人工知能: 化学工学者にとっての新たな現実

2019年2月1日 | メアリー・ペイジ・ベイリー著

プロセスや材料の開発からメンテナンスや物流に至るまで、人工知能 (AI) が化学プロセス業界全体に変革をもたらす力として台頭しています。

他の多くの分野と同様に、化学プロセス産業 (CPI) でも人工知能 (AI) テクノロジーが台頭し始めています。 AI 支援ソリューションや、ロボット プロセス オートメーション (RPA)、モノのインターネット (IoT)、自動ドローン、量子コンピューティングなどのその他の関連テクノロジーは、多くの CPI アプリケーションにとってまだ比較的新しいものですが、開発者もユーザーも同様にその可能性に気づき始めています。研究開発（R&D）、予知保全、プロセスの最適化などを促進するメリットがあります。

スマート オペレーション イニシアチブの中で、Henkel AG & Co. KGaA (ドイツ、デュッセルドルフ、www.henkel.com) は、グローバルなプロセス オペレーションとサプライ チェーンで AI 機能を活用しています。 「当社では、AI を使用して複雑なデータ配列の効率的な分析を実行し、より高い生産パフォーマンス、迅速な製品革新、自動調整生産システムのスケールアップを実現しています」とヘンケルの接着剤デジタル オペレーションのグローバル ヘッドであるサンディープ スリークマール氏は説明します。 「当社は社内の製造データを収集することだけでなく、製品使用中のデータ収集の機会について顧客と積極的に協力して改善を図り、変化する顧客ニーズに適応することにも重点を置いています」と Sreekumar 氏は述べています。 ヘンケルは現在、外部で構築された AI テクノロジーを適用していますが、社内ソリューションとサードパーティ ソリューションの両方が共存するエコシステムを構築し、自動化され、変動に自己調整できる完全に透明なグローバル サプライ チェーンと運用ネットワークを確立することを構想しています、と説明します。ヘンケルの接着技術および投資部門のグローバル責任者、ティム・グッゼント氏は次のように述べています。 同社の「スマート ファクトリー」テクノロジーは、原材料の入手可能性と現在の生産状況の理解を強化し、生産プロセスを調整してパフォーマンスを向上させる方法について運用担当者に適切にアドバイスできるように設計されています。 「これらのデータを分析することにより、当社はこれらのプラント内で原材料の収量を大幅に改善し、パフォーマンスの品質を向上させました」と Gudszend 氏は付け加えます。

ヘンケルは AI プロジェクトで成功を収めていますが、新しいテクノロジーの導入には課題がないわけではありません。 「最大の問題の 1 つは、プロセスとそれに影響を与える環境に関連するすべてのデータを生成し、この情報を『ビッグ データ』 ソリューションで利用できるようにして最大限に活用できるようにすることです」とグッツェンド氏は説明し、ヘンケルは次のように付け加えました。は、グローバルなサプライチェーンと運用ネットワーク全体でデータをより適切に統合するために、強化されたデータ分析プラットフォームを導入しています。 課題はあるものの、新製品の配合やスケールアップの市場投入の迅速化から、製品品質の問題の迅速な検出と解決に至るまで、ヘンケルは AI の多くの利点を実現していると Sreekumar 氏は強調します。 「AIテクノロジーは破壊的であり、今後も新製品の発売を促進し、生産速度を数か月、数年から数週間、あるいは数日へと向上させるのに役立ちます。このテクノロジーは、新しいビジネスモデルの開発を促進し、稼働条件を改善し、より高品質の製品を生み出すでしょう。」彼は続けます。

