Sztuczna inteligencja przemysłowa i zaawansowane sterowanie procesami

Zastąp driftujące pętle i konserwatywne wartości zadane sterowaniem predykcyjnym opartym na modelach — APC/MPC, miękkie sensory, cyfrowe bliźniaki, optymalizacja w czasie rzeczywistym.

W praktyce ten sam problem źródłowy pojawia się w dwóch typowych sytuacjach: w zespołach produkcyjnych pod presją wyników oraz w zaawansowanych systemach technicznych, które przestały zachowywać się odpornie w rzeczywistych warunkach pracy.

Wydajność produkcji

Typowe objawy w firmach produkcyjnych:

  • Ukryte straty efektywności, odpady, braki lub poprawki
  • Wysokie zużycie energii i niestabilna jakość produktu
  • Procesy zbyt wrażliwe na zmienność surowców lub zakłócenia
  • Operatorzy polegający na doświadczeniu zamiast na solidnym wsparciu decyzji
  • Pomysły optymalizacyjne, których nie da się bezpiecznie przetestować na produkcji
  • Wewnętrzne zespoły bez specjalistycznej wiedzy o sterowaniu, modelowaniu lub optymalizacji

Zaawansowane systemy techniczne

Typowe objawy w zaawansowanych systemach technicznych:

  • Zbudowano nową generację maszyny lub systemu, ale odziedziczona koncepcja sterowania już nie pasuje
  • Kluczowe stany są mierzone tylko pośrednio, więc potrzebny jest soft-sensor lub estymator
  • Optymalizacja, symulacja lub MPC wyglądają wiarygodnie offline, ale nie są odporne w rzeczywistym systemie
  • Uruchomienie jest wolniejsze i bardziej ryzykowne, bo nikt tak naprawdę nie ufa obecnym modelom, pomiarom ani zachowaniu pętli

Brakujące ogniwo: dynamika, pomiary i ograniczenia

Większość tych problemów to nie tylko problemy z danymi. Wynikają z wzajemnego oddziaływania fizyki procesu, pętli regulacji, pomiarów, ograniczeń, decyzji operatorów i zmiennych warunków pracy.

  • którą zmienną naprawdę należy zmienić
  • które ograniczenie naprawdę ma znaczenie
  • któremu pomiarowi można ufać
  • który model jest wystarczająco dobry
  • jak przetestować lepszą strategię pracy bez ryzyka dla produkcji
  • jak zamienić wiedzę o procesie w stabilne sterowanie automatyczne lub półautomatyczne

Twoje korzyści

  • Większa przepustowość i krótsze czasy cyklu przy tej samej jakości
  • Niższe koszty energii, paliwa i surowców; mniej odpadów i emisji
  • Stabilniejsze procesy mimo zakłóceń, zmiennych wejść i niepewności modelu
  • Szybsze uruchomienia i krótsze czasy prób
  • Mniejsze zużycie komponentów, zmęczenie aktuatorów i koszty utrzymania
  • Mniejsza zależność od rzadkich specjalistów — zaawansowana automatyzacja przejmuje złożone zadania całą dobę bez potrzeby eksperta na każdej zmianie

Jak startuje współpraca

Od pierwszej rozmowy do stałego doradztwa seniorskiego — cztery kroki, jeden płatny punkt wejścia.

Dlaczego moje doświadczenie pasuje

Rozwiązywałem już tę klasę problemów: układy nieliniowe z niepełnymi pomiarami, twardymi ograniczeniami, zmiennymi reżimami pracy oraz odziedziczonymi regulatorami lub optymalizatorami, które przestały zachowywać się przewidywalnie.

Międzynarodowe wykształcenie i dostępność on-site: Doktorat między Hiszpanią, Szwajcarią (CERN) i Japonią · Magister między Francją, Niemcami i Polską · C2 w 5 językach (PL, DE, EN, FR, ES) · dni on-site dostępne w całej UE.

