Learning Actionable World Models for Industrial Process Control
Created by
- Haebom
Category
Empty
저자
Peng Yan, Ahmed Abdulkadir, Gerrit A. Schatte, Giulia Anguzzi, Joonsu Gha, Nikola Pascher, Matthias Rosenthal, Yunlong Gao, Benjamin F. Grewe, Thilo Stadelmann
개요
제한된 훈련 데이터로 복잡한 시스템의 동작을 학습하고, 프로세스의 입력 및 출력에 대한 임시 디지털 트윈을 형성하여 수동 프로세스 모니터링에서 능동적 프로세스 제어로 전환하기 위한 새로운 방법론을 제안합니다. 학습된 잠재 표현에서 프로세스 매개변수를 분리하는 세계 모델 학습 기반의 방법론으로, 미세 조정된 제어를 가능하게 합니다. 공동 임베딩 예측 아키텍처 내에서 대조 학습을 통해 프로세스에 영향을 미치는 잠재 요인에 의해 표현 학습이 주도됩니다. 이는 입력의 변화로부터 표현의 변화를 예측 가능하게 하고 그 반대의 경우도 마찬가지이며, 프로세스 변동의 주요 요인에 대한 해석성을 용이하게 하여 프로세스를 운영 범위 내에 유지하기 위한 효과적인 제어 조치를 가능하게 합니다. 본 방법의 효과는 플라스틱 사출 성형의 예에서 검증되어 실제적인 관련성을 보여줍니다.
시사점, 한계점
•
시사점: 제한된 데이터로 복잡한 시스템 제어 가능성 제시, 프로세스 변동의 주요 요인에 대한 해석성 향상, 플라스틱 사출 성형과 같은 불안정한 프로세스 제어에 대한 실질적인 적용 가능성 제시.
•
한계점: 제안된 방법론의 일반화 성능에 대한 추가적인 검증 필요, 다양한 유형의 프로세스에 대한 적용 가능성 및 한계에 대한 추가 연구 필요, 실제 산업 환경에서의 적용 시 발생할 수 있는 문제점 및 해결 방안에 대한 추가 연구 필요.
