Filtern
Erscheinungsjahr
- 2019 (12) (entfernen)
Dokumenttyp
- Vortrag (8)
- Zeitschriftenartikel (1)
- Buchkapitel (1)
- Beitrag zu einem Sammelband (1)
- Sonstiges (1)
Sprache
- Deutsch (12) (entfernen)
Referierte Publikation
- nein (12)
Schlagworte
- Digitalisierung (9)
- Prozessindustrie (9)
- Industrie 4.0 (4)
- Prozessanalytik (4)
- Smarte Sensoren (4)
- Datenanalyse (3)
- Prozesskontrolle (3)
- Datenvorbehandlung (2)
- Digitale Transformation (2)
- Automation (1)
Organisationseinheit der BAM
- 1 Analytische Chemie; Referenzmaterialien (12)
- 1.4 Prozessanalytik (12)
- 2 Prozess- und Anlagensicherheit (1)
- 2.0 Abteilungsleitung und andere (1)
- 2.1 Sicherheit von Energieträgern (1)
- 3 Gefahrgutumschließungen; Energiespeicher (1)
- 3.0 Abteilungsleitung und andere (1)
- 3.1 Sicherheit von Gefahrgutverpackungen und Batterien (1)
- 5 Werkstofftechnik (1)
- 5.0 Abteilungsleitung und andere (1)
Eingeladener Vortrag
- nein (8)
Unternehmen der chemischen Industrie müssen neuen Pfade beschreiten, um in einem veränderten Umfeld erfolgreich bestehen zu können. Dazu gehört insbesondere, das Potenzial digitaler Technologien zu nutzen. Die volle Integration und intelligente Vernetzung von Systemen und Prozessen kommt allerdings nur zögerlich voran. Dieser Beitrag ist ein Loblied auf die Feldebene. Er möchte dazu ermutigen, die Digitalisierung der Prozessindustrie auf Basis smarter Sensorik, Aktorik und Kommunikation ganzheitlicher zu denken und informiert über aktuelle technische Perspektiven, wie das Ein-Netzwerk-Paradigma, Ad-hoc-Vernetzungen, Edge-Computing, FPGAs, virtuelle Maschinen oder Blockchain. Diese geben smarter Sensorik, Aktorik und Kommunikation eine völlig neue Perspektive.
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.
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.
Eine der vielen Vorzüge Smarter Sensoren und Aktoren ist Bereitstellung zusätzlicher Informationen, auf die zukünftig neben den Hauptsignalen zugegriffen werden kann. In den Arbeitskreisen 3.6 und 3.7 wird dieses im wechselseitigen Austausch mit Geräte- und Softwareherstellern und Forschungseinrichtungen vorangetrieben.
Wir berichten kurz über den Stand der Diskussionen anhand von Beispielen und möchten in einem Open Space Workshop Meinungen und Ideen aufgreifen.
Die Erwartungen der Prozessindustrie an die NAMUR Open Architecture sind groß, schließlich soll das Konzept der Garant für die digitale Transformation der Branche sein. Im atp-Interview warnt Dr. Michael Maiwald, Fachbereichsleiter „Prozessanalytik“ an der Bundesanstalt für Materialforschung und -prüfung (BAM), allerdings davor, NOA als Allheilmittel zu betrachten.
Im Vortrag werden Anforderungen und Lösungsvorschläge für das Labor der Zukunft diskutiert. Industrie 4.0 bzw. das Labor 4.0 hilft uns, komplexere Prozesse schneller umzusetzen. Entwicklung von Anlagen und Prozessen beginnt im Labor 4.0. Dazu werden offene, nicht proprietäre Schnittstellen und Standards bei Laborgeräten und Feldgeräten dringend benötigt.
Digitalisierung und Industrie 4.0 verändern komplette Geschäftsmodelle, heben neue Effizienzpotenziale und stärken die Wettbewerbsfähigkeit. Auf dem 57. Tutzing-Symposion vom 15.–18.04.2018 wurde mit Vorträgen und Kreativworkshops erkundet, welche speziellen Anforderungen die Prozessindustrie hat, welche digitalen Innovationen bereits umgesetzt wurden und wo noch Handlungsbedarf besteht. Ein Workshop befasste sich mit den Themenfeldern Datenkonzepte, Datenanalyse, Big Data und künstliche Intelligenz.
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.
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.
Die BAM ist nahezu über die gesamte Wertschöpfungskette hinweg wissenschaftlich tätig. Von der sicheren und effizienten Wasserstofferzeugung (POWER-to-GAS), über die (Zwischen-)Speicherung von Wasserstoff in Druckgasspeichern bis hin zum Transport bspw. mittels Trailerfahrzeug zum Endverbraucher.
Komplettiert werden die Aktivitäten der BAM durch die sicherheitstechnische Beurteilung von wasserstoffhaltigen Gasgemischen, die Verträglichkeitsbewertung von Werkstoffen bis hin zur Detektion von Wasserstoffkonzentrationen über geeignete Sensorik, auch mittels ferngesteuerter Messdrohnen (sog. UAV-Drohnen).
Zudem untersucht die BAM proaktiv Schadensrisiken und Unfallszenarien für die Sicherheitsbetrachtung, um mögliche Schwachstellen aufzeigen und potenzielle Gefährdungen erkennen zu können.