Filtern
Erscheinungsjahr
Dokumenttyp
- Vortrag (142)
- Zeitschriftenartikel (77)
- Beitrag zu einem Tagungsband (35)
- Posterpräsentation (12)
- Buchkapitel (6)
- Forschungsbericht (4)
- Sonstiges (3)
- Beitrag zu einem Sammelband (2)
- Forschungsdatensatz (2)
- Monografie (1)
Sprache
- Deutsch (151)
- Englisch (134)
- Mehrsprachig (1)
Schlagworte
- Prozessanalytik (59)
- Online NMR Spectroscopy (36)
- Process Analytical Technology (36)
- Industrie 4.0 (34)
- Prozessindustrie (34)
- CONSENS (29)
- Process analytical technology (24)
- Online NMR spectroscopy (21)
- Reaction Monitoring (17)
- Digitalisierung (16)
Organisationseinheit der BAM
- 1 Analytische Chemie; Referenzmaterialien (119)
- 1.4 Prozessanalytik (118)
- 8 Zerstörungsfreie Prüfung (14)
- 8.6 Faseroptische Sensorik (10)
- 6 Materialchemie (5)
- 8.0 Abteilungsleitung und andere (5)
- 6.3 Strukturanalytik (4)
- 8.1 Sensorik, mess- und prüftechnische Verfahren (4)
- 3 Gefahrgutumschließungen; Energiespeicher (3)
- 1.3 Instrumentelle Analytik (2)
Paper des Monats
- ja (1)
Eingeladener Vortrag
- nein (142)
Bei Industry 4.0 dreht sich alles um Interkonnektivität, sensorgestützte Prozesssteuerung und datengesteuerte Systeme. Prozessanalysentechnik (PAT) wie die Online-Kernresonanzspektroskopie (NMR) gewinnt zunehmend an Bedeutung, da sie zur Automatisierung und Digitalisierung in der Produktion beiträgt. Eine klassische Auswertung von Prozessdaten und deren Umsetzung in Wissen ist jedoch bisher in vielen Fällen aufgrund der unzureichend großen verfügbaren Datensätze nicht möglich oder nicht wirtschaftlich. Bei der Entwicklung eines automatisierten Verfahrens für die Prozesskontrolle stehen manchmal nur die Basisdaten einer begrenzten Anzahl von Batch-Versuchen aus typischen Produkt- und Prozessentwicklungskampagnen zur Verfügung. Diese Datensätze sind jedoch nicht groß genug, um maschinengestützte Verfahren zu trainieren.
Um diese Einschränkung zu überwinden, wurde ein neues Verfahren entwickelt, das eine physikalisch motivierte Multiplikation der verfügbaren Referenzdaten erlaubt, um einen ausreichend großen Datensatz für das Training von maschinellen Lernalgorithmen zu erhalten. Das zugrundeliegende Beispiel einer chemischen Synthese wurde spektroskopisch verfolgt und mit der neuen Methode sowie mit einem physikalisch basierten Modell analysiert, wobei sowohl eine anwendungsrelevante Niederfeld-NMR als auch eine Hochfeld-NMR-Spektroskopie als Referenzmethode verwendet wurde.
Künstliche neuronale Netze (ANNs) haben das Potenzial, bereits aus relativ begrenzten Eingabedaten wertvolle Prozessinformationen abzuleiten. Um jedoch die Konzentration unter komplexen Bedingungen (viele Edukte und weite Konzentrationsbereiche) vorherzusagen, sind größere ANNs und damit ein größerer Trainingsdatensatz erforderlich. Wir zeigen, dass ein mäßig komplexes Problem mit vier Edukten unter Verwendung von ANNs in Kombination mit der vorgestellten PAT-Methode (Niederfeld-NMR-Spektroskopie) und mit dem vorgeschlagenen Ansatz zur Erzeugung aussagekräftiger Trainingsdaten bewältigt werden kann.
Chemical companies must find new paths to successfully survive in a changing environment. The potential of digital technologies belongs to these. Flexible and modular chemical plants can produce various high-quality products using multi-purpose equipment with short down-times between campaigns and reduce time to market for new products. Intensified continuous production plants allow for difficult to produce compounds.
Therefore, fully automated “chemical” process control along with real-time quality control are prerequisites to such concepts and thus should be based on “chemical” information. The advances of a fully automated NMR sensor were exploited, using a given pharmaceutical lithiation reaction as an example process within a modular pilot plant. A commercially available benchtop NMR spectrometer was integrated to the full requirements of an automated chemical production environment such as , e.g., explosion safety, field communication, and robust evaluation of sensor data. It was thereof used for direct loop advanced process control and real-time optimization of the process. NMR appeared as preeminent online analytical tool and allowed using a modular data analysis tool, which even served as reliable reference method for further PAT applications.
In future, such fully integrated and intelligently interconnecting “smart” systems and processes can speed up the high-quality production of specialty chemicals and pharmaceuticals.
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.
Laboratories tend to be central hubs for chemical, biotechnological, pharmaceutical or foodstuff production. They play a key role in research and development, chemical analysis, quality assurance, maintenance and process control. For process development and optimization, process analytical technology (PAT) has proven to be a powerful tool to improve our understanding of processes, increase productivity, reduce waste and costs and shorten processing times.
Modular plants using intensified continuous processes represent an appealing concept to produce pharmaceuticals. It can improve quality, safety, sustainability, and profitability compared to batch processes, and it enables plug-and-produce reconfiguration for fast product changes. To facilitate this flexibility by real-time quality control, we developed a solution that can be adapted quickly to new processes and includes a compact Nuclear Magnetic Resonance (NMR) spectrometer for online quality monitoring as well as a new model-based control approach. The NMR sensor is a benchtop device enhanced to the requirements of automated chemical production including ro-bust evaluation of sensor data.
