<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /> Elie maricau , PhD, Ingeniero de Control de Procesos Avanzado, BASF
elie.maricau
Una planta química a menudo utiliza análisis de laboratorio para monitorear la calidad del producto y ajustar el proceso de producción. Estos, sin embargo, sólo se llevan a cabo cada pocas horas. Entre dos análisis, la calidad de la producción no se conoce y puede desviarse. Además, las variaciones de calidad a veces son difíciles de distinguir de los errores de medición. Como resultado, los operadores de la planta no siempre saben qué parámetros de proceso cambiar si la calidad se desvía. En algunos casos, los problemas descritos anteriormente pueden tratarse desarrollando un modelo inferencial para la calidad del producto. Para una planta de producción particular en BASF Antwerp, tal modelo se ha desarrollado en JMP Pro. El modelo se ha desarrollado a partir de un conjunto de datos sin procesar con más de 8,000 parámetros de proceso que contienen numerosos valores perdidos y valores atípicos, y tiene un buen poder predictivo. Las técnicas utilizadas incluyen la limpieza de datos con imputación y detección de valores atípicos, selección de características con partición de bosque de arranque, identificación de parámetros clave con análisis multivariado y agrupación de variables, y regresión neta elástica con datos de capacitación y validación para el desarrollo del modelo final. Esta presentación proporcionará una visión general del enfoque general, consejos específicos y trucos para desarrollar el modelo con JMP, y el uso de 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 a las decisiones sobre cuándo y cómo ajustarse al proceso de producción.
