Chemische Charakterisierung und Spurenanalytik
Filtern
Dokumenttyp
- Vortrag (11)
Referierte Publikation
- nein (11)
Schlagworte
- Prozessindustrie (11) (entfernen)
Organisationseinheit der BAM
- 1 Analytische Chemie; Referenzmaterialien (11) (entfernen)
Eingeladener Vortrag
- nein (11) (entfernen)
Anhand von Beispielen wird in diesem Vortrag ein möglicher ganzheitlicherer Ansatz für die Digitalisierung und den Einsatz maschinengestützter Prozesse bei der Herstellung von Spezialchemikalien und Arzneimitteln durch die Einführung integrierter und vernetzter Systeme und Prozesse skizziert. Ein aktueller Ansatz und ein Beispiel in diesem Vortrag sind flexible und modulare chemische Produktionseinheiten, die Mehrzweckanlagen nutzen, um verschiedene hochwertige Produkte mit kurzen Stillstandszeiten zwischen den Kampagnen herzustellen und die Markteinführungszeit für neue Produkte zu verkürzen.
Als zweites Beispiel wird kurz die Testplattform Wasserstofftankstelle vorgestellt, die als moderne Anlage der Prozessindustrie betrachtet werden kann, vergleichbar mit einer Anlage aus der chemischen oder pharmazeutischen Industrie. An ihr lassen sich alle derzeit entlang der Digitalen Transformation diskutierten Konzepte implementieren, um sie zu standardisieren und zu validieren. Dazu gehören Konzepte zur Konnektivität von Sensoren und Aktoren aus der Feldebene in höhere Ebenen der Automatisierung oder zur Einbringung zusätzlicher Sensoren oder Sensornetzwerke, die zunehmend flexibler gestaltet werden soll, die sichere und nachvollziehbare Parametrierung von Automatisierungskomponenten – vielleicht aus einem digitalen Abbild (Verwaltungsschale bzw. „Digitaler Zwilling“) heraus, Konzepte zur vorausschauenden Wartung („Predictive Maintenance“), Konzepte zu digitalen Entscheidungsprozessen, Zertifikaten und Signaturen oder der zunehmende Einsatz von komplexen Auswertungsalgorithmen und Applikationen in der Feldebene („Embedded Computing“) oder der „Kante“ zu Cloudbasierten Systemen der Informationstechnik („Edge-Computing“).
Die beiden Beispiele sollen aktuelle Entwicklungsachsen des industriellen Messwesens im Rahmen der industriellen Automation aufzeigen, in denen Messwerte, deren Messunsicherheiten und Kontextinformationen eine wichtige Rolle einnehmen.
Unternehmen der Prozessindustrie müssen neue Wege finden, um in einem sich wandelnden Umfeld erfolgreich zu überleben, und gleichzeitig flexiblere Wege der Produkt- und Prozessentwicklung finden, um ihre Produkte schneller auf den Markt zu bringen – insbesondere hochwertige, hochwertige Produkte wie Feinchemikalien oder Arzneimittel. Dies wird zukünftig durch Veränderungen in den Wertschöpfungsketten entlang einer potenziellen Kreislaufwirtschaft erschwert.
Anhand von Beispielen wird in diesem Vortrag ein möglicher ganzheitlicher Ansatz zur Digitalisierung und zum Einsatz maschineller Verfahren in der Produktion von Spezialchemikalien durch die Einführung integrierter und vernetzter Systeme und Prozesse skizziert.
Es wird auch auf die aktuelle Technologie-Roadmap „Prozess-Sensoren 2027+“ eingegangen, die Ende 2021 erschienen ist. Im Zentrum dieser Roadmaps stehen Sensoren zur Erfassung von physikalischen und chemischen Messgrößen mittels spezifischer und unspezifischer Messverfahren, die zur Steuerung und dem besseren Verständnis von Prozessen dienen. Die Roadmap fasst die gemeinsame Technologie- und Marktsicht von Anwendern, Herstellern und Forschungs¬einrichtungen im Bereich Prozess-Sensorik in der verfahrenstechnischen Industrie zusammen. Digitalisierung und Nachhaltigkeit sind übergreifende Kernthemen der künftigen Entwicklung.
Integrierte und vernetzte Systeme und Prozesse – Eine Perspektive für die smarte Laborinfrastruktur
(2022)
Chemie- und Pharmaunternehmen müssen neue Wege gehen, um in einem sich wandelnden Umfeld erfolgreich zu überleben, und gleichzeitig flexiblere Wege der Produkt- und Prozessentwicklung finden, um ihre Produkte schneller auf den Markt zu bringen - vor allem hochwertige High-End-Produkte wie Feinchemikalien oder Arzneimittel. Dazu gehört auch das Potenzial der digitalen Technologien, um ein umfassenderes Wissensmanagement zu ermöglichen.
Eine wichtige Wissensquelle sind analytische Labors, die Unternehmensweit aktiv sind – von F&E bis zur Produktion. Die ganzheitliche Einbindung von analytischen Labors und ein unternehmensweites Daten- und Wissensmanagement sind wichtige Bausteine zur Integration und Vernetzung aller Systeme und Prozesse. Das Potenzial von Daten aus der Produktion mit ihren Kontextinformationen wird heute oft noch nicht konsequent für ein umfassendes Verständnis der Produktion genutzt.
Dieser Beitrag skizziert anhand von Beispielen einen möglichen ganzheitlicheren Ansatz zur Digitalisierung und zum Einsatz maschineller Verfahren in der Produktion von Spezialchemikalien und Pharmazeutika durch die Einführung integrierter und vernetzter Systeme und Prozesse.
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 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.
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.
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.
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.