Here, we present alternatives for the quantitative determination of the analytes using modular, physically motivated models. These models can be adapted to new substances solely by the use of their corresponding pure component spectra, which can either be derived from experimental spectra as well as from quantum mechanical models or NMR predictors. Modular means that spec-tral models can simply be exchanged together with alternate reagents and products. Beyond that, we comprehensively calibrated an NIR spectrometer based on online NMR process data for the first time within an industrial plant. The integrated solution was developed for a metal organic reac-tion running on a commercial-scale modular pilot plant and it was tested under industrial conditions.
Prozess-Sensoren 4.0 vereinfachen ihre Einbindung über Plug and Play, obwohl sie komplexer werden. Sie bieten Selbstdiagnose, Selbstkalibrierung und erleichterte Parametrierung. Über die Konnektivität ermöglichen die Prozess-Sensoren den Austausch ihrer Informationen als Cyber-physische Systeme mit anderen Prozess-Sensoren und im Netzwerk. Der Aufbruch von der aktuellen Automation zum smarten Sensor hat bereits begonnen. Automatisierungstechnik und Informations- und Kommunikationstechnik (IKT) verschmelzen zunehmend. Wenn die Prozessindustrie dieses nicht definiert, tun es andere.
Für die weitere Entwicklung von der Ist‐Situation zu einer Industrie-4.0-Welt in der Prozessindustrie werden mehrere Szenarien diskutiert. Diese reichen vom erleichterten Abruf sensorbezogener Daten über zusätzliche Kommunikationskanäle zwischen Sensor und mobilen Endgeräten über vollständig bidirektionale Kommunikation bis hin zur Einbindung der Cloud und des Internets in virtualisierte Umgebungen.
Um zu einer störungsfreien Kommunikation aller Sensoren untereinander zu kommen, muss mindestens ein einheitliches Protokoll her, das alle Sensoren sprechen und verstehen. Der derzeit greifbarste offengelegte Standard, der moderne Kommunikationsanforderungen erfüllt, ist OPC Unified Architecture (OPC-UA). Viele halten das Sortieren der Kommunikationsstandards für eines der wesentlichen Errungenschaften von Industrie 4.0.
Eine Topologie für smarte Sensoren, das Zusammenwirken mit daten- und modellbasierte Steuerungen bis hin zur Softsensorik sowie weitere Anforderungen an Sensoren sind jedoch heute noch nicht angemessen beschrieben. Wir müssen jetzt schnell die Weichen für eine smarte und sichere Kommunikationsarchitektur stellen, um zu einer störungsfreien Kommunikation aller Sensoren auf Basis eines einheitlichen Protokolls zu kommen, welches alle Sensoren ausgeben und verstehen.
Aktuelle und zukünftige öffentliche Förderung von Industrie 4.0-Projekten sind eine gute Investition. Wegen der hohen Komplexität und Interdisziplinarität gelingt die Umsetzung nur gemeinsam zwischen Anwendern aus der Prozessindustrie, Software- und Geräteherstellern und Forschungsgruppen. Anwender sind gefragt, diese neue Technologie durch eine beschleunigte Validierung und Akzeptanz umzusetzen. Sie erhalten die einzigartige Chance, ihre Prozesse und Anlagen wettbewerbsfähig zu halten. Kooperativ betriebenen F&E-Zentren und gemeinsam anerkannten Applikationslaboren kommt dafür eine hohe Bedeutung zu.
For absorption processes with fluctuating feed gas compositions it is vital to continuously adjust
the operation point to achieve energy efficiency. In this contribution a Raman-based advanced
process control (APC) is introduced for the absorption of carbon dioxide (CO2) using an aqueous
solution of monoethanolamine (MEA). The APC is based on a Raman spectroscopic analysis of
the composition and CO2 load of the scrubbing liquid and a non-linear model predictive control
(NMPC) to adjust the scrubbing liquid cycle. In addition, an outer real-time optimization loop is
set in place to update the set points for the absorption process depending on the current feed gas composition minimizing the energy consumption of the process. Implementation and testing of the APC have been carried out in a mini-plant at TU Berlin. During a plant operation of more than 160 hours robustness and stability of the APC were shown.
Online monitoring and process control requires fast and noninvasive analytical methods, which are able to monitor the concentration of reactants in multicomponent mixtures with parts-per-million resolution. Online NMR spectros-copy can meet these demands when flow probes are directly coupled to reactors, since this method features a high linearity between absolute signal area and sample concentration, which makes it an absolute analytical com-parison method being independent on the matrix. Due to improved magnet design and field shimming strategies portable and robust instruments have been introduced to the market by several manufacturers during the last few years. First studies with this technology showed promising results to monitor chemical reaction in the laboratory.
Der Wandel von der aktuellen Automation zum smarten Sensor ist im vollen Gange. Automatisierungstechnik, sowie die Informations- und Kommunikationstechnik (IKT) verschmelzen zunehmend. Eine Topologie für smarte Sensoren, die das Zusammenwirken mit daten- und modellbasierten Steuerungen bis hin zur Softsensorik beschreibt gibt es bis heute jedoch noch nicht. Um zu einer störungsfreien Kommunikation aller Komponenten auf Basis eines einheitlichen Protokolls zu kommen sollte die Prozessindustrie die Weichen für eine smarte und sichere Kommunikationsarchitektur stellen. Sie verwehrt stattdessen die Entwicklungen ihrer Zulieferer und wartet lieber ab. Der Beitrag greift die Anforderungen der Technologie-Roadmap „Prozess-Sensoren 4.0“ auf und zeigt Möglichkeiten zu ihrer Realisierung am Beispiel eines Online-NMR-Analysators, der im Rahmen eines EU-Projekts entwickelt wurde.