Вісник СНУ ім. В.Даля № 6 (286) 2024

Permanent URI for this collection

https://dspace.snu.edu.ua/handle/123456789/2048

Browse

Browsing Вісник СНУ ім. В.Даля № 6 (286) 2024 by Author "Loriia, M. G."

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Застосування фізично обґрунтованих нейронних мереж (PINN) у контролі якості продукту процесу Габера-Боша.
    (СНУ ім. В. Даля, 2024) Водяник, Б. Р.; Лорія, М. Г.; Кобзарев, Є. В.; Vodianyk, B. R.; Loriia, M. G.; Kobzarev, E. V.
    У статті розглянуто можливості застосування фізично обґрунтованих нейронних мереж (Physics- Informed Neural Networks, PINNs) для контролю якості аміаку, що виробляється за процесом Габера- Боша. Процес синтезу аміаку є високонелінійним і важливим промисловим процесом, де стабільність і висока якість продукту мають критичне значення. Традиційні методи контролю якості стикаються з обмеженнями, такими як брак прямих онлайн- вимірювань ключових параметрів та потреба в значних обсягах даних для побудови моделей. PINNs пропонують гібридний підхід, що поєднує фізичні закони процесу з можливостями глибокого навчання, дозволяючи здійснювати точне прогнозування концентрації та чистоти аміаку в реальному часі на основі обмеженого набору датчиків. У роботі проаналізовано сучасні дослідження, присвячені застосуванню нейромереж у промислових процесах, та обґрунтовано архітектуру PINN-моделі для моніторингу якості продукту в синтезі аміаку. Показано переваги PINNs над традиційними методами – скорочення потреби у даних, забезпечення фізично узгоджених результатів та інтеграція в існуючі системи керування для підвищення ефективності виробництва. Обґрунтовано, що фізично обґрунтовані нейронні мережі пропонують новий рівень інтелектуального контролю для хімічних процесів. У випадку синтезу аміаку цей підхід дозволяє по-новому вирішити давні проблеми контролю якості, об’єднавши науку і дані. Реалізація PINN у виробництві аміаку потенційно забезпечить більш високу якість продукту, гнучкість операцій та стійкість процесу, сприяючи прогресу в напрямі «Industry 4.0» [20] в хімічній промисловості. Це крок до більш розумних і ефективних заводів, де кожен важливий процес знаходиться під надійним наглядом комбінованого інтелекту людини та машини. Очікується, що впровадження такої технології сприятиме підвищенню виходу та стабільності процесу, зниженню енерговитрат (через оптимальні режими) та покращенню безпеки (завдяки ранньому виявленню відхилень і потенційних несправностей, що у масштабах глобальної індустрії може дати значний економічний ефект і зменшити споживання природного газу та викиди CO₂.