Conversione dei dati in informazioni: l'applicazione di tecniche statistiche multivariate nella produzione di prodotti agrochimici
Alan Brown, PhD, Principal Technical Expert – Syngenta
Syngenta è un'azienda agricola leader a livello mondiale che fornisce prodotti per la protezione delle colture (erbicidi, insetticidi e fungicidi), piante e sementi per agricoltori e coltivatori. La produzione dei principi attivi chimici viene intrapresa in un certo numero di siti utilizzando una combinazione di lavorazione discontinua e continua. Una caratteristica di questi siti è la produzione di grandi quantità di dati. Questa presentazione illustra l'uso delle funzionalità di modellazione e multivariata all'interno di JMP Pro per trasformare tali dati in informazioni che consentono una migliore comprensione del processo. Vengono presentati tre esempi di crescente complessità. Il primo utilizza l'analisi delle componenti principali (PCA) di sei variabili per studiare il motivo delle differenze di prestazioni tra due unità di produzione. Il secondo considera 34 variabili (ad esempio, flussi, temperature, pressioni, ecc.) da un processo continuo e l'uso di tecniche di classificazione, come partizionamento ricorsivo, alberi potenziati, PLS-DA e reti neurali, per prevedere la forma polimorfica di un prodotto. Lo stesso insieme di variabili di input viene utilizzato per modellare la quantità di un gruppo di impurità chimiche correlate utilizzando PLS e reti neurali. Il terzo esempio utilizza PCA/PLS e il partizionamento ricorsivo per esaminare le differenze tra tre flussi di produzione paralleli. Sono stati raccolti dati su 14 variabili di processo per 30 lotti, 10 per ciascun flusso. Sono state catturate circa 400 osservazioni, a intervalli di un minuto, per variabile per batch.
