GenOpt

ATLAN-tec

Een procestechnoloog kan met een softwarepakket als NeuroModel een computermodel van een productieproces ontwikkelen, dat eigenschappen van het gefabriceerde product voorspelt als functie van bijvoorbeeld grondstofeigenschappen en procesparameters zoals drukken en temperaturen. De procestechnoloog zou dit model kunnen gebruiken om een werkpunt of een receptuur te zoeken om het product tegen de laagste kosten te fabriceren.

Een probleem hierbij is, dat processen zich doorgaan niet lineair gedragen, waardoor er meerdere locaal optimale werkpunten kunnen bestaan, waarvan velen globaal gezien sub-optimaal zijn. Klassieke optimalisatie algoritmen hebben het risico om in zo een locaal optimum te blijven ``hangen'' en daardoor het globale optimum niet te vinden.

Een tweede probleem is, dat bij productieprocessen de parameters niet alle mogelijke waarden aan mogen nemen, maar dat er vele constraints (beperkingen) gelden. Daardoor is de kans groot dat een gevonden optimaal werkpunt in de praktijk niet te realiseren is.

GenOpt zoekt in een neuraal procesmodel (ontwikkeld met NeuroModel) naar het globaal optimale werkpunt. GenOpt is gebaseerd op een genetisch algoritme en ondervindt beide bovenbeschreven nadelen niet. Figuur 1 laat schematisch zien hoe GenOpt werkt.

Figuur 1: Genetische optimalisatie. Een genetisch algoritme genereert mogelijke recepturen voor het proces, rekening houdend met alle mogelijke constraints. Iedere receptuur wordt uitgeprobeerd in het neuro-model. De recepturen die het slechtst presteren worden verwijderd, de overige worden door het genetisch algoritme systematisch gevarieerd en gecombineerd, en opnieuw uitgeprobeerd. Geleidelijk aan ontstaan er steeds betere recepturen.
\includegraphics[width=15cm]{genopt1.ps.gz}

Om een productieproces met GenOpt te optimaliseren moet eerst een neuraal netwerk model van het proces ontwikkeld worden. Hiervoor zijn meetgegevens nodig. Een procestechnoloog zonder bijzondere kennis van kunstmatige neurale netwerken kan in een half uur leren hoe hij deze taak moet uitvoeren met behulp van NeuroModel.

Vervolgens geeft de procestechnoloog op, aan welke constraints het te berekenen optimum moet voldoen. Hij kan grenswaarden voor alle parameters opgeven, maar ook constraints van complexe functies van meerdere invoeren, zoals massabalansen of energiebalansen. Ook kan de procestechnoloog eisen dat GenOpt alleen zoekt in de plaatsen waar het neurale netwerk een zekere minimale nauwkeurigheid heeft. Dit laatste is erg belangrijk, omdat er bij het modelleren van productieprocessen altijd gebieden zijn waarin te weinig meetpunten beschikbaar zijn voor nauwkeurige modellering. Deze gebieden moeten door de optimalisator vermeden worden.

Tenslotte geeft de procestechnoloog een te optimaliseren doelfunctie op. Binnen GenOpt kunnen hiervoor de meest complexe functies opgegeven worden. GenOpt kan grondstof- en energiegebruik rechtstreeks omzetten in grondstofkosten en energiekosten, zodat de (te minimaliseren) kostprijs eenvoudig in de doelfunctie kan worden opgenomen.

Het genetische algoritme biedt telkens nieuwe parameterwaarden aan het ontwikkelde neurale netwerk model van het proces aan. De aangeboden parameterwaarden voldoen aan alle constraints die de procesvoering oplegt. Het algoritme berekent voor iedere parametercombinatie de waarde die de te optimaliseren doelfunctie onder de gegeven omstandigheden aanneemt. Zo kan eenvoudig een proces ge÷ptimaliseerd worden met behulp van niet meer dan meetgegevens.

Wilt u meer informatie of praktijkvoorbeelden? Vul dan het Contactformulier in.



Huygen Intelligente Technologie
Abcoude