|
|
Intelligent Energy-Savings and Process Improvement Strategies in Energy-Intensive Industries
Teng, Sin Yong ; Professor, Ponnambalam Sivalinga Govindarajan, (referee) ; Pavlas, Martin (referee) ; Máša, Vítězslav (advisor)
S tím, jak se neustále vyvíjejí nové technologie pro energeticky náročná průmyslová odvětví, stávající zařízení postupně zaostávají v efektivitě a produktivitě. Tvrdá konkurence na trhu a legislativa v oblasti životního prostředí nutí tato tradiční zařízení k ukončení provozu a k odstavení. Zlepšování procesu a projekty modernizace jsou zásadní v udržování provozních výkonů těchto zařízení. Současné přístupy pro zlepšování procesů jsou hlavně: integrace procesů, optimalizace procesů a intenzifikace procesů. Obecně se v těchto oblastech využívá matematické optimalizace, zkušeností řešitele a provozní heuristiky. Tyto přístupy slouží jako základ pro zlepšování procesů. Avšak, jejich výkon lze dále zlepšit pomocí moderní výpočtové inteligence. Účelem této práce je tudíž aplikace pokročilých technik umělé inteligence a strojového učení za účelem zlepšování procesů v energeticky náročných průmyslových procesech. V této práci je využit přístup, který řeší tento problém simulací průmyslových systémů a přispívá následujícím: (i)Aplikace techniky strojového učení, která zahrnuje jednorázové učení a neuro-evoluci pro modelování a optimalizaci jednotlivých jednotek na základě dat. (ii) Aplikace redukce dimenze (např. Analýza hlavních komponent, autoendkodér) pro vícekriteriální optimalizaci procesu s více jednotkami. (iii) Návrh nového nástroje pro analýzu problematických částí systému za účelem jejich odstranění (bottleneck tree analysis – BOTA). Bylo také navrženo rozšíření nástroje, které umožňuje řešit vícerozměrné problémy pomocí přístupu založeného na datech. (iv) Prokázání účinnosti simulací Monte-Carlo, neuronové sítě a rozhodovacích stromů pro rozhodování při integraci nové technologie procesu do stávajících procesů. (v) Porovnání techniky HTM (Hierarchical Temporal Memory) a duální optimalizace s několika prediktivními nástroji pro podporu managementu provozu v reálném čase. (vi) Implementace umělé neuronové sítě v rámci rozhraní pro konvenční procesní graf (P-graf). (vii) Zdůraznění budoucnosti umělé inteligence a procesního inženýrství v biosystémech prostřednictvím komerčně založeného paradigmatu multi-omics.
|
|
|
Resource optimisation in the indoor aquaponic farm
Ondruška, Vojtěch ; Touš, Michal (referee) ; Teng, Sin Yong (advisor)
Energetická náročnost a ekonomická životaschopnost jsou často skloňované pojmy spojené s aquaponickým způsobem produkce potravin. Tato práce si klade za cíl nalézt opatření, která by zvýšila ziskovost podnikání v oblasti aquaponie a zároveň by snížila energetickou náročnost procesu a spotřebu dalších zdrojů. Součástí práce je následné ověření vybraných opatření na zkušební aquaponické farmě. K vyřešení otázky úspory energie a vody byly použity optimalizační metody vycházející z procesního inženýrství. Pro účely automatického monitoringu růstu rostlin, jakožto hlavního zdroje příjmů v aquaponii, byla využita technologie počítačového vidění. Za využití optimalizační metody zvané P-graph, integrace procesů a hledání procesních alternativ bylo nalezeno nejlepší možné uspořádání procesní sítě, které vykazovalo více než devítinásobný čistý roční příjem ve srovnání se současným uspořádáním procesních zařízení v aquaponické farmě. Dalších úspor energie a vody bylo dosaženo instalací reflexních fólií na okraje pěstebních boxů a dalším využitím odpadní vody z aquaponické části farmy v hydroponické sekci určené k pěstování sazenic. Tato opatření mohou napomoci aquaponickým farmám zvýšit konkurenceschopnost a snížit jejich dopad na životní prostředí.
