TY - CONF A1 - Völker, Christoph T1 - Vortragsreihe des Kompetenzzentrums Datenanalyse Datenfusion –Informationsgewinn aus Multisensordaten N2 - Angetrieben durch Digitalisierung und die sogenannte Industrie 4.0 steigt die Erwartungshaltung gegenüber der Nutzung von Sensorik. Die Unsicherheit, Widersprüchlichkeit und Redundanz separat verarbeiteter einzelner Quellen soll durch die synergetische Zusammenführung heterogener Datensätze überwunden werden. Dabei steht der zunehmenden Aufgabenkomplexität eine ebenso zunehmende Verfügbarkeit an Sensoren, Daten und Rechenleistung gegenüber. Der Begriff Datenfusion fasst Ansätze zusammen, die Daten zu abstrakteren, aber besser verständlichen Informationen verarbeiten. Die Fusion ist Kernbestandteil effektiver Assistenzsysteme und beweist in vielzähligen Aufgaben - von militärischen Anwendungen über Flug- und Fahrassistenzsysteme, bis in den Heimbereich – ihr großes Potenzial. Durch die wachsende Automatisierung bei der Messdatenerfassung wird Datenfusion auch in der industriellen Qualitätsprüfung und –sicherung zunehmend attraktiver. Der Vortrag gibt einen Überblick über den breiten Themenkomplex und widmet sich dabei speziell der Fragen, welche Informationen in multivariaten Datensätzen stecken und wie sie extrahiert werden können. Abschließend wird ein Beispiel für die erfolgreiche Anwendung zur zerstörungsfreien Prüfung von Betonbauteilen vorgestellt. Der systematische Vergleich von Algorithmen, die Charakteristika des Labordatensatzes in unterschiedlicher Weise adressieren erlaubt überraschende Schlussfolgerungen. T2 - Vortrag CY - BAM Berlin, Germany DA - 25.07.2018 KW - Datenanalyse PY - 2018 AN - OPUS4-46260 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Guhl, Svetlana A1 - Maiwald, Michael A1 - Kern, Simon A1 - Meyer, Klas A1 - Wander, Lukas A1 - Bornemann-Pfeiffer, Martin T1 - Produzieren Sie schon oder kalibrieren Sie noch? – Online-NMR-Spektrometer als Smarte Feldgeräte N2 - Der Übergang von der aktuellen Automatisierungslandschaft zur nächsten Generation von Automatisierungskonzepten für die Prozessindustrie hat bereits begonnen. Intelligente Funktionen der Sensoren vereinfachen ihre Anwendung und ermöglichen eine Plug-and-Play-Integration, auch wenn sie auf den ersten Blick komplexer erscheinen mögen. Dies ist die Basis für die Digitalisierung der Prozessindustrie und hilft uns, komplexere Prozesse schneller umzusetzen. Der Vortrag fasst die derzeit diskutierten allgemeinen Anforderungen an „Smarte Feldgeräte“ zusammen und diskutiert dieses am Beispiel eines smarten Online-NMR-Sensors. NMR-Spektroskopie bietet sich durch den Vorteil der direkten Vergleichsmethode (ohne Kalibrierung) für die Prozess-Steuerung an und verringert somit die Rüstzeiten. Zudem basiert der Sensor auf physikalisch motivierten Modellen (Indirect Hard Modeling, IHM), die sich modular kombinieren lassen. Die Methoden wurden anhand eines vorgegebenen pharmazeutischen Reaktionsschrittes im Rahmen des „Horizon 2020“-Projekts CONSENS der Europäischen Union demonstriert und validiert. Zuletzt werden Anforderungen an die Weiterentwicklung der Datenauswertemethoden diskutiert, um letztlich die semantische Information aus den Messdaten herauszulesen oder das in der Industrie 4.0 geforderte „durchgehende Engineering“ für die Automatisierungskomponenten zu ermöglichen. T2 - ProcessNet-Jahrestagung und 33. DECHEMA-Jahrestagung der Biotechnologen CY - Aachen, Germany DA - 10.09.2018 KW - Prozessindustrie KW - Prozessanalytik KW - Online-NMR-Spektroskopie KW - Datenkonzepte KW - Datenanalyse KW - CONSENS PY - 2018 N1 - Geburtsname von Bornemann-Pfeiffer, Martin: Bornemann, M. - Birth name of Bornemann-Pfeiffer, Martin: Bornemann, M. AN - OPUS4-45934 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Paul, Andrea A1 - Fink, Friedrich A1 - Noll, M. T1 - Hybridmodell zur Bestimmung des Ligningehalts von Kiefernholz N2 - Die Untersuchungen sind durch das das DFG Schwerpunktprogramm 1374 für Biodiversitätsforschung motiviert. Anhand des überwachten Abbaus von Totholz soll untersucht werden, welche Auswirkung unterschiedliche Formen und Intensitäten der Landnutzung auf die Biodiversität innerhalb von drei Exploratorien zeigen. Bei den vorangegangenen Studien wurden Nahrungs¬netzte auf organismischer Ebene sowie Klima- und Umgebungsdaten