[4J2-J-13] AI application: design and control of artifacts

[4J2-J-13-01] Deep Neural Networks for a Chemical Plant Simulator

〇Daichi Kimura¹, Kenichiro Shimada¹, Tomonori Izumitani¹ (1. NTT Communications)

Keywords:Simulation, Neural Network, Time-Series, Deep Learning, Digital Twin

現在多くの製造プロセスにおいて, PID制御に代表される自動制御技術が用いられている. 自動制御のためには適切な制御パラメーターを試行錯誤で設定する必要があるが, 生産スケジュールやプラントの安定性などの問題から，非常にコストを要するものとなっている．従って, さらなる製造プロセス高度化のためには, プラントの状態を反映した高精度なシミュレーターが必要である. プラントの状態を再現するためには，その内部での反応を微分方程式でモデル化する必要がある．しかしながら,　現実のプラントではその現象の複雑さから，正確な数値モデル作成が困難な場合が多い．一方で近年，エッジデバイス，センサー，ネットワークに関する技術の向上等により，IoTデータの活用が注目されている. そこで，本研究では，データドリブンアプローチを採用し，収集されたプロセスデータから, 深層学習の手法を用いてシミュレーションモデルを作成する問題について扱う．提案手法を検証するため，酢酸ビニルプラントの数値モデルに基づくシミュレーターを構築し，ここから出力されたプロセスデータを用いてその再現性を確認した．