利用人工智能自动生成管道与仪表图
计算与语言
2024-01-17 v1 最优化与控制
摘要
开发管道与仪表图 是化学工艺开发过程中的关键步骤。目前，这是一项繁琐、手动且耗时的任务。我们提出了一种新颖的、完全数据驱动的控制结构预测方法。我们的方法论受端到端基于 Transformer 的人类语言翻译模型启发。我们将控制结构预测视为一个翻译任务，其中工艺流程图 被翻译为 P&ID。为了使用成熟的基于 Transformer 的语言翻译模型，我们使用我们最近提出的 SFILES 2.0 表示法将 P&ID 和 PFD 表示为字符串。模型训练在迁移学习方法下进行。首先，我们使用生成的 P&ID 预训练我们的模型，以学习工艺图的语法结构。此后，利用迁移学习在真实 P&ID 上对模型进行微调。该模型在 10,000 个生成的 P&ID 上达到了 74.8% 的 top-5 准确率，在 100,000 个生成的 P&ID 上达到了 89.2%。这些有希望的结果显示了 AI 辅助工艺工程的巨大潜力。在包含 312 个真实 P&ID 的数据集上的测试表明，工业应用需要更大规模的 P&ID 数据集。
关键词
引用
@article{arxiv.2211.05583,
title = {Towards automatic generation of Piping and Instrumentation Diagrams (P&IDs) with Artificial Intelligence},
author = {Edwin Hirtreiter and Lukas Schulze Balhorn and Artur M. Schweidtmann},
journal= {arXiv preprint arXiv:2211.05583},
year = {2024}
}