1.4 Prozessanalytik
Filtern
Dokumenttyp
- Vortrag (16)
- Zeitschriftenartikel (6)
- Buchkapitel (2)
- Monografie (1)
- Beitrag zu einem Sammelband (1)
- Beitrag zu einem Tagungsband (1)
- Sonstiges (1)
Referierte Publikation
- nein (28) (entfernen)
Schlagworte
- Prozessindustrie (28) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (16)
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. Es geht nicht um die Digitalisierung von heute. Im Angesicht der wachsenden Digitalisierung unserer Prozesse stellt sich die Frage, ob wir den Prozess wirklich gut kennen. Ob alle Verfahrensschritte detailliert hinterlegt wurden. Nur mit einem heuristischen Ansatz kann das vorhandene Wissen nicht digitalisiert werden.
Sehr schnell werden die Mechanismen eines Massenmarktes mit denen einer Nische verwechselt. Nicht jeder Mechanismus, den wir von großen Suchmaschinen oder Einkaufsportalen kennen, gibt uns einen Hinweis auf Nutzen und Verfügbarkeit für die Prozess- oder pharmazeutische Industrie. Eine gute Analyse der Anforderungen in der Zukunft mit einem Abgleich der derzeitigen technischen Möglichkeiten ist Voraussetzung für eine Verbesserung der derzeitigen digitalen Umsetzung. Dabei ist es sinnvoll unkonventionelle Methoden einzusetzen.
Produzieren Sie schon oder kalibrieren Sie noch? – Online-NMR-Spektrometer als Smarte Feldgeräte
(2018)
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.
Produzieren Sie schon oder kalibrieren Sie noch? – Online-NMR-Spektrometer als Smarte Feldgeräte
(2018)
Der Vortrag zeigt allgemeine Anforderungen an "smarte Feldgeräte" und deren Entwicklung in den vergangenen Jahren. Am Beispiel eines smarten Online-NMR-Sensors, der in einem EU-Projekt von der BAM entwickelt wurde, wird die Umsetzung der Anforderung aufgezeigt. Schließlich werden weitere Technologieanforderungen und Lösungsansätze vorgestellt.
Der Vortrag gibt einen Überblick über die aktuellen Diskussionen zu Feldgerätekommunikation in der Prozessindustrie. Diese verfolgt seitens der Anwender in der NAMUR das NOA-Konzept (NOA = NAMUR Open Architecture). In gemeinsamen Aktivitäten mit dem ZVEI werden mit Zielstellung Mitte/Ende 2019 folgende Konzepte vorangebracht: NOA Informationsmodell in OPC UA,
Informationssicherheit und das Konzept des „Verification of Request“. Gemeinsam mit Geräte- und Softwareherstellern sollen auch M+O-Sensoren (Maintenance und Optimization) konzipiert werden.
Aus dem NAMUR AK 3.7 heraus wurde im Oktober ein Erweiterter Arbeitskreis „Smarte Sensoren, Aktoren und Kommunikation“ kontituiert, dem auch Geräte- und Softwarehersteller und das BSI angehören. Hier werden konkrete Anwendungsfälle für smarte Feldgeräte und Anforderungen an M+O-Sensoren erarbeitet, um die Bereitstellung und den Einsatz smarter Automatisierungskomponenten zu beschleunigen.
Zukünftig werden das „Smarte Labor“ und die „Smarte Produktion“ stärker zusammenwachsen.
Automatisierungstechnik, sowie die Informations- und Kommunikationstechnik (IKT) verschmelzen zunehmend. In der Prozessindustrie tut man sich aber schwer, die heu-te schon möglichen daten- oder modellbasierten Steuerungen auf Basis smarter Sen-soren und Aktoren einzusetzen oder allein Anforderungen daran vorzugeben. Viele aktuelle Entwicklungen der Zulieferer werden verwehrt und man wartet lieber ab.
Es bilden sich schon jetzt rasant schnell neue digitale Geschäftsmodelle in der Pro-zessindustrie, wie es schon mit der zunehmenden Verbreitung des Internets beobach-tet werden konnte. Wenn die Automatisierer und Anlagenspezialisten jetzt nicht ge-stalten, tun es andere.