Dr Rafał Noga, przemysłowa AI i zaawansowane sterowanie procesami
2000 Sterowanie w praktyce od
LHC NMPC w czasie rzeczywistym testowane w CERN
PhD w Systemach Sterowania
5 Języków
Doświadczenie w
CERN IAV GmbH Skysails Power GmbH evosoft GmbH (Siemens) Atena Engineering GmbH (Assystem Group)

Poprzednie stanowiska, nie rekomendacje klientów.

Narzędzia i Platformy
Python MATLAB / Simulink C / C++ CasADi / acados WinCC OA

Moje sukcesy

Kriogenika · NMPC PUBLIKACJA / DOWÓD KONCEPCJI Kriogenika · NMPC

NMPC w czasie rzeczywistym dla kriogeniki z nielicznymi pomiarami

Ekonomiczne NMPC ze sprzężeniem od wyjścia i nieliniowa estymacja stanu dla silnie nieliniowego procesu helu nadciekłego w LHC z opóźnieniem, odpowiedzią odwrotną, nasyceniem, ograniczeniami i skąpym opomiarowaniem.

Pokazuje, jak modelowanie z pierwszych zasad, estymacja, upraszczanie i optymalizacja online czynią zaawansowane sterowanie praktycznym dla ograniczonego procesu kriogenicznego.

Dla kogo: Instalacje kriogeniczne, laboratoria akceleratorowe, fuzja, magnesy nadprzewodzące i zespoły sterowania procesami.

Udokumentowane zadanie

"best possible controller for the temperature regulation … of the … superconducting magnets … (LHC)"

CERN · List polecający (Geneva, 10.03.2009)
Ocena

„Polecam Pana Nogę bez żadnych zastrzeżeń."

CERN · List polecający (Genewa, 10.03.2009)
Systemy latające · Optymalizacja trajektorii PUBLIKACJA + PRACA PROJEKTOWA Systemy latające · Optymalizacja trajektorii

Od odziedziczonego sterowania prototypu do zoptymalizowanych trajektorii lotu

Doświadczenie z SkySails: strojenie prototypów w pełnej skali, analiza danych lotu, poprawa sprzężenia zwrotnego oparta na identyfikacji i modelach, adaptacja wartości zadanych oraz nieliniowa optymalizacja trajektorii z ograniczeniami dla latawców do pozyskiwania energii wiatru ze zmiennym trymem.

Pokazuje drogę od uczynienia rzeczywistego prototypu użytecznym do zbudowania procesów optymalizacji wartości zadanych, badań osiągów, analizy wrażliwości i doboru komponentów.

Dla kogo: Zespoły AWES, parafoil, dronów na uwięzi, UAV i autonomii lotu.

Udokumentowane zadanie

„Nieliniowa optymalizacja trajektorii lotu latawców na uwięzi”

SkySails Power GmbH · Świadectwo pracy (Hamburg, 31.03.2024) · przetłumaczone z niemieckiego
Ocena

„Ze względu na jego bardzo dobre wyniki i umiejętności zawsze byliśmy nadzwyczaj zadowoleni z Pana Nogi.”

SkySails Power GmbH · Świadectwo pracy (Hamburg, 31.03.2024) · przetłumaczone z niemieckiego
Energetyka wiatrowa · Duże maszyny PROJEKT / MATERIAŁY PUBLICZNE Energetyka wiatrowa · Duże maszyny

Zaawansowane sterowanie dla większych, bardziej elastycznych maszyn

Prace nad sterowaniem turbin wiatrowych: architektura oparta na modelach, estymacja stanu, podejście ekonomicznego NMPC, optymalizacja parametrów, diagnostyka i równowaga między produkcją energii, ruchem konstrukcji, obciążeniami zmęczeniowymi, zużyciem elementów wykonawczych i ograniczeniami.

Istotne, gdy nowa generacja maszyny jest bardziej elastyczna lub sprzężona, a odziedziczona koncepcja sterowania przestaje odpornie równoważyć osiągi i obciążenia.

