事例の概要
| 企業 | ENEOS株式会社 川崎製油所 |
|---|---|
| 地域 | 日本 |
| 業種 | 化学 |
| 企業規模 | 大企業 |
| 用途 | 品質・プロセス分析 |
| 使われた技術 | Preferred Networksと共同開発した、多数のセンサから予測して複数バルブを同時に操作するAI自動運転 |
| 関連する製品・サービス | — |
成果
取り組みの内容
石油精製のプラントは、多数の計器の値を見ながら熟練の運転員が複数のバルブを調整して運転しています。変数が多く互いに影響し合うため、最適な運転を続けるには高度な判断が必要で、熟練運転員の確保と技能の継承が課題になっていました。
ENEOSとPreferred Networks（PFN）は、プラントの運転をAIで自動化する技術を共同で開発しました。MONOistの報道によれば、2023年の実証では3,637個の入力センサから予測し、9個のバルブを同時に操作して、手動操作を上回る効率での運転を達成しています。
Impress Watchの報道によれば、2024年5月には、川崎製油所の原油処理装置で、930個の入力センサと13個のバルブの同時操作によるAIの常時自動運転を始めました。両社はこれを「世界初」としています。センサ数が実証時と異なるのは、対象の装置が違うためと考えられます。
この事例の要点は、数値の大きさよりも、実証から常時運転へと段階を進めたことです。大規模なプラントでAIに運転を任せるには、AIが操作できる範囲の制限や、異常時に運転員や既存の制御に戻す条件を明確にしておくことが前提になります。
この事例から読み取れること
- 実証から常時運転へ段階を進めた点が、プロセス産業のAI制御として最も重い意味を持つと当サイトは見ています
- AIの操作範囲の上下限や、既存の制御・運転員に戻す条件を事前に設計しておくことが、常時運転の前提になります
- 実証と常時運転でセンサ数や対象装置が異なるため、数字を並べて比較するのではなく段階の違いとして読む必要があります
出典
本ページは企業・提供元が公開した情報にもとづき、費用負担を受けずに作成しています。成果の数字は発表時点のもので、当サイトによる検証値ではありません。
