Kontinuerlig tillverkning: Bättre tvål med Bonsai

Bonsai ger dig verktyg för att skapa, träna och distribuera AI-hjärnor. Extrusion, en vanlig process för tvåltillverkning, är ett möjligt användningsfall för hjärnor i en värld av kontinuerlig tillverkning. Extrusionsprocessen värmer materialet i en extrusionsskruv och tvingar det sedan genom ett hål i slutet för att trycka in det i önskad form.

Sample extrusion infographic

TBD

Contoso Soaps

Contoso Logo

Contoso Consumer Products-divisionen innehåller Contoso Soaps, som använder extrusion för att producera tusentals ton tvål per år.

Contosos tekniker tror att de kan förbättra produktavkastningen upp till 15 %, särskilt under radbyten. Contosos chefer är villiga att investera i förbättringar, men vill veta att de föreslagna ändringarna kommer att fungera.

Contoso använder ett branschbeprövat APC-system (Advanced Process Control) i kombination med expertoperatörer för att kontrollera extrusionsprocessen. Operatörerna skickar övervakningskommandon till APC-systemet för att implementera kontrollstrategier. APC-systemet justerar linjeutrustningen baserat på kontrollstrategin.

Kontrollsystemet kan ange:

  • skruvens hastighet.
  • temperaturen i olika zoner av skruven.
  • öppning av hålet där tvålmaterialet avslutas.

Varje kontrollparameter måste vara noggrant kontrollerad för att producera tvål som uppfyller Contosos kvalitetsspecifikationer.

Begränsningar för aktuella kontrollmetoder

Tvåltillverkning är en komplex kemisk process och svår att kontrollera. Att beskriva och förutsäga vad som händer med tvålen inuti extrudern är särskilt utmanande. Processen är också dynamisk och kontrollmetoderna ändras beroende på vilken typ av tvål som görs. Till exempel när du byter från att göra mer oljiga tvålar till torktvålar, eller när du ändrar tvålfärg. Andra källor till variabilitet för tillverkning är:

  • kvalitetsförändringar i råvarorna.
  • mekaniskt slitage på extruderkomponenterna.
  • tvålrester som lämnats kvar i extrudern från tidigare körningar.

Bonsai Fördelar med hjärnor

Bonsai hjärnor ger förbättrade kontrollmetoder eftersom de lär sig genom att öva på det problem de behöver lösa. Contosos ingenjörer vill ha en hjärna som:

  • automatiskt signalerar sitt APC-system.
  • anpassas snabbt till produktionsbyten.
  • tillämpar kortsiktiga processändringar när extrudern blir belagd med tvål över flera körningar.
  • tillämpar långsiktiga processändringar när extruderutrustningen slits.

Tabellen nedan visar de huvudsakliga sätt som Contosos extruderhjärna skulle förbättra det befintliga kontrollsystemet.

  Dynamic Icon Competing Icon Question Icon
  Dynamiska/mycket varierande system Konkurrerande mål eller strategier Okända villkor
Aktuellt kontrollsystem Styr endast ett begränsat antal scenarier Ingen kompromiss mellan mål och strategier Svarar inte på okända indata och ändrar systembeteende
Hjärnor Anpassar sig till en mängd olika scenarier Lär dig och kompromisser mellan flera strategier Lär dig strategier för oväntade indata och ändrade beteenden

Hjärnor kan också hjälpa Contosos operatörer och ingenjörer att förbättra den manuella extruderkontrollen genom att ge råd till operatörer (på linjen eller i kontrollrummet) i stället för att styra extrudern direkt. Contoso börjar med att ha sina hjärnrådsoperatörer i kontrollrummet. Om hjärnan gör bra ifrån sig planerar ingenjörerna att låta hjärnan självständigt kontrollera mindre kritiskt arbete så att operatörerna kan fokusera på mer avgörande kontrollbeslut.

Designa Contosos extruder-hjärna

När Contosos ingenjörer, operatörer och dataforskare träffas för att utforma sin Bonsai hjärna börjar de med att definiera det problem som de vill lösa. De förlitar sig på sin erfarenhet av det aktuella systemet för att identifiera användbara kontrollstrategier. Sedan översätter de sina strategier till Inkling-kod som Bonsai använder för att träna hjärnan.

Steg 1: Definiera åtgärder som hjärnan styr

De viktigaste åtgärderna som hjärnan kommer att kontrollera för en extruder är skruvhastigheten, zontemperaturerna och storleken på hålet i slutet.

Steg 2: Identifiera kontrollstrategier som hjärnan lär sig

Hjärnor kan börja med att lära sig befintliga kontrollstrategier och sedan kombinera dem på nya sätt för att generera dynamiska strategier för att kontrollera extrudern. Efter en diskussion kommer Contoso-teamet med följande strategier:

Problem Orsak Svarsåtgärder
Tvålsegment utanför extrudern Fet tvål värmdes felaktigt Ändra värme
Dataflödesdroppar för torr tvål Skruven är konfigurerad för oljig tvål Ändra värme- och skruvhastighet

Steg 3: Besluta om implementeringsstrategier

Teamet beslutar att skruvtemperaturen måste styras separat från extruderhålet för att få tvål av god kvalitet under övergångar. Teamet beslutar också att de ska träna två kontrollstrategier:

  • Strategi 1 kommer att vara för fet tvål.
  • Strategi 2 kommer att vara för torr tvål.

Slutligen bestämmer teamet att definitionen av fet och torr är fuzzy eftersom den ändras för olika tvålfärger och processförhållanden. Så hjärnan måste lära sig mot en bred uppsättning indata för varje strategi.

Steg 4: Skapa en träningssimulering

Hjärnor lär sig genom att öva iterativt i simulering. Contoso-teamet träffar sina simuleringsexperter för att avgöra om de kan anpassa sin befintliga simulator för att svara iterativt på hjärnans instruktioner.

De bestämmer sig för att konvertera sin befintliga simulator till en träningssimulator. När simulatorn har modifierats lägger teknikerna till den på sin Bonsai arbetsyta med hjälp av simulator-API:et. Under träningen Bonsai skalar du simuleringsmodellen i molnet och använder den för att generera indatatillstånd för sin maskinundervisningsplan.

Contoso Soap extruder hjärndesign

Följande diagram illustrerar den slutliga extruderhjärnan som utformats av Contoso-teamet. Designen är modulär och innehåller:

  • två inlärda strategier (Oily Soap och Dry Soap).
  • en väljare för att avgöra när varje strategi är lämplig.

Technical diagram of final brain

TBD

Efter träningen kan teamet exportera sin hjärna och lägga till den i sin kontrollprocess. Liksom sitt gamla system vet deras nya hjärna hur man tillämpar nuvarande operativa strategier. Men till skillnad från sitt gamla system vet deras hjärna också hur man kombinerar dessa strategier på nya sätt och automatiskt svarar på förändringar i extrudern.