メルマガ登録
最終更新日:2023.11.28
※本記事は、ブレインパッドが運営する人工知能ブログ「+AI」に掲載されている記事の転載版になります。
最適化されたプラントの運転手法を事前に決定するシステム開発のために、化学プラントにおける近未来の蒸気需要量の変動を予測するモデルを構築。予測モデルには機械学習を採用し、工場の省エネルギー化と生産効率の最適化に貢献しました。
ブレインパッド、三井化学のバッチプラントにおける近未来の蒸気量需要を予測 - 機械学習を活用し、工場の省エネルギー化と生産効率の最適化に貢献 -
従来のシステムでは、プラント内の必要蒸気量、電力の自家発電量、燃料コストをリアルタイムで監視してプラント運転のための最適解を管理者に提示するまででしたが、消費燃料を最適化して省エネルギー化を実現するためには、電力や蒸気量の近未来の変動を予測することが必要となっていました。本プロジェクトでは、三井化学の中核工場である大阪工場において、稼働・非稼働データと蒸気の使用実績データの関係を分析・学習することにより、近未来の蒸気の需要量を予測するモデルを構築しました。
三井化学では従来、プラント内の必要蒸気量、電力の自家発電量、燃料コストをリアルタイムで監視するシステムを開発し、最適なプラントの運転手法を提示するシステムを運用していましたが、近未来に起こる蒸気・電力量の変動を予測する仕組みを構築し、消費燃料を最適化した運転手法を事前に決定できるようにすることが課題となっていました。
本プロジェクトでは、近未来の蒸気の需要量を予測するモデルを構築しました。三井化学はこのモデルを活用することで、以下の効果を狙います。
・工場内で発生する蒸気ロスや過剰な燃料消費を抑制して省エネルギー化
・燃料、電力、給水等にかかるコストを最適化