Kontext
Die Vorhersage der Produktqualität mit einem Soft-Sensor ist seit Langem ein Forschungsthema in der Prozessindustrie. Qualitätsgrößen wie Viskosität, Molmasse, Konzentration oder Verunreinigungsgehalt sind bekanntermaßen schwer in Echtzeit während der Produktion zu messen. Laborergebnisse liegen oft erst Stunden später vor, und sämtliches in der Zwischenzeit produzierte Off-Spec-Material ist faktisch verloren. Für Anlagen, die viele Spezialgrades auf derselben Linie produzieren, verschärft sich dieses Problem zusätzlich: Die Datenbasis je Grade ist begrenzt, und Off-Spec-Material konzentriert sich oft auf die Phasen rund um die Grade-Wechsel, bevor sich der Prozess einschwingt. Für jeden Grade ein eigenes Modell aufzubauen, ist selten praktikabel.
Ansatz
Wir haben einen Edge-AI-Soft-Sensor entwickelt, der die Ziel-Qualitätsgröße in Echtzeit aus Prozessmessgrößen schätzt, die in der Anlage ohnehin bereits erfasst werden. Das Modell basiert auf einer Klasse leichtgewichtiger Machine-Learning-Verfahren (Reservoir Computing), die gut für Zeitreihensignale und den Embedded-Einsatz geeignet sind. Es ist auf die Realitäten des Mehrproduktbetriebs ausgelegt: begrenzte Daten je Grade, häufige Grade-Wechsel und hochdimensionale Prozesseingänge. Die abschließende Anpassung an die spezifische Anlage, das Produktportfolio und die Betriebsbedingungen des Kunden erfolgt gemeinsam mit dem Engineering-Team des Kunden.
Ergebnis
Der Soft-Sensor liefert Echtzeit-Schätzungen der Qualitätsgröße und ermöglicht dem Anlagenteam, Abweichungen zu erkennen, ohne auf Laborergebnisse warten zu müssen. Dadurch lassen sich Off-Spec-Produktion verringern und Reaktionszeiten bei Grade-Wechseln verkürzen.
Möglicherweise auch für Ihren Betrieb relevant
Wenn Sie eine Mehrprodukt-Chemie- oder Materialanlage betreiben, in der Laborverzögerungen Off-Spec-Verluste verursachen, oder in der die Einführung neuer Grades lange Stabilisierungsphasen erfordert, könnte dieser Ansatz für Sie eine Überlegung wert sein. Ob er zu Ihrer konkreten Situation passt, lässt sich in der Regel in einem kurzen Gespräch einschätzen. Technische Implementierungsdetails besprechen wir individuell mit jedem Kunden.