Conversion des données en informations – Application des techniques statistiques multivariées à la production de produits agrochimiques
Alan Brown, PhD, expert technique principal – Syngenta
Syngenta est un leader mondial de l'agroalimentaire qui fournit des produits phytosanitaires (herbicides, insecticides et fongicides), des plants et des semences aux agriculteurs et aux producteurs. La fabrication des principes actifs chimiques est réalisée sur plusieurs sites, combinant des procédés par lots et en continu. Ces sites se caractérisent par la production d'importantes quantités de données. Cette présentation illustre l'utilisation des fonctionnalités de modélisation et d'analyse multivariée de JMP Pro pour transformer ces données en informations permettant une meilleure compréhension des processus. Trois exemples de complexité croissante sont présentés. Le premier utilise l'analyse en composantes principales (ACP) de six variables pour étudier les différences de performance entre deux unités de production. Le second prend en compte 34 variables (débits, températures, pressions, etc.) issues d'un processus continu et utilise des techniques de classification telles que le partitionnement récursif, les arbres boostés, la PLS-DA et les réseaux de neurones, pour prédire la forme polymorphe d'un produit. Le même ensemble de variables d'entrée est utilisé pour modéliser la quantité d'un groupe d'impuretés chimiques apparentées à l'aide de la PLS et des réseaux de neurones. Le troisième exemple utilise l'ACP/PLS et le partitionnement récursif pour examiner les différences entre trois flux de production parallèles. Des données sur 14 variables de procédé ont été collectées pour 30 lots, soit 10 pour chaque flux. Environ 400 observations, à intervalles d'une minute, ont été enregistrées par variable et par lot.