Dla kogo: Producenci turbin wiatrowych, konstruktorzy maszyn, B+R w OZE i zespoły sterowania ciężkimi maszynami.

Udokumentowane zadanie

„Koncepcja nieliniowych regulatorów predykcyjnych (NMPC) dla turbiny wiatrowej”

IAV GmbH · Świadectwo pracy (Gifhorn, 31.07.2020) · przetłumaczone z niemieckiego
Ocena

„Na szczególne podkreślenie zasługują jego wybitnie analityczne myślenie i bardzo szybkie pojmowanie.”

IAV GmbH · Świadectwo pracy (Gifhorn, 31.07.2020) · przetłumaczone z niemieckiego
Soft-sensory · Fuzja sensorów PROJEKT + POWTARZALNY WZORZEC Soft-sensory · Fuzja sensorów

Estymacja tego, czego nie da się zmierzyć bezpośrednio

Nieliniowa estymacja z fuzją danych dla wariometru paralotniowego — modelowanie aerodynamiczne z pierwszych zasad, architektura fuzji sensorów i loty eksperymentalne — oraz wzorzec soft-sensora obecny w powyższych pracach kriogenicznych, wiatrowych i lotniczych.

Pokazuje podejście soft-sensorowe jako konkretną pracę inżynierii produktu: model + dostępne czujniki + estymacja nieliniowa dają zmienną, której operator lub regulator naprawdę potrzebuje.

Dla kogo: Instalacje procesowe, konstruktorzy maszyn, producenci czujników, projekty soft-sensorów i zespoły B+R z nielicznymi lub zaszumionymi pomiarami.

Udokumentowane zadanie

„Opracowanie estymatorów stanu dla układów liniowych i nieliniowych”

SkySails Power GmbH · Świadectwo pracy (Hamburg, 31.03.2024) · przetłumaczone z niemieckiego

Moje publikacje

Recenzowane artykuły, materiały konferencyjne i prace dyplomowe dotyczące sterowania predykcyjnego, estymacji stanu i kriogeniki w CERN.

Pokaż więcej publikacji
Piszesz artykuł?
Cytuj nasze prace z poprawnie sformatowanymi wpisami BibTeX.

Od objawu do właściwej warstwy technicznej

Gdy objaw jest jasny, kolejne pytanie nie dotyczy nazwy narzędzia, lecz tego, która warstwa techniczna zawodzi: pomiar, estymacja, monitoring, sterowanie, optymalizacja czy symulacja.

Warstwa 1 Brakuje właściwych sygnałów, są niespójne lub nie są porządnie archiwizowane.

Typowe rozwiązanie: Pomiary i infrastruktura danych

Przed optymalizacją lub zaawansowanym sterowaniem instalacja potrzebuje wiarygodnych pomiarów, znaczników czasu, skalowania i dostępu do danych.

Warstwa 2 Ważna zmienna jakościowa lub stan wewnętrzny nie jest mierzony bezpośrednio.

Typowe rozwiązanie: Soft-sensory i estymacja stanu

Istotne, gdy wyniki laboratoryjne przychodzą za późno, kluczowe stany są ukryte lub proces potrzebuje warstwy pomiaru pośredniego.

Warstwa 3 Proces dryfuje, zachowuje się dziwnie lub generuje anomalie bez jasnej przyczyny.

Typowe rozwiązanie: Monitoring procesu (SPC / MSPC / FDD)

Służy do wczesnego wykrywania odchyleń i uwidocznienia zachowania procesu, zanim przełoży się na braki lub postoje.

Warstwa 4 Zużycie, degradacja lub ryzyko awarii powodują nieplanowane postoje i koszty utrzymania.

Typowe rozwiązanie: Utrzymanie predykcyjne

Istotne, gdy prawdziwym problemem jest utrzymanie według stanu, a nie śledzenie wartości zadanych czy optymalizacja.