日本では、新しい研究プロジェクトが AI を適用してポリマー設計を大幅に促進し、先端機能材料の開発を加速させています。 昭和電工株式会社（SDK、東京、www.sdk.co.jp）、独立行政法人産業技術総合研究所（産総研、つくば市、www.aist.go.jp）、高等研究協会による研究-先端機能材料のスループット設計開発（ADMAT、つくば市、www.admat.or.jp）は、AI支援ポリマー設計が従来のアプローチよりも約40倍高速であることを示しました。 SDK によると、AI テクノロジーは非常に多数の候補ポリマーから始めて、ポリマーあたり 1 秒未満でポリマーの特性を予測できます。 現在の試験は、417 種類のポリマー構造データの分野からポリマーのガラス転移温度を決定することに焦点を当てていますが、この技術は任意の数の望ましい特性に簡単に適用できます。 この場合、ガラス転移温度が最も高いポリマーはわずか 4.6 回の試行で決定されました (図 1)。

図 1. AI 支援ポリマー設計を使用すると、特定の材料特性を目標とするために必要な試行回数が大幅に削減されます

これはポリマー設計分野における AI の最初の応用ではありませんが、プロセスをさらに加速するベイズ最適化の使用によって際立っています。 「通常、AI は以前に検討した類似のポリマーを推奨する傾向があるため、ポリマーの設計にはそれほど効率的ではありません。これに対し、ベイジアン最適化では、期待される高いパフォーマンスとのトレードオフを考慮することで、望ましい特性を持つより多様なポリマーを調査することができます」不確実性が高い」と SDK は説明します。 不確実性が高いということは、ポリマーが過去に検査されていないことを示し、高い性能は、ポリマーが一連の特性要件を満たすのに適切であることを示します。 当社では、AIによる高速予測により、人手による実験を必要とせず、短時間で大量の候補材料を評価することができ、新製品開発における競争優位性が得られると考えています。

AxiPolymer Inc. (カナダ、ケニア州モントリオール、www.axipolymer.com) は、ポリマー加工業者のニーズに合わせてカスタマイズされた特殊な AI ソリューションを開発しました。 「ポリマーの製造と加工には、最終的なポリマーの特性を決定する高度な相互関連パラメーターがあり、これらのパラメーターから膨大な量のデータが生成されます。AI は、これらのパラメーター間の隠れたパターンを見つけて最終製品の特性を調整する機会を提供します。 」とAxiPolymer氏は言います。 同社の AI に関する経験は、当初、ポリマーのサプライチェーン プロセスに実装するために設計された意思決定支援ツールの開発から始まりました。 その後、チームは追加の分析に基づいて、AI テクノロジーを使用して業界の機器故障と予知保全のニーズの調査を開始しました。

AI と機械学習はポリマー業界ではまだ比較的新しい概念であるため、多くの企業がこれらのツールがビジネス競争力をどれほど深く提供できるかを認識していないと AxiPolymer は観察しています。 「AI アルゴリズムへの主な入力は履歴データです。ポリマー業界では、未処理のデータの量と種類が信じられないほど膨大です。これらのデータの利点を最大限に活用するために、これらのツールがより一般的に使用されるようになるのは明らかに時間の問題です。 」とAxiPolymerは説明します。 AxiPolymer の研究開発チームは現在、ポリマー生産者と加工業者に AI ベースの最適化技術を提供する新しいリアルタイム意思決定モジュールの開発に取り組んでいます。 反応器の圧力、温度、供給速度などの多数の制御要素、およびこれらのパラメーターの変動が他の特性に及ぼす影響を考慮すると、このモジュールを使用すると、ユーザーは従来の試行錯誤の開発手法を使用せずに、最終製品の特性を予測して調整できるようになります。 さらに、AxiPolymer によれば、このモジュールは、最終製品の目標特性を維持するための実際的な制約に基づいて、システムの現在の状態に必要な変更に関するガイダンスを提供できます (図 2)。

