横河电机公司和奈良尖端科学技术研究院大学(NAIST)宣布，联合开发了一种强化学习*算法，可用于工厂操作的自动优化。强化学习是人工智能(AI)领域中的一项基本技术，该算法的联合开发为提高工厂的生产质量和产量提供了切实可行的解决方案。
人工智能和机器学习(ML)是人工智能的一个子集，最近在各个领域都有望实现技术变革的突破，因此引起了人们的广泛关注。AI正被应用于实际生活中，例如，自动驾驶汽车和船只。虽然ML已经被投入到工厂数据分析中，但将其实际应用于自动化控制之前，必须由公司和学术机构进行进一步的研究。
多年来，横河为石油、天然气、化工、钢铁、浆纸、医药食品等各行业提供了控制系统，并获得了与工厂操作相关的大量技术和专门知识。 NAIST一直研究和开发基于ML的技术，如概率推理及系统工程技术、优化控制和强化学习等，同时开发能够在动态环境中执行特定功能的智能机器人和系统。
横河和NAIST已经成功开发出一种新算法，利用横河的工厂控制技术，以及横河在控制回路之间的相互依赖性的知识和专长，改进内核动态策略编程(KDPP)、NIST的强化学习技术。传统的强化学习算法需要大量的搜索处理来保证恰当的控制，这对实际应用是一个挑战。新开发的算法显著地减少了必须完成的训练量，因此具有很高的实用性。横河和NAIST已经在工厂模拟器上证实，通过在醋酸乙烯生产工厂的蒸馏过程中使用新算法同时控制四个不同的阀门，优化操作远远超出了用常规控制算法或手动操作可能实现的范围。
横河和NAIST将在一个最新的工厂环境中进行(POC)概念试验，确认实际使用的可靠性。新开发的算法已经在8月20日至24日德国举行的IEEE国际自动化科学与工程会议上发布。
*软件代理学习的一种试错法及哪些行为会使奖励最大化的尝试。
（横河电机）
京公网安备 11011202001138号