Warstwa 5 Pętle oscylują, zakłócenia mają znaczenie, a wiele zmiennych i ograniczeń oddziałuje na siebie.

Typowe rozwiązanie: APC / MPC / NMPC

To właściwa warstwa, gdy instalacja potrzebuje lepszej regulacji w pętli zamkniętej, a nie tylko wglądu czy paneli.

Warstwa 6 Instalacja działa, ale nie w ekonomicznie najlepszym punkcie pracy.

Typowe rozwiązanie: Optymalizacja w czasie rzeczywistym

Istotne, gdy wydajność, energia, uzysk i ograniczenia trzeba stale równoważyć przy zmiennych warunkach.

Warstwa 7 Zespoły potrzebują bezpiecznych testów, szybszego uruchomienia lub szkolenia operatorów bez ryzyka dla produkcji.

Typowe rozwiązanie: Cyfrowy bliźniak

Przydatny, gdy wąskim gardłem są eksperymenty, analizy „co jeśli” lub budowanie zaufania przed zmianą rzeczywistej instalacji.

Obszary specjalizacji

Praca koncentruje się tam, gdzie sterowanie oparte na modelach, estymacja i optymalizacja mają bezpośredni wpływ na eksploatację.

Przemysł procesowy i sterowanie kriogeniką

Przemysł procesowy — APC/MPC, soft-sensory, sterowanie kriogeniką

APC/MPC, soft-sensory i sterowanie oparte na modelach dla instalacji procesowych, w tym układów termohydraulicznych i kriogenicznych z twardymi ograniczeniami.

Dowiedz się więcej →

Produkcja i CNC

Produkcja i CNC — automatyzacja, cele zrobotyzowane, budowa maszyn

Skrócenie czasów cyklu i wzrost przepustowości przy obróbce CNC, frezowaniu robotycznym i liniach montażowych. Kompensacja błędu konturu, optymalizacja posuwu i prognozowanie ugięcia redukują braki i poprawiają jakość powierzchni.

Dowiedz się więcej →

Sterowanie turbin wiatrowych

Sterowanie turbin wiatrowych — pitch, moment, redukcja obciążeń, tłumienie wieży

Pitch, moment, sterowanie nadrzędne, diagnostyka i koncepcje sterowania ekonomicznego dla turbin wiatrowych dużej mocy.

Dowiedz się więcej →

Systemy paralotniowe i latawcowe

Systemy paralotniowe i latawcowe — parafoil, AWES, autopilot UAV

Estymacja stanu lotu i sterowanie w zamkniętej pętli dla paralotni i latawców — projektowanie obserwatorów, augmentacja stabilności i autonomiczne prowadzenie, poparte ponad 1000 godzinami lotów na paralotni.

Dowiedz się więcej →

Europejskie Konsorcja B+R

Dostępny jako wskazany partner techniczny / doradca naukowy dla wniosków B+R w programach Eureka, Eurostars-3, Horizon Europe i ZIM-international. Akredytowana głębia w filarach procesów przemysłowych, mechatroniki i autonomii powietrznej. Mieszka w Niemczech; kwalifikowany do ZIM.

Jak pasuję do Państwa konsorcjum →

Najczęściej zadawane pytania

Typowe pytania o zaawansowane sterowanie procesami i naszą współpracę.

Czym jest sterowanie predykcyjne (MPC)? +

MPC to zaawansowana strategia sterowania wykorzystująca model matematyczny procesu do przewidywania przyszłego zachowania i optymalizacji działań sterujących. Sprawdza się doskonale w systemach wielowymiarowych z ograniczeniami.

Ile czasu zajmuje wdrożenie APC? +

Czas zależy od zakresu. Faza diagnostyczna trwa zwykle 2-4 tygodnie. Pełny proof of concept można zrealizować w 2-3 miesiące. Pracujemy w dwutygodniowych sprintach agile.