untersucht und die Veränderung des ausgebrachten Totholzes als Masseverlust erfasst. Es wird jedoch erwartet, dass in Anhängigkeit der beteiligten Organismen und Umgebungsparameter verschiedene Mechanismen des Holzabbaus vorliegen, die in unterschiedlichen Abbauraten der Holzkomponenten Lignin, Cellulose und Hemicellulose resultieren. Aus diesem Grund ist die quantitative Untersuchung des Ligningehalts an Hölzern ein wesentlicher Schritt für ein verbessertes Verständnis der Biodiversität in den untersuchten Exploratorien. Um der hohen Probenanzahl, die sich aus der Kontrolle von jeweils 100 Proben (Plots) in den drei Exploratorien für Hölzer aus 13 Baumarten ergibt, gerecht zu werden, wird eine schnelle und effiziente Untersuchungsmethode benötigt. Diese wird derzeit in Form einer NIR-spektroskopischen Bestimmung des Ligningehalts entwickelt. Um basierend auf den NIR Spektren vermahlener Holzproben Lignin und weitere Holzkomponenten korrekt vorherzusagen, muss zunächst basierend auf nasschemischen Analysen ein chemometrisches Modell kalibriert werden. Dazu ist die Charakterisierung von mindestens 20 – 30 Proben, die eine hohe Varianz des Ligningehalts aufweisen, notwendig. Im Vortrag werden erste Untersuchungs¬ergebnisse für die Vorhersage des Ligningehalts von Kiefernhölzern, die für ein Jahr in dem Exploratorium Schorfheide exponiert wurden, vorgestellt. Die anschließende explorative Datenanalyse (PCA) unter Verwendung von insgesamt 28 Variablen zur Beschreibung klimatischer und Umgebungsparameter weist eine Reihe interessanter Korrelationen auf. Demnach ist der Ligningehalt auf der ersten Hauptkomponente (29% erklärte Varianz) positiv mit dem C/N-Verhältnis und negativ mit Landnutzungsindex korreliert. Masseverlust und Temperatur hingegen dominieren die zweite Hauptkomponente (12% erklärte Varianz). T2 - 4. Innovationsakademie Lignocellulose CY - Berlin, Germany DA - 11.04.2019 KW - NIR Spektroskopie KW - Lignin KW - Datenanalyse PY - 2019 AN - OPUS4-47963 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Völker, Christoph T1 - Integration von Forschungsdaten im Bereich zerstörungsfreien Prüfung (ZfP) im Bauwesen N2 - Der Vortrag gibt einen Überblick zu Fragestellungen, Herausforderungen und Nutzen von semantischer Datenintegration im Forschungsbereich der zerstörungsfreien Prüfung im Bauwesen. T2 - 1. KDA Kolloquium der BAM CY - Berlin, Germany DA - 29.03.2019 KW - Digitalisierung KW - Ontology KW - ZfP KW - Beton KW - Datenanalyse PY - 2019 AN - OPUS4-50026 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Maiwald, Michael T1 - Informationsmanagement in der Prozessindustrie auf Basis von Labor- und Produktionsdaten N2 - Die Wettbewerbsfähigkeit der Prozessindustrie basiert auf der Sicherung der geforderten Produktqualität bei einer optimalen Nutzung von Anlagen, Rohstoffen und Energie. Ein Weg zur wissensbasierten Produktion führt über die Betrachtung der wesentlichen Apparate-, Prozess- und Freigabedaten aus Betrieben und Labors. Das Potenzial dieser Daten wird heute vielfach noch nicht konsequent für ein umfassendes Verständnis der Produktion genutzt. Neben Fragen zur Datenerfassung, Datenkonnektivität und Datenintegrität müssen solche Daten für eine ganzheitliche Prozessanalyse zunächst mit Kontextinformationen zusammengebracht werden. Datenquellen enthalten Zeitwertpaare, aber auch diskrete Daten aus LIMS (Laboratory Information Management Systems) oder ELN (Electronic Laboratory Notebooks) und werden zunehmend durch 2D- und 3D-Daten aus der Chromatographie-Massenspektrometrie oder bildbasierter Analytik ergänzt. Für die automatisierte Merkmalsextraktion, etwa zur Extraktion chemischer Informationen aus den oben genannten Datenquellen werden multivariate Werkzeuge und Algorithmen genutzt. Multivariate Statistiken wie PCA (Principle Component Analysis), PLS (Partial Least Squares) und LDA (Latent Discriminant Analysis) bilden die erste Grundlage für die Datenanalyse. Für diese Verfahren sind heute Datenvorbehandlungsschritte nötig. Die Modellbildung geschieht manuell und ist sehr aufwendig. Können diese Daten im Zeitalter von ML (Machine Learning) und KI (Artificial Intelligence) anderweitig sinnvoll genutzt werden und ohne klassische Modellbildung? Die Bezeichnung „Big Data“ als Voraussetzung für datengetriebene Auswerteverfahren ist für die