更智能的能源测量,更快,使用人工智能
工程师使用人工智能(AI)来扩大领域专业知识,并大幅缩短终端用户的时间。
学习目标
- 发现特别适合用人工智能(AI)解决的产品开发挑战。
- 研发工程师可以使用自学习模型或人工智能来缩短数月的产品开发时间。
- 工程师可以使用机器学习(ML)通过探索更多的操作条件来发现新的见解,以提高产品性能和质量。
人工智能洞察
- 智能电表用于测量能源消耗,收集的数据可以通过人工智能(AI)来增强。
- 使用机器学习(ML)在产品开发过程中更早地为适合人工智能的问题创建准确的结果。
- 智能电表被用于测量能源消耗,通常涉及高度复杂的物理,如气体流体动力学,需要大量的模拟和物理测试才能理解。
人工智能(AI)在制造业或流程行业成功应用后,工程师们寻求在产品开发中实现类似的效益。团队希望确定机器学习(ML)方法是否可以用于工程工作流程,以便在极端操作条件下更快地理解和预测复杂的产品行为。
在测试数据上使用无代码环境还有助于识别哪些问题适合用自学习模型来解决。即那些难以用物理方程描述,但可以准确测试的高度非线性行为。
例如,大多数流体动力学问题,无论是天然气混合物流经住宅仪表,都很难用数值方法解决。调整计算流体动力学(CFD)模拟,直到它足够精确,从而做出决策,可能需要几个月的时间,比在设施测试台上测试设计要长得多。因此,尽管趋势是更频繁地使用CFD,但在产品开发过程的早期测试是至关重要的。AI可以应用于这些早期测试数据,以更快地了解影响结果的因素,使用AI模型预测尚未进行的测试,甚至更快地将仪表校准到高精度水平。
简而言之,工程师可以更快地理解复杂的系统行为通过将人工智能应用于产品设计,可以更快地做出设计决策。
虽然这种测试然后使用机器学习(ML)识别系统的工作流程可能看起来不正统,但它往往在产品开发过程中更早地为适合人工智能的问题创建更准确的结果,包括居民和商业煤气表和甲烷排放监测工具。
利用人工智能加快产品开发
全球智能电表市场预计将从2021年的196亿美元增长到2026年的302亿美元MarketsAndMarkets.准确测量燃气使用量具有广泛的好处,例如用户可以跟踪和预测自己的支出。供应商也可以了解他们的客户群,并提供更可靠和定制化的服务。
在住宅燃气流量计中增加压力和温度传感器的另一个好处是,如果检测到燃气管网超压,能够自动关闭,提高了用户的安全性。
随着能源转型,天然气和氢气的混合物将进入天然气电网,对这些混合物的精确计量是一个挑战,尤其是对超声波燃气表来说。这对负责进行必要测试以找到最佳技术解决方案的产品开发团队提出了严峻挑战。
在研究人工智能之前,一个传统的和熟悉的开发过程,即物理和虚拟测试许多不同的产品变量,以得出适合制造的产品设计。这一过程通常需要18个月,以确保校准误差低于法律要求的1%。有了人工智能,这个时间就缩短了25%。
智能电表的智能AI技术
智能电表让工程师对他们的产品有了更多的了解。不仅仅是在产品开发过程中;它也可以在质量控制和现场进行,以优化智能电网。因此,现在有一个巨大的数据池,开发工程师可以并且应该在开发新产品时考虑。这需要一套全新的技能,从大数据分析到为复杂的动态系统建立高级模型。
无组织排放监测的自动化解决方案是复杂问题的另一个完美例子,其中风险很高。由于风向和风速的随机性,试图检测和量化逸散气体泄漏或工艺排气的位置是一个非常复杂的问题。
试图理解这样一个复杂系统的物理特性,CFD模拟无法快速或完全表示,因此需要大量的物理测试来校准。在这种情况下,工程师们开始构建原型,在产品开发过程的早期从现场数据中学习,现在在不到一年的时间内就有了先进的解决方案。在不到一年的时间内构建先进的复杂工业解决方案将改变过程解决方案行业的游戏规则。与启发式模型不同,机器学习解决方案将在部署后继续学习并不断改进。
决策速度的提高和这种持续学习的能力有助于展示自学习工程模型如何成为智能能源行业工程师的标准工具,以及其他具有复杂工程挑战的领域。
Bas Kastelein博士高级产品创新总监在哪里霍尼韦尔过程解决方案.理查德·阿尔菲尔德博士的首席执行官和创始人庞然大物.由网页内容经理克里斯·瓦夫拉编辑,控制工程, CFE媒体与技术,cvavra@cfemedia.com.
关键词:人工智能,机器学习
考虑一下这个
你好吗使用AI和ML来帮助你的运营?
在线
https://www.monolithai.com/industry/industrial
您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献,并获得你和你的公司应得的认可。点击在这里开始这个过程。