Convertire i dati in informazioni: l'applicazione di tecniche statistiche multivariate nella produzione agrochimica
Alan Brown, PhD, Esperto tecnico principale – Syngenta
Syngenta è un'azienda agroalimentare leader a livello mondiale che fornisce prodotti per la protezione delle colture (erbicidi, insetticidi e fungicidi), piante e sementi ad agricoltori e coltivatori. La produzione dei principi attivi chimici viene effettuata in diversi siti utilizzando una combinazione di processi batch e continui. Una caratteristica di questi siti è la produzione di grandi quantità di dati. Questa presentazione illustra l'utilizzo delle funzionalità di modellazione e analisi multivariata di JMP Pro per trasformare tali dati in informazioni che consentono una migliore comprensione del processo. Vengono presentati tre esempi di complessità crescente. Il primo utilizza l'analisi delle componenti principali (PCA) di sei variabili per indagare la causa 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'utilizzo di tecniche di classificazione, come il partizionamento ricorsivo, gli alberi boosted, PLS-DA e le 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 acquisite circa 400 osservazioni, a intervalli di un minuto, per variabile e per lotto.
