Skalierbare Optimierung von Grossanlagen bei LINDE Engineering.
Die Optimierung von Großanlagen wie Luftzerlegungsanlagen ist von zentraler Bedeutung, um langfristig und lieferkettenübergreifend Kosten zu reduzieren und die Produkteffizienz zu erhöhen. Allerdings ist die Einführung von anlagenbezogenen Advanced Process Controls kostenintensiv, aufwändig und zeitraubend. Mittels eines von Linde entwickelten Machine-Learning-Verfahren, insbesondere dem Reinforcement Learning, kann diese Umsetzungszeit auf gerade einmal einen Monat verkürzt werden. Das Linde Machine-Learning-Modell agiert als virtuelles Abbild (digital twin) der Anlage, welches für die Simulation und Optimierung diverser Einstellungen für die Anlage nützlich ist. Unser Team hatte das Ziel, den Python-Code der Machbarkeitsstudie in Microsoft Azure Cloud zu implementieren. Der Proof-of-Concept demonstrierte die erfolgreiche Optimierung von Luftzerlegungsanlagen.
ÜBER LINDE ENGINEERING.
Linde Engineering ist eines der weltweit führenden Unternehmen im Bau schlüsselfertiger Industrie-Großanlagen. Schwerpunktmäßig plant, projektiert und errichtet Linde Engineering Anlagen zur Erzeugung und Bearbeitung von Gasen auf Basis eigener Technologien. Dabei kann das Unternehmen auf jahrzehntelange Erfahrung und mehr als 1.000 verfahrenstechnische Patente zurückgreifen.
Download Case Study.
Der Python-Code der Machbarkeitsstudie wurde in die Microsoft Azure Cloud integriert. Nach einer Anforderungsanalyse wurden passende Technologien ausgewählt, eine Datenanbindung sowie eine Machine-Learning-Pipeline entwickelt. Diese Pipeline wurde individuell konfiguriert und evaluiert. Transparente Versionierung und Docker-Container wurden implementiert, ebenso DevOps Pipelines. Dadurch kann Linde ein Machine-Learning-Modell für über 2.800 Anlagen weltweit trainieren und einsetzen.
