机器学习在提高制造过程质量方面的作用越来越受到重视。人工智能和机器学习已经成为制造商提高产量和优化能源消耗的流行工具。欧盟资助的FUDIPO项目在将人工智能大规模整合到几个关键流程行业方面取得了巨大进展，以实现能源和资源效率的根本改善。

数字出版物《开放获取政府》中的一篇新闻概述了炼油厂和废水处理等行业如何使用人工智能系统。它指出，“FUDIPO正在开发和测试先进的动态物理(辅以软传感器)和统计模型，如贝叶斯网络和机器学习模型，以形成先进的诊断、决策支持、优化和模型预测控制。”

项目协调员Mlardalen大学的Erik Dahlquist解释了开发的系统是如何在五个全面的案例研究中实现的。这些设施包括炼油厂、大型热电厂、纸浆和造纸厂、废水处理厂以及微型热力涡轮机。炼油厂Trkiye Petrol Rafinerileri .(Tpra)购买不同质量的原油，并将其转化为可用的最终产品。FUDIPO力求优化生产计划，以最佳方式利用现有的石油。这将有助于满足欧洲消费者的需求。为了评估产品质量，将物理和统计模型与“诊断系统一起用于检测温度传感器故障和近红外(近红外)饲料特性模型”。FUDIPO的进步可以为欧盟炼油厂节省120- 200twh /y的能源。

Mlarenergi在瑞典经营着一家大型热电联产工厂，专注于控制排放。“这种控制通过FUDIPO得到了改善，从而减少了停机时间、波动、腐蚀、污垢和结块。”物理模型与实测数据结合使用贝叶斯网络进行概率计算，诊断可能的过程和传感器故障。这还与MPC(模型预测控制)相结合，以控制进入锅炉的燃料中的水分，在那里对废燃料进行在线测量，以确定塑料和水分的含量。”

至于ABB污水处理厂，“FUDIPO带来了控制算法的发展，以更好的性能，测量废物的质量，从而降低曝气需求，以节约能源，”Dahlquist说。“已经开发了一个使用离线数据进行测试的物理模型，以及一个用于检测传感器故障的python模型和一个模型预测控制。”

在BillerudKorsns纸浆和造纸厂的案例中，该项目“由于更好地控制Kappa数，导致了更稳定的过程和故障诊断，”在同一新闻中提到。Kappa值是测定蒸煮后木质素在纸浆中的残留量的参数。由于这是很难控制的，“一个物理模型运行作为一个数字孪生和近红外光谱测量所有传入木片到消化器。这是预测木质素含量和反应活性的方法。”

最后，在荷兰，对于微型涡轮技术公司的热力涡轮，“FUDIPO正在通过定期和预见性的维护支持和规划来提高客户的效率。”

FUDIPO(未来的生产计划和优化能源和流程工业方向)项目将于2020年9月结束。