Wyzwania

Poszukujemy rozwiązania wykorzystującego sztuczną inteligencję (AI) do optymalizacji pracy małych maszyn parowych, takich jak turbiny lub napędy procesowe. Oczekiwane rozwiązanie powinno działać w oparciu o moduły mocowane bezpośrednio na zaworach pary, umożliwiające bieżącą regulację ich pracy w celu dostosowania maszyny do optymalnego punktu działania.

System powinien uczyć się charakterystyki pracy urządzenia i na tej podstawie automatycznie dostosowywać jego ustawienia, minimalizując zużycie mediów energetycznych i poprawiając efektywność operacyjną. Rozwiązanie może działać zarówno w trybie integracji z systemem DCS, jak i jako autonomiczny „black box”, umożliwiający wdrożenie bez ingerencji w istniejącą infrastrukturę automatyki.

Z uwagi na montaż elementów w strefach zagrożenia wybuchem, wymagane jest spełnienie wymogów ATEX. Oczekujemy systemu gotowego do testów pilotażowych w środowisku przemysłowym.

Poszukujemy rozwiązania umożliwiającego optymalizację decyzji zakupowych spółki poprzez analizę danych rynkowych, symulację scenariuszy i zarządzania ryzykiem cenowym, kontraktowym oraz wolumenowym. Narzędzie powinno posiadać funkcjonalności/moduły: prognozowania cen gazu, opracowania scenariuszy zabezpieczenia, zarządzania portfelem kontraktów, zarządzania ryzykiem cenowym, rekomendacji operacyjnych, raportowania.

Poszukujemy rozwiązania umożliwiającego predykcję temperatury zapłonu oleju napędowego (ON) w czasie rzeczywistym, w trakcie komponowania zbiornika zasilanego wieloma strumieniami komponentów o zróżnicowanych parametrach jakościowych. Celem jest opracowanie algorytmu predykcyjnego, który, bazując na danych procesowych z poszczególnych strumieni, będzie dostarczał bieżącej prognozy temperatury zapłonu dla zawartości zbiornika.

Rozwiązanie powinno wykorzystywać podejście typu soft sensor, zbudowane w oparciu o algorytmy genetyczne lub inne techniki sztucznej inteligencji, umożliwiające przetwarzanie zmiennych jakościowych i ilościowych dla każdego ze strumieni. Oczekiwany rezultat to zwiększenie precyzji predykcji, skrócenie czasu reakcji oraz poprawa kontroli jakości mieszania komponentów ON w czasie rzeczywistym, bez konieczności oczekiwania na wynik badań laboratoryjnych.