Conversion de données en information - Application de techniques statistiques multivariées à la production de produits agrochimiques
Alan Brown, PhD, expert technique principal - Syngenta
Syngenta est une entreprise agroalimentaire de premier plan dans le monde qui fournit des produits phytopharmaceutiques (herbicides, insecticides et fongicides), des plantes et des semences aux agriculteurs et aux producteurs. La fabrication des principes actifs chimiques est entreprise sur un certain nombre de sites en combinant un traitement par lots et un traitement en continu. Une caractéristique de ces sites est la production de grandes quantités de données. Cette présentation illustre l'utilisation des fonctionnalités de modélisation et multivariées de JMP Pro pour transformer ces données en informations permettant une meilleure compréhension des processus. Trois exemples de complexité croissante sont présentés. La première utilise une analyse en composantes principales (ACP) de six variables pour rechercher la raison des différences de performance entre deux unités de production. La seconde prend en compte 34 variables (par exemple, débits, températures, pressions, etc.) issues d’un processus continu et de l’utilisation de techniques de classification, telles que la partition récursive, les arbres boostés, la PLS-DA et les réseaux de neurones, afin de prédire la forme polymorphe de un produit. Le même ensemble de variables d’entrée est utilisé pour modéliser la quantité d’un groupe d’impuretés chimiques liées à l’aide de PLS et de réseaux de neurones. Le troisième exemple utilise PCA / PLS et le partitionnement récursif pour examiner les différences entre trois flux de production parallèles. Les données sur 14 variables de processus ont été collectées pour 30 lots, 10 pour chaque flux. Environ 400 observations, à une minute d'intervalle, ont été capturées par variable par lot.
