Elie Maricau , PhD, Advanced Process Control Engineer, BASF
elie.maricau
Chemieanlagen nutzen häufig Laboranalysen, um die Produktqualität zu überwachen und den Produktionsprozess anzupassen. Diese werden jedoch nur alle paar Stunden durchgeführt. Zwischen zwei Analysen ist die Produktionsqualität unbekannt und kann schwanken. Zudem sind Qualitätsschwankungen manchmal schwer von Messfehlern zu unterscheiden. Daher wissen Anlagenbetreiber nicht immer, welche Prozessparameter sie bei Qualitätsabweichungen anpassen müssen. In manchen Fällen können die oben beschriebenen Probleme durch die Entwicklung eines Inferenzmodells für die Produktqualität gelöst werden. Für eine Produktionsanlage der BASF in Antwerpen wurde ein solches Modell in JMP Pro entwickelt. Das Modell basiert auf einem Rohdatensatz mit über 8.000 Prozessparametern, der zahlreiche fehlende Werte und Ausreißer enthält, und verfügt über eine gute Vorhersagekraft. Zu den verwendeten Techniken gehören Datenbereinigung mit Imputation und Ausreißererkennung, Merkmalsauswahl mit Bootstrap-Forest-Partitionierung, Schlüsselparameteridentifikation mit multivariater Analyse und Variablenclustering sowie elastische Nettoregression mit Trainings- und Validierungsdaten für die endgültige Modellentwicklung. Diese Präsentation bietet einen Überblick über den allgemeinen Ansatz, spezifische Tipps und Tricks zur Modellentwicklung mit JMP und die Nutzung von JMP als Werkzeug zur Ergebnisbesprechung mit dem Anlagenpersonal. Die Analyse hilft dem Werk, die Parameter, die die Produktqualität beeinflussen, besser zu verstehen, während das prädiktive Modell Entscheidungshilfen für den richtigen Zeitpunkt und die richtige Anpassung des Produktionsprozesses bietet.