Früher war es umgekehrt: Informations- und Kommunikationstechnik für Profis konn-ten sich nur die Großkonzerne leisten. Die Technologie vom Personalcomputer bis zum Smart-Gerät und ihre Peripherie wurden und werden ausschließlich durch den Massenmarkt vorangetrieben. Also müssen wir umdenken und Wege finden, die rasch voranschreitende Informations- und Kommunikationstechnik geschickt für die Digitalisierung umbiegen.
Der Beitrag erörtert aktuelle Diskussionen über netzartige Verbindungen der Feldge-räte (Sensoren und Aktoren) untereinander und zur Cloud sowie über virtuelle Server-verbünde und Applikationen, die auf Cloud-Diensten basieren. Mit einem solchen System ist die Einrichtung beliebiger Dienstleistungen und Funktionen auf der Basis der jeweils gängigen Methoden und Technologie des Internets möglich. Beispiele für Dienstleistungen sind beispielsweise auf prozessanalytische oder Sensordaten auf-bauende Instandhaltungsdienste oder Energiedienste für Anlagen.
Generell ist es Ziel der Prozessführung, Reaktions- und Trennprozesse wirtschaftlich optimal zu betreiben. Hierzu werden in großen Anlagen modellbasiere Echtzeitoptimierungsverfahren (Real-time Optimization, RTO) eingesetzt. Die Qualität der Ergebnisse der Optimierung hängt dabei entscheidend von der Güte des verwendeten Modells ab. Die Entwicklung hochgenauer Modelle ist allerdings aufwändig, was für kleine Produktionsvolumina ein wesentliches Hindernis zur Nutzung solcher Methoden darstellt. Mit Hilfe der sogenannten Modifier-Adaptation ist eine iterative Betriebspunktoptimierung auch mit ungenauen Modellen möglich, wenn Messungen der für die Bewertung relevanten Größen (beispielsweise Produktkonzentrationen im Ausgangsstrom) verfügbar sein. Für eine Lithiierungsreaktion in einem bei INVITE kontinuierlich betriebenen Reaktor wurde im Rahmen des EU-Projekts CONSENS eine solche iterative Optimierung auf der Grundlage einer Messung der Zusammensetzung des Ausgangsstroms des Reaktors mit einem Online-NMR-Spektrometer realisiert. Das Spektrometer wurde an den Betrieb in einer explosionsgefährdeten Umgebung angepasst. Es konnte gezeigt werden, dass die Messdaten genau genug sind, um darauf eine Optimierung der Produktausbeute aufzubauen. Die iterative Optimierung führt den Prozess ausgehend vom mit dem Modell berechneten Betriebspunkt schrittweise zum wirtschaftlichen Optimum für die reale Anlage. Dabei reagiert die Optimierung auch auf unbekannte Abweichungen im Prozess (wie die Zusammensetzung des Feeds) und fährt iterativ den jeweils optimalen Betriebspunkt an.
Die Arbeiten wurden im Rahmen des EU-SPIRE-Projekts CONSENS, Förderkennzeichen 636942, durchgeführt.
Um in einem veränderten Umfeld erfolgreich bestehen zu können, müssen Chemie-unternehmen neue Pfade beschreiten. Dazu gehört insbesondere das Potential digi-taler Technologien. Mit flexiblen, modularen chemischen Vielzweck-Produktionsanlagen lassen sich häufig wechselnde Produkte mit kürzeren Vorlauf- und Stillstandzeiten zwischen den Kampagnen und dennoch hoher Qualität realisie-ren. 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" Informati-onen über den Prozess bereitstellt. In einem Anwendungsbeispiel wurde eine phar-mazeutische 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 voll-automatischer, robuster Datenauswertung angepasst. Der NMR-Sensor konnte schließlich erfolgreich im vollautomatischen Betrieb nach fortschrittlichen Regelkon-zepten 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 Pro-zesse eine kontinuierliche Produktion von Chemikalien und Pharmazeutika mit ver-tretbaren Qualitätskosten möglich machen.
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.
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.