Höhere Energieeffizienz und geringere CO2-Emissionen
Evonik Oxeno optimiert Prozesse mit KI in laufender Anlage
Evonik Oxeno hat erstmals KI-gestützte Modelle Ergebnisse aus Prozesssimulationen in die Anlagensteuerung übertragen lassen. Bei diesen Anwendungen konnte das Unternehmen die Energieeffizienz steigern und die CO2-Emissionen reduzieren.
In Marl und Antwerpen kommt die Technologie bereits im laufenden Betrieb zum Einsatz.
Evonik
Evonik Oxeno setzt KI-basierte Prozessmodelle im laufenden Anlagenbetrieb ein, was bei veränderten Rohstoffströmen ermöglicht, Entscheidungen schneller zu treffen. Entwickelt wurden die Modelle im Projekt COMPAS, kurz für „Control and Optimization using AI models for Process Advancement and Cost Saving“.
In Marl und Antwerpen kommt die Technologie bereits im laufenden Betrieb zum Einsatz. Die bisherigen Anwendungen zeigen eine gute Übereinstimmung zwischen Modell und realen Betriebsdaten und ermöglichen so, die Anlagenfahrweisen zu optimieren. Dadurch wird der Energiebedarf zur Erzeugung eines Produktes verringert, was sich unmittelbar auf die CO2-Bilanz auswirkt. Weitere Anwendungen befinden sich bereits in der Umsetzung. Dazu gehört auch, die Ergebnisse der KI-generierten Modelle automatisch in das digitale Steuerungssystem der Anlage zu übertragen.
Warum braucht es Prozessoptimierung mit KI?
Nicht alle Prozesse im Inneren einer chemischen Produktionsanlage lassen sich direkt beobachten und der effizienteste Weg, eine Produktionsanlage zu betreiben, hängt von zahlreichen Einflussfaktoren ab. Klassische Prozesssimulationen können wertvolle Einblicke liefern, sind jedoch komplex und zeitaufwendig. Das COMPAS Team hat deshalb einen Ansatz entwickelt, der auf vorberechneten Daten basiert.
Über eine Million Simulationen von Zuständen der Prozessanlage bilden die Grundlage für sogenannte Grey-Box-Modelle, die Thermodynamik und Kinetik der Anlage durch speziell programmierte und trainierte KI-Modelle beschreiben. Auf diese Weise kann COMPAS auf einen umfangreichen Fundus bereits berechneter Szenarien zugreifen und daraus innerhalb von Sekunden realistische Vorschläge für die Anlagensteuerung geben.
Der Ansatz ist nicht auf die bisherigen Anwendungen beim Unternehmen beschränkt. Die Methodik kann auf weitere chemische und petrochemische Produktionsprozesse übertragen werden.