Jakiego ROI można oczekiwać? +

Opublikowane wdrożenia referencyjne podają: o 17% mniej energii pierwotnej w symulacji w porównaniu z dotychczasowym sterowaniem regułowym szwajcarskiego budynku biurowego (ETH Zurych OptiControl-II, IEEE TCST 2016), ponad 50% mniejszą zmienność temperatury prekalcynatora w cementowni (Holcim Lägerdorf / ABB, 2008) oraz średni błąd temperatury kęsisk w piecu grzewczym zmniejszony z 13,0 K do 0,9 K (Dillinger / TU Wien, 2013). Zwrot z inwestycji zależy od Twoich kosztów energii i jakości oraz od punktu wyjścia, dlatego szacuję go indywidualnie zamiast podawać ogólny zakres. Każdy proces jest inny — 30-minutowa rozmowa wystarczy, by oszacować realistyczny potencjał dla Twojego systemu.

Pracujesz zdalnie czy na miejscu? +

Obie opcje. Wiele faz można zrealizować zdalnie: analizę danych, budowę modeli, symulację. Obecność na miejscu jest cenna przy uruchomieniu, szkoleniu operatorów i wstępnej diagnozie.

Z jakimi branżami pracujesz? +

Przemysł procesowy (chemiczny, farmaceutyczny, spożywczy), produkcja, budowa maszyn i energetyka.

Czy możesz podpisać NDA przed udostępnieniem danych? +

Tak — wzajemna NDA jest standardową praktyką. Podpisujemy przed udostępnieniem jakichkolwiek danych lub szczegółów procesu. Pracujemy też w środowiskach objętych kontrolą eksportu.

Co się stanie, jeśli projekt nie przyniesie oczekiwanych rezultatów? +

Każde zaangażowanie strukturyzujemy w fazach z jasnymi produktami i punktami wyjścia. Jeśli faza pokazuje, że oczekiwana korzyść nie jest osiągalna, komunikujemy to otwarcie — i przerywamy — zamiast dalej fakturować.

Czy możesz pracować z naszym istniejącym SCADA / DCS / ERP? +

Tak. Pracujemy na warstwie danych — jeśli Twój historian lub infrastruktura danych eksportuje standardowe formaty (OPC-UA, CSV, REST), możemy z tym pracować niezależnie od dostawcy DCS lub SCADA. Integracja na poziomie PLC wymaga współpracy z Twoim zespołem automatyki lub dostawcą.

Kto jest właścicielem IP i kodu opracowanego w projekcie? +

Kod i modele pozostają własnością intelektualną Dr. Nogi. Klient otrzymuje bezterminową licencję użytkowania wliczoną w cenę rozwoju. Możliwe są licencje wyłączne oraz umowy o zakazie konkurencji (NCA). Szczegóły są ustalane w umowie.

Pracujesz sam czy z zespołem? +

Głównie sam — co oznacza uwagę na poziomie seniora przy każdym zadaniu, brak przekazywania do juniorów i brak narzutów zarządzania kontem. W przypadku projektów wymagających dodatkowych mocy, dysponuję siecią zaufanych inżynierw specjalistów.

Więcej pytań?

Zapytaj bezpośrednio

Kontakt

Wyślij wiadomość

Odpowiadamy w ciągu 24 godzin.  ·  NDA na żądanie · Bez spamu · Zgodność z RODO

Twoje dane są przetwarzane przez FormSubmit.co i używane wyłącznie do odpowiedzi na Twoje zapytanie. Brak marketingu bez zgody.

Kontakt bezpośredni

Dr. Rafał Noga

Spotkanie

Zarezerwuj 30-minutową rozmowę techniczną bezpośrednio przez Calendly.

Zarezerwuj 30-min rozmowę techniczną

Bądź na bieżąco

Otrzymuj informacje o przemysłowej AI, APC i optymalizacji procesów na swoją skrzynkę.

Mój blog

Krótko i na temat: praktyczne notatki o sterowaniu, optymalizacji i cyfryzacji.

Czytaj więcej →