BIGGER PICTURE Energie & Klima
Zwei Ventile, weniger Dampf, gleichmäßigere Chemieproduktion
In einer japanischen Chemieanlage lernte eine KI-Regelung, vorhandene Abwärme zu nutzen und zugleich eine schwierige Destillation stabil zu halten.

- Gemeldete Dampfersparnis
- 40 % bei der Flüssigkeitsstandsregelung
- Erster längerer Versuch
- 35 aufeinanderfolgende Tage 2022
- Physische Aufgabe
- Zwei Ventile eines Destillationsprozesses regeln
So funktioniert die Idee
Kolonne simulieren
Ein Prozessmodell ermöglicht das Lernen von Ventileinstellungen.
Füllstand und Wärme ausbalancieren
Zwei Ventile koordinieren Flüssigkeitsstand, Abwärme und Dampf.
Reale Produktion prüfen
Das Team prüft Stabilität, Qualität und Dampfverbrauch.
Eine schwierige Aufgabe für zwei gewöhnliche Ventile
ENEOS Materials produziert in Yokkaichi Butadien, einen Rohstoff für synthetischen Kautschuk. Seine Trennung von Stoffen mit ähnlichen Siedepunkten verlangt eine genaue Regelung der Destillationskolonne. Zwei Ventile helfen, Flüssigkeitsstand und Wärmezufuhr auszubalancieren. Wechselnde Außentemperaturen erschwerten dies; erfahrene Beschäftigte stellten die Ventile deshalb manuell ein.
Belege: [2]
Zuerst an einer simulierten Anlage üben
Yokogawa und das Werksteam bauten einen Prozesssimulator. Reinforcement Learning erprobte darin Regelentscheidungen. Das entstandene Modell wurde mit Betriebsdaten und dem Wissen der Beschäftigten überprüft. Zunächst gaben Bediener seine Vorschläge selbst ein. Erst anschließend steuerte es die realen Ventile direkt, eingebunden in die vorhandene Leit- und Sicherheitstechnik.
Abwärme nutzen, bevor mehr Dampf benötigt wird
Die Regelung sollte Qualität und Flüssigkeitsstand stabil halten und möglichst viel verfügbare Abwärme nutzen. Auf einen 35-Tage-Test Anfang 2022 folgte die Überprüfung über verschiedene Jahreszeiten. Der Partnerbericht vom März 2023 nennt 40 Prozent weniger Dampf für die Flüssigkeitsstandsregelung gegenüber dem manuellen Betrieb bei weiterhin versandgerechter Produktqualität.
Die Einsparung gehört zu einer bestimmten Regelaufgabe
Die 40 Prozent beziehen sich nicht auf den gesamten Energieverbrauch des Werks. Eine Fußnote begrenzt die Bezugsgröße auf den Dampf dieser Regelaufgabe. Die Ergebnisse stammen von den beteiligten Unternehmen. Übertragbar ist die Abfolge: Simulation, Einbeziehung von Betriebserfahrung und Prüfung unter wechselnden realen Bedingungen vor der Übernahme.
Die Originalquellen
- Yokogawa; ENEOS MaterialsYokogawa’s Autonomous Control AI Is Officially Adopted for Use at an ENEOS Materials Chemical Plant
- Yokogawa / ENEOS MaterialsA world's first is now routine: ENEOS Materials autonomous control case study
- Yokogawa / JSRYokogawa and JSR use AI to autonomously control a chemical plant for 35 consecutive days