図 2. 新しい AI モジュールは、特定のポリマー特性を目標とするためにシステムの現在の状態に必要なプロセス変更を考慮できます

材料開発のための AI を研究する別のプロジェクトでは、大阪大学 (www.osaka-u.ac.jp) の研究者チームが AI を適用して、有機成分で構成される有機太陽光発電 (OPV) 太陽電池の材料選択を自動化しました。そして半導体ポリマー。 この研究では、有機材料とポリマー材料の最適な組み合わせを決定することで OPV セルの電力変換効率 (PCE) を最大化することを目指しましたが、このプロセスには通常、非常に時間のかかる試行錯誤の実験が必要です。 AI と機械学習を使用して、チームは 1,200 個の異なる OPV セルからのデータを評価して、最適な特性セット (この場合はバンドギャップ、分子量、化学構造) をターゲットにし、どれが最も効率的かを迅速に判断することができました。次に、予測される PCE についてポリマーをスクリーニングします。 次にチームは、これらの結果として得られた材料のうちどれが最も製造可能であるかを評価しました。 この特定の作業では、データの分類と回帰のためのデシジョン ツリーのネットワークを作成する「ランダム フォレスト」機械学習を利用しました。

CPI における AI テクノロジーの可能性は実験室を超えて広がっています。AI は、保守計画の改善とプロセスの最適化を通じて業務を変革する立場にあります。

株式会社日立製作所 (東京、www.hitachi.com) は、SDK と協力して、AI 支援の予知保全プラットフォームを開発および商品化しました。このプラットフォームは、世界中の日立の製造業の顧客に提供されることになります。 SDKの大分事業所エチレンプラントは、適応共鳴理論（ART）を利用してプラント運転データをリアルタイムに分析・分類し、設備故障につながる可能性のある異常を特定する新しいAIサービスの実用性を実証するための試験施設となった。 大分工場での実証実験では、コーキングの発生を予測することに成功しました。 日立によれば、この手法により、従来の予知保全モデルでは検知できなかったパターンや異常を検知できるという。 現在、SDK はこの技術を追加のプラントに展開すると同時に、さまざまなコークス化メカニズムを決定するための AI モデルをさらに改良する予定です。

2018 年 12 月、Compañía Española de Petróleos SAU (セプサ、スペイン、マドリード、www.cepsa.com) は、スペインのウエルバにあるパロス化学工場のフェノール製造ユニットの運用を改善するために AI テクノロジーを導入するプロジェクトを完了しました (図 3)。 。 同社によれば、これらの AI を活用した新しい対策により、フェノール生産量が 2.5% 増加し、その結果、年間生産能力が 5,500 トン増加したとのことです。 これを達成するために、機械学習と予測モデルを使用して、15 分間隔でプラント担当者に運用改善の推奨事項を提供する 2 つのリアルタイム最適化ルーチンが開発されました。 これらのオプティマイザーを構築するには、実験室データから地域の気候条件に至るまで、3,000 を超えるプロセス変数の分析が必要でした。

図 3. このフェノール工場で AI を採用することで、生産能力が年間 5,000 トン以上増加しました。Cepsa

2018 年 6 月、Repsol (スペイン、マドリード、www.repsol.com) は Google Cloud とのコラボレーションを開始し、AI と高度なデータ分析を適用して、スペインのタラゴナにある Repsol の日量 186,000 バレルの石油精製所でのエネルギーやその他のリソースの消費を最適化しました。 。 レプソルによると、このプロジェクトは、さまざまな AI および機械学習モデルを使用して 300 を超える変数をインテリジェントに管理することを目的としています。これは、デジタル統合された産業システムによって通常処理される変数の数が 10 倍以上に増加することを意味します。

