganej w procesie Bayera do produkcji aluminium”. Opracowano również dwa rodzaje cyfrowych bliźniaków. Pierwszy z nich koncentrował się na dostarczaniu operatorowi informacji zwrotnych dotyczących optymalnych parametrów procesu wymaganych do osiągnięcia zmiennej docelowej, a drugi został zaprojektowany do dynamicznego dostosowywania parametrów procesu produkcyjnego w czasie rzeczywistym.

Przyspieszenie cyfryzacji — i dekarbonizacji — przemysłu przetwórczego

„Wiele z tych rozwiązań było pierwszym krokiem w kierunku cyfryzacji i wykorzystania danych do sterowania procesami w objętych projektem branżach. To sprawiło, że początkowa faza projektu była skomplikowana pod względem używania wspólnego języka i ujednoliconych oczekiwań— — zauważa De la Peña. Po przezwyciężeniu tego problemu postępy szybko przyspieszyły. Dla każdego przypadku użycia zorganizowano sesję szkoleniową na miejscu dla pracowników każdej z instalacji pilotażowych. Materiały szkoleniowe dla każdego z przypadków użycia są dostępne na stronie internetowej projektu, dzięki czemu mogą inspirować i wspierać innych w ograniczaniu nieefektywności zasobów i energii oraz wpływu przemysłu przetwórczego na środowisko. Monitorowanie hierarchiczne i kontrola nadzorcza dostarczają użytkownikom informacji na temat wydajności, zużycia energii i wykorzystania zasobów, co umożliwia pilotom przemysłu przetwórczego znaczne zmniejszenie ich wpływu na środowisko. Zużycie energii w niektórych procesach zostało zmniejszone o około 10%. Jeden z partnerów zmniejszył emisję CO2 aż o 8100 ton, podczas gdy inni zmniejszyli emisję CO2 o 19–30%. Niektórzy partnerzy zmniejszyli również ilość wytwarzanego złomu nawet o 15%. „Zmniejszenie zużycia surowców i energii oraz emisji CO2 osiągnięte dzięki projektowi COGNIPLANT nauczyło nas, że zwiększona cyfryzacja procesów produkcyjnych i podejścia oparte na danych mogą mieć znaczny wpływ na ślad środowiskowy EII” — podsumowuje De la Peña. Te gałęzie przemysłu przetwórczego, niegdyś opóźnione w cyfryzacji, mają teraz ogromną szansę na stopniową zmianę sposobu prowadzenia działalności, a to może przynieść ogromne korzyści dla tych branż i całej planety.

Słowa kluczowe

COGNIPLANT, energia, cyfryzacja, przemysł przetwórczy, sektory energochłonne, emisje CO2, uczenie maszynowe, duże zbiory danych, modelowanie predykcyjne, kontrola procesów, cyfrowe bliźniaki

Znajdź inne artykuły w tej samej dziedzinie zastosowania