Elie Maricau , PhD, Ingegnere di controllo avanzato dei processi, BASF
elie.maricau
Un impianto chimico spesso utilizza analisi di laboratorio per monitorare la qualità del prodotto e per regolare il processo di produzione. Tuttavia, queste vengono eseguite solo ogni poche ore. Tra due analisi, la qualità della produzione non è nota e può discostarsi. Inoltre, le variazioni di qualità sono talvolta difficili da distinguere dagli errori di misurazione. Di conseguenza, gli operatori dell'impianto non sempre sanno quali parametri di processo modificare se la qualità devia. In alcuni casi, i problemi descritti sopra possono essere affrontati sviluppando un modello inferenziale per la qualità del prodotto. Per un particolare impianto di produzione in BASF Antwerp, è stato sviluppato un modello del genere in JMP Pro. Il modello è stato sviluppato da un set di dati grezzi con oltre 8.000 parametri di processo contenenti numerosi valori mancanti e valori anomali e ha un buon potere predittivo. Le tecniche utilizzate includono la pulizia dei dati con imputazione e rilevamento di valori anomali, la selezione delle funzionalità con partizionamento della foresta bootstrap, l'identificazione dei parametri chiave con analisi multivariata e clustering delle variabili e la regressione elastica netta con dati di training e convalida per lo sviluppo del modello finale. Questa presentazione fornirà una panoramica dell'approccio generale, suggerimenti e trucchi specifici nello sviluppo del modello con JMP e nell'utilizzo di JMP come strumento per discutere i risultati con il personale dell'impianto. L'analisi aiuta l'impianto a comprendere meglio i parametri che influenzano la qualità del prodotto, mentre il modello predittivo offre supporto decisionale su quando e come adattarsi al processo di produzione.
