Elie Maricau , PhD, Ingeniero de Control de Procesos Avanzado, BASF
elie.maricau
Una planta química suele utilizar análisis de laboratorio para supervisar la calidad del producto y ajustar el proceso de producción. Sin embargo, estos se realizan cada pocas horas. Entre dos análisis, se desconoce la calidad de la producción y esta puede variar. Además, a veces es difícil distinguir las variaciones de calidad de los errores de medición. En consecuencia, los operadores de la planta no siempre saben qué parámetros del proceso modificar si la calidad se desvía. En algunos casos, los problemas descritos anteriormente pueden solucionarse desarrollando un modelo inferencial para la calidad del producto. Para una planta de producción específica de BASF Amberes, se desarrolló un modelo de este tipo en JMP Pro. El modelo se desarrolló a partir de un conjunto de datos sin procesar con más de 8000 parámetros de proceso que contienen numerosos valores faltantes y valores atípicos, y presenta un buen poder predictivo. Las técnicas empleadas incluyen la limpieza de datos con imputación y detección de valores atípicos, la selección de características con partición de bosque bootstrap, la identificación de parámetros clave con análisis multivariante y agrupamiento de variables, y la regresión de red elástica con datos de entrenamiento y validación para el desarrollo del modelo final. Esta presentación ofrecerá una visión general del enfoque general, consejos y trucos específicos para desarrollar el modelo con JMP y usar JMP como herramienta para discutir los resultados con el personal de la planta. El análisis ayuda a la planta a comprender mejor los parámetros que afectan la calidad del producto, mientras que el modelo predictivo ofrece apoyo para la toma de decisiones sobre cuándo y cómo ajustar el proceso de producción.
