立即下载 DOCA,开启高性能AI 网络之旅,实现“一站式” 编程
数据科学

聚焦:借助 AVEVA 动态模拟和 NVIDIA Raptor 推进自动驾驶操作

工业工程师正在利用人工智能构建先进的流程模拟解决方案,并加快能源、电力和化学行业实现完全自主运营的进程。

融合人工智能的深度强化学习(DRL)代理正在帮助将传统的工业自动化转变为核心控制、现场和生产流程的工业自主。这是使用 智能体人工智能 进行高级推理和迭代规划,旨在实现人类在循环中的目标,通过这种方式,能够实现新的应用,例如高级工业控制、系统级自主和完全自主的工厂。

在本文中,我们将探讨工业软件领域的领导者 AVEVA 如何将其 Dynamic Simulation 平台与 NVIDIA Raptor DRL 引擎集成,以最大限度地提高工业设备的产量、减少计划外停机时间并提高产品质量。

A diagram shows increasing levels of industrial autonomy, from 100% manual control (level 0) to 100% human decisions and from there to traditional automation, advanced control, system-level autonomy, and then to full autonomy.
图 1、AVEVA 从工业自动化到工业自主的规模。

工业自动化的挑战和优势 

传统的高级控制技术 (例如高级过程控制或闭环实时优化) 非常适合可重复过程。当工厂条件相对稳定以优化能源消耗、排放和生产时,就会出现这种情况。然而,工业厂房会发生瞬变事件,例如施加的进料变化或意外干扰,而使用基础级别或高级流程控制很难控制这些事件。

在这些动态情况下,工业工厂操作人员会转而采用手动控制来重新稳定工厂,并避免不必要且昂贵的后果,例如因突发事件而自动关闭发电涡轮机时发生的停机事故。

通过实现更高的工业自主性,工厂操作人员、经理和工程师可以获得以下优势:

  • 增强安全性 :减少工人暴露于危险环境中。
  • 提高运营效率 :优化生产和设备使用。
  • 降低成本 :优化劳动力和维护成本。
  • 改进决策制定 :通过 AI 驱动的见解提高准确性和性能。
  • 环境可持续性 :优化资源使用并减少排放。
  • 可扩展性 :支持高效管理大型或远程操作。
  • 互联的远程操作 :集中控制地理上分散的资产。

制定工业自动化策略 

AVEVA 和施耐德电气将运用其行业专业知识,在工业流程、混合和计算基础设施用例方面与 NVIDIA 合作:

  • 使用物理精准的工业数字流程在高速计算架构上进行大规模训练的自主人工智能代理。
  • 适用于工业 3D 环境的大规模高保真数字孪生,以及用于实时监控和控制工业运营的统一运营中心。
  • 适用于 NVIDIA 加速计算集群的数据中心参考设计,使运营商能够在其数据中心基础设施上支持人工智能工作负载,从而提高部署速度和可靠的生命周期运营。

使用 NVIDIA Raptor 进行 AVEVA 动态模拟的效果

AVEVA Dynamic Simulation 是用于工业流程的严格的第一原则模拟器,使用与 NVIDIA Raptor 的集成进行了测试,后者是一种深度强化学习引擎。

AVEVA Dynamic Simulation 用于为工艺工厂构建动态模拟模型,用于在多个用例中进行操作员培训模拟器、控制检查和工艺设计。

A screenshot shows a process model design with options for thermodynamics, cross-referencing, malfunctions, and training performance monitoring.
图 2、AVEVA 动态模拟 dashboard

工业工程师使用 AVEVA Dynamic Simulation 降低运营成本、缩短工业产品的上市时间、增强工人安全,并优化各种重工业的工厂正常运行时间。

Twelve photos of industrial sites include pipelines, refining, petrochem, gas processing, chemicals, polymers, food and beverage, mining metals and minerals, pulp and paper, cement, power, and green H2.
图 3 工业过程仿真中 AVEVA 动态模拟的主要用例

Raptor 使用 AVEVA 的工业流程工厂动态流程模拟进行离线训练。Raptor 支持在本地或云端使用加速计算进行大规模强化学习训练。

NVIDIA 内部使用 Raptor 框架,通过强化学习进行芯片设计。借助 Raptor,NVIDIA 生成的算术电路占用空间减少了 25%,同时保持与领先的电子设计自动化软件解决方案相似的性能和准确性。由于 Raptor 支持各种强化学习算法(例如近端策略优化),因此可用于解决诸如 AVEVA Dynamic Simulation 等行业问题。

AVEVA Dynamic Simulation 模型环境接收 NVIDIA Raptor 深度强化学习代理的操作,将新状态输出到 Raptor。在每个步骤中,DRL 代理都会获得奖励,具体取决于其操作是否导致了更好的状态或更糟糕的状态。Raptor 通过在一系列行动中最大化奖励来进行学习。

经过训练后,生成的控制策略可以部署到工厂控制系统中:

  • 通过在比手动工厂操作员更短的时间内稳定产品质量,最大限度地减少工厂故障对生产的影响。
  • 改进对批处理流程的控制,以提供一致且可重复的产品质量。
  • 缩短复杂的启动和关闭时间,以最大限度地提高生产吞吐量。
A three-part flow diagram shows generated actions from AVEVA DynSim and NVIDIA Raptor, control policies, and end process results.
图 4 AVEVA 动态模拟生成状态和奖励 ,NVIDIA Raptor DRL 智能体生成控制策略。

例如,工业问题是通过化学蒸工艺从较轻的甲烷和乙烷中分离较重的丙烷。当输入的进料量变化大于预期时,工业流程会受到干扰,传统控制可能无法在正确的范围内管理水平和产品质量。通常情况下,这需要工厂操作人员干预。

使用 AVEVA Dynamic Simulation 训练 Raptor DRL 智能体,以控制输入到塔的热量、塔底水平和回流鼓水平。结果表明,DRL 智能体可以将蒸馏系统的稳定时间缩短一半,且在进料发生大变化时,温度和产品质量仍能保持在正确范围内,与传统的工业基础控制器相比,DRL 智能体的性能更好。

A diagram shows an example chemical distillation system using AVEVA DynSim and a Raptor DRL agent to generate actions and control policies, automatically managing temperature and product quality control.
图 5、蒸系统示例

工业过程仿真的未来 

AI 和深度强化学习使工业工厂流程控制实现更高水平的自主性。AVEVA 的精确流程数字孪生和 NVIDIA 加速计算平台正在推动工业流程模拟从概念验证到现实世界部署的创新。

AVEVA 的后续步骤是对 AVEVA Dynamic Simulation 进行试点、产品化和扩展,借助 Raptor。AVEVA 计划与全球一些大型能源公司合作试用该解决方案,这是客户获得信心必不可少的第一步。一个关键优势是,AVEVA Dynamic Simulation with Raptor 可以从实际的工业发电厂完全离线进行训练、测试和验证。

在成功完成客户试点后,AVEVA 将使用 AVEVA Connect 中的无代码工作流实现解决方案的产品化和规模化。这将使用 NVIDIA 加速计算平台和即插即用模块加快训练速度,从而测试和部署深度强化学习代理。

详细了解 AVEVA 和 NVIDIA 在工业过程仿真方面的协作 。探索 AVEVA Dynamic Simulation NVIDIA Raptor

 

标签