|
|
|
Intelligent Energy-Savings and Process Improvement Strategies in Energy-Intensive Industries
Teng, Sin Yong ; Professor, Ponnambalam Sivalinga Govindarajan, (referee) ; Pavlas, Martin (referee) ; Máša, Vítězslav (advisor)
S tím, jak se neustále vyvíjejí nové technologie pro energeticky náročná průmyslová odvětví, stávající zařízení postupně zaostávají v efektivitě a produktivitě. Tvrdá konkurence na trhu a legislativa v oblasti životního prostředí nutí tato tradiční zařízení k ukončení provozu a k odstavení. Zlepšování procesu a projekty modernizace jsou zásadní v udržování provozních výkonů těchto zařízení. Současné přístupy pro zlepšování procesů jsou hlavně: integrace procesů, optimalizace procesů a intenzifikace procesů. Obecně se v těchto oblastech využívá matematické optimalizace, zkušeností řešitele a provozní heuristiky. Tyto přístupy slouží jako základ pro zlepšování procesů. Avšak, jejich výkon lze dále zlepšit pomocí moderní výpočtové inteligence. Účelem této práce je tudíž aplikace pokročilých technik umělé inteligence a strojového učení za účelem zlepšování procesů v energeticky náročných průmyslových procesech. V této práci je využit přístup, který řeší tento problém simulací průmyslových systémů a přispívá následujícím: (i)Aplikace techniky strojového učení, která zahrnuje jednorázové učení a neuro-evoluci pro modelování a optimalizaci jednotlivých jednotek na základě dat. (ii) Aplikace redukce dimenze (např. Analýza hlavních komponent, autoendkodér) pro vícekriteriální optimalizaci procesu s více jednotkami. (iii) Návrh nového nástroje pro analýzu problematických částí systému za účelem jejich odstranění (bottleneck tree analysis – BOTA). Bylo také navrženo rozšíření nástroje, které umožňuje řešit vícerozměrné problémy pomocí přístupu založeného na datech. (iv) Prokázání účinnosti simulací Monte-Carlo, neuronové sítě a rozhodovacích stromů pro rozhodování při integraci nové technologie procesu do stávajících procesů. (v) Porovnání techniky HTM (Hierarchical Temporal Memory) a duální optimalizace s několika prediktivními nástroji pro podporu managementu provozu v reálném čase. (vi) Implementace umělé neuronové sítě v rámci rozhraní pro konvenční procesní graf (P-graf). (vii) Zdůraznění budoucnosti umělé inteligence a procesního inženýrství v biosystémech prostřednictvím komerčně založeného paradigmatu multi-omics.
|
|
|
Resource optimisation in the indoor aquaponic farm
Ondruška, Vojtěch ; Touš, Michal (referee) ; Teng, Sin Yong (advisor)
Energetická náročnost a ekonomická životaschopnost jsou často skloňované pojmy spojené s aquaponickým způsobem produkce potravin. Tato práce si klade za cíl nalézt opatření, která by zvýšila ziskovost podnikání v oblasti aquaponie a zároveň by snížila energetickou náročnost procesu a spotřebu dalších zdrojů. Součástí práce je následné ověření vybraných opatření na zkušební aquaponické farmě. K vyřešení otázky úspory energie a vody byly použity optimalizační metody vycházející z procesního inženýrství. Pro účely automatického monitoringu růstu rostlin, jakožto hlavního zdroje příjmů v aquaponii, byla využita technologie počítačového vidění. Za využití optimalizační metody zvané P-graph, integrace procesů a hledání procesních alternativ bylo nalezeno nejlepší možné uspořádání procesní sítě, které vykazovalo více než devítinásobný čistý roční příjem ve srovnání se současným uspořádáním procesních zařízení v aquaponické farmě. Dalších úspor energie a vody bylo dosaženo instalací reflexních fólií na okraje pěstebních boxů a dalším využitím odpadní vody z aquaponické části farmy v hydroponické sekci určené k pěstování sazenic. Tato opatření mohou napomoci aquaponickým farmám zvýšit konkurenceschopnost a snížit jejich dopad na životní prostředí.
|
guest ::