Prozessindustrie allerdings unpassend, denn auch bei mengenmäßig großen Datensätzen liegen für Kampagnen typischerweise nur Informationen über einige Batches mit einer Serie von Messdaten vor, die genügend Varianz für eine datengetriebene Auswertung aufweisen – nicht vergleichbar mit den Datenmengen im WWW oder von großen Internet-Konzernen. T2 - Bio-PAT-Workshop, Aktuelle Entwicklungen im Bereich PAT & Softsensortechnologien CY - Berlin, Germany DA - 04.12.2019 KW - Prozessindustrie KW - Digitalisierung KW - Datenanalyse KW - Datenvorbehandlung KW - Multivariate Datenanalyse PY - 2019 AN - OPUS4-49942 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Maiwald, Michael T1 - Informationsmanagement in der Prozessindustrie auf Basis von Labor- und Produktionsdaten N2 - Ein Weg zur wissensbasierten Produktion führt über die Betrachtung der wesentlichen Apparate-, Prozess- und Freigabedaten aus Betrieben und Labors. Das Potenzial dieser Daten wird heute vielfach noch nicht konsequent für ein umfassendes Verständnis der Produktion genutzt. Neben Fragen zur Datenerfassung, Datenkonnektivität und Datenintegrität müssen solche Daten für eine ganzheitliche Prozessanalyse zunächst mit Kontextinformationen zusammengebracht werden. Datenquellen enthalten vor allem Zeitwertpaare, die numerisch vorbehandelt und möglichst vollautomatisch ausgewertet werden müssen. Am Beispiel NMR-spektroskopischer Daten wird der Stand der Auswertung mit physikalisch motivierten Modellen, wie z. B. dem IHM erläutert. T2 - Mathematisches Forschungskolloquium, Institut für Mathematik, Universität Rostock CY - Rostock, Germany DA - 02.12.2019 KW - Prozessindustrie KW - Prozesskontrolle KW - Datenanalyse KW - Datenvorbehandlung KW - Chemometrics PY - 2019 UR - https://www.mathematik.uni-rostock.de/veranstaltungen/regelmaessige-veranstaltungen/forschungskolloquium/2019/ AN - OPUS4-49939 LA - deu AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER - TY - CONF A1 - Maiwald, Michael T1 - Compact NMR spectroscopy: A versatile tool for automated continuous-flow production of chemicals and pharmaceuticals N2 - Um in einem veränderten Umfeld erfolgreich bestehen zu können, müssen Chemieunternehmen neue Pfade beschreiten. Dazu gehört insbesondere das Potential digitaler Technologien. Mit flexiblen, modularen chemischen Vielzweck-Produktionsanlagen lassen sich häufig wechselnde Produkte mit kürzeren Vorlauf- und Stillstandzeiten zwischen den Kampagnen und dennoch hoher Qualität realisieren. Intensivierte, kontinuierliche Produktionsanlagen erlauben auch den Umgang mit schwierig zu handhabenden Substanzen. Grundvoraussetzung für solche Konzepte ist eine hochautomatisierte "chemische" Prozesskontrolle zusammen mit Echtzeit-Qualitätskotrolle, die "chemische" Informationen über den Prozess bereitstellt. In einem Anwendungsbeispiel wurde eine pharmazeutische Lithiierungsreaktion aus einer modularen Pilot-Anlage betrachtet und dabei die Vorzüge eines vollautomatischen NMR-Sensors untersucht. Dazu wurde ein kommerziell erhältliches Benchtop-NMR-Spektrometer mit Permanentmagnet auf die industriellen Anforderungen, wie Explosionsschutz, Feldkommunikation und vollautomatischer, robuster Datenauswertung angepasst. Der NMR-Sensor konnte schließlich erfolgreich im vollautomatischen Betrieb nach fortschrittlichen Regelkonzepten und für die Echtzeitoptimierung der Anlage getestet werden. Die NMR-Spektroskopie erwies sich als hervorragende Online-Methode und konnte zusammen mit einer modularen Datenauswertung sehr flexibel genutzt werden. Die Methode konnte überdies als zuverlässige Referenzmethode zur Kalibrierung konventioneller Online-Analytik eingesetzt werden. Zukünftig werden voll integrierte und intelligent vernetzte "smarte" Sensoren und Prozesse eine kontinuierliche Produktion von Chemikalien und Pharmazeutika mit vertretbaren Qualitätskosten möglich machen. T2 - Niederfeld-NMR-Spektroskopie: Ein universelles Werkzeug für automatisierte, kontinuierliche Produktion von Chemikalien und Pharmazeutika T2 - Fresenius-Lecture Hochschule Reutlingen CY - Reutlingen, Germany DA - 18.12.2019 KW - Prozessindustrie KW - Smarte Sensoren KW - Online-NMR-Spektroskopie KW - Digitalisierung KW - Datenanalyse PY - 2019 AN - OPUS4-50111 LA - eng AD - Bundesanstalt fuer Materialforschung und -pruefung (BAM), Berlin, Germany ER -