Accelerating process control and optimization via machine learning: A review

要約

プロセス制御と最適化は、化学工学アプリケーションにおける意思決定の問題を解決するために広く使用されてきました。
ただし、最適なソリューション アルゴリズムを特定して調整することは困難であり、時間がかかります。
機械学習ツールを使用すると、データから数値ソルバーの動作を学習することで、これらのステップを自動化できます。
この論文では、(i) 機械学習タスクの意思決定問題の表現、(ii) アルゴリズムの選択、(iii) モノリシックおよび分解ベースのアルゴリズムのアルゴリズム構成における最近の進歩について説明します。
最後に、プロセスの最適化と制御を加速するための機械学習のアプリケーションに関連する未解決の問題について説明します。

要約(オリジナル)

Process control and optimization have been widely used to solve decision-making problems in chemical engineering applications. However, identifying and tuning the best solution algorithm is challenging and time-consuming. Machine learning tools can be used to automate these steps by learning the behavior of a numerical solver from data. In this paper, we discuss recent advances in (i) the representation of decision-making problems for machine learning tasks, (ii) algorithm selection, and (iii) algorithm configuration for monolithic and decomposition-based algorithms. Finally, we discuss open problems related to the application of machine learning for accelerating process optimization and control.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google