Conversión de datos en información: la aplicación de técnicas estadísticas multivariadas en la producción de agroquímicos
Alan Brown, PhD, Experto Técnico Principal – Syngenta
Syngenta es una agroindustria líder en el mundo que proporciona productos para la protección de cultivos (herbicidas, insecticidas y fungicidas), plantas y semillas para agricultores y productores. La fabricación de los ingredientes químicos activos se lleva a cabo en varios sitios utilizando una combinación de procesamiento por lotes y continuo. Una característica de estos sitios es la producción de grandes cantidades de datos. Esta presentación ilustra el uso de las capacidades multivariadas y de modelado dentro de JMP Pro para convertir dichos datos en información que permita una mejor comprensión del proceso. Se presentan tres ejemplos de complejidad creciente. El primero utiliza el análisis de componentes principales (PCA) de seis variables para investigar el motivo de las diferencias de rendimiento entre dos unidades de producción. El segundo considera 34 variables (por ejemplo, caudales, temperaturas, presiones, etc.) de un proceso continuo y el uso de técnicas de clasificación, como partición recursiva, árboles potenciados, PLS-DA y redes neuronales, para predecir la forma polimórfica de un producto. El mismo conjunto de variables de entrada se utiliza para modelar la cantidad de un grupo de impurezas químicas relacionadas mediante PLS y redes neuronales. El tercer ejemplo utiliza PCA/PLS y partición recursiva para examinar las diferencias entre tres flujos de producción paralelos. Se recopilaron datos sobre 14 variables de proceso para 30 lotes, 10 para cada flujo. Se capturaron aproximadamente 400 observaciones, en intervalos de tiempo de un minuto, por variable por lote.
