<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Elie Maricau , PhD, Advanced Process Control Engineer, BASF
elie.maricau
Un impianto chimico utilizza spesso analisi di laboratorio per monitorare la qualità del prodotto e adeguare il processo di produzione. Questi sono, tuttavia, condotti 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 di impianti non sempre sanno quali parametri di processo modificare se la qualità si discosta. 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, tale modello è stato sviluppato in JMP Pro. Il modello è stato sviluppato da un set di dati non elaborati con oltre 8.000 parametri di processo contenenti numerosi valori mancanti e valori anomali e ha una buona capacità predittiva. Le tecniche utilizzate comprendono la pulizia dei dati con rilevamento delle imputazioni e degli outlier, selezione delle caratteristiche con partizionamento delle foreste bootstrap, identificazione dei parametri chiave con analisi multivariata e clustering variabile e regressione elastica della rete con dati di addestramento e validazione 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 l'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 influiscono sulla qualità del prodotto, mentre il modello predittivo offre supporto decisionale su quando e come adattarsi al processo di produzione.