安全性と資源効率を向上させるために、「スマート」センサー、AI、ロボティクスの採用が増えています。 貯蔵タンクおよびターミナル運営会社である Royal Vopak (オランダ、ロッテルダム、www.vopak.com) は、シンガポールの施設で、ドローン、ロボット、「インテリジェント」物流および計画システムなど、いくつかの先進技術を試験運用しています (図 4)。 「タンク検査にロボットを使用することで、スタッフを狭い空間に送り込むことがなくなり、潜在的に危険な状況に従業員がさらされることが最小限に抑えられます」と、Vopak Terminals Singapore のイノベーション エンゲージメント リーダー、エドウィン エブラヒミ氏は述べています。 さらに、稼働中のロボット検査のためにタンクの清掃や換気を行う必要がないため、排気ガスや廃水の発生が回避されます。 これらの使用中検査中も、タンクは顧客が利用できる状態のままです。 検査ロボットに加えて、チームはシンガポールのイノベーション推進の一環として、状態監視とデジタル化されたサプライチェーン統合も評価しています (図 5)。 「シンガポールの端末は新技術のテストベッドとして機能しており、ここでの試験が成功した後、それを世界中のネットワーク全体に展開することを目指しています」とエブラヒミ氏は説明する。 同社は技術プロセスの分析と自動化を超えて、管理活動や物流活動のデジタル化でも成功を収めています。 「RPA と AI の使用により、物流部門と運用部門の管理作業負荷が軽減され、顧客向けの付加価値のある業務に集中できるようになり、サプライ チェーンの可視性が向上します。最後に、ターミナルの生産性の向上は、運用コストが下がります」とエブラヒミ氏は言います。

図 4. 自動検査ロボットは、稼働中の貯蔵タンク Vopak への導入の準備を整えています

図 5. ドローン、ロボット、高度なセンシングおよび分析プラットフォームが連携して、ストレージ端末 Vopak の安全性とサプライチェーン管理を向上

AI は水処理業務を合理化することも期待されています。 ウォータールー大学 (カナダ、オンタリオ州、www.uwaterloo.ca) の 2 つの個別のプロジェクトでは、AI を使用して水処理の主要な課題である漏水とシアノバクテリアに取り組んでいます。 同大学の研究者らは業界パートナーと協力して、ハイドロフォンセンサーを使用して音響信号を記録し、水道管の非常に小さな漏れも検出する高度なAI信号処理プラットフォームを開発した。 実験室での試験では、センサーは 17 L/min という少量の漏れを検出することに成功し、研究者は現在、この技術の実地試験を行っています。 漏洩の兆候を迅速かつ正確に検出できるため、より積極的な対応が可能になります。

シアノバクテリアの存在は水処理プラントにさまざまな深刻な問題を引き起こしており、これらの問題を軽減するにはモニタリングが重要です。 ウォータールー大学で開発された AI ソフトウェアは、さまざまな種類のシアノバクテリアを識別して定量化し、約 1 ～ 2 時間で水サンプルの自動分析を行うことができます。これは、完了までに 1 ～ 2 日かかる従来の手動分析技術よりも大幅に高速です。 迅速な分析結果により、オペレーターは潜在的な問題を早期に警告できます。 チームの目標は、AI ソフトウェアを顕微鏡的な連続監視ソリューションに進化させ、シアノバクテリア以外の微生物やその他の汚染物質にも対応できるようにすることです。

先月、ネバダ州ラスベガスで開催された2019コンシューマー・エレクトロニクス・ショー（CES）では、エクソンモービル社（テキサス州アービング、www.exxonmobile.com）とIBMの業界初のIBM Q（www.ibm.com/ibmq）が発表されました。量子技術の加速に焦点を当てたイニシアチブは、量子コンピューティング機能を初めてエネルギー分野に導入する新しいパートナーシップを発表しました。 量子コンピューティングは、膨大な計算能力を備えた新興テクノロジーであり、従来のコンピューターよりも効果的に非常に複雑な科学的課題に取り組むことが期待されています。 エクソンモービルにとって、量子コンピューティングの潜在的な応用には、予測環境モデリングや、より効率的に炭素を回収するための新素材の発見などが含まれます。

量子コンピューティングのような高度なテクノロジーは CPI にとってまだ非常に新しいものですが、より多くのユーザーが AI の機能を理解し始めるにつれて、新しいアプリケーションが確実に生まれ続けるでしょう。