Chemische Charakterisierung und Spurenanalytik
Filtern
Erscheinungsjahr
- 2018 (17) (entfernen)
Dokumenttyp
- Vortrag (11)
- Beitrag zu einem Tagungsband (3)
- Zeitschriftenartikel (2)
- Forschungsdatensatz (1)
Schlagworte
- CONSENS (7)
- Prozessanalytik (5)
- Online NMR spectroscopy (4)
- Benchtop NMR spectroscopy (3)
- Datenanalyse (3)
- Datenkonzepte (3)
- Indirect Hard Modeling (3)
- Indirect hard modeling (3)
- Online NMR Spectroscopy (3)
- Online-NMR-Spektroskopie (3)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (11)
Monitoring chemical reactions is the key to chemical process control. Today, mainly optical online methods are applied, which require excessive calibration effort. NMR spectroscopy has a high potential for direct loop process control while exhibiting short set-up times. Compact NMR instruments make NMR spectroscopy accessible in industrial and harsh environ¬ments for advanced process monitoring and control, as demonstrated within the European Union’s Horizon 2020 project CONSENS.
We present a range of approaches for the automated spectra analysis moving from conventional multivariate statistical approach, (i.e., Partial Least Squares Regression) to physically motivated spectral models (i.e., Indirect Hard Modelling and Quantum Mechanical calculations). By using the benefits of traditional qNMR experiments data analysis models can meet the demands of the PAT community (Process Analytical Technology) regarding low calibration effort/calibration free methods, fast adaptions for new reactants or derivatives and robust automation schemes.
In case study one of the CONSENS project, two aromatic substances were coupled by a lithiation reaction, which is a prominent example in pharmaceutical industry. The two aromatic reactants (Aniline and o-FNB) were mixed with Lithium-base (LiHMDS) in a continuous modular plant to produce the desired product (Li-NDPA) and a salt (LiF). The salt precipitates which leads to the formation of particles. The feed streams were subject to variation to drive the plant to its optimum.
The uploaded data comprises the results from four days during continuous plant operation time. Each day is denoted from day 1-4 and represents the dates 2017-09-26, 2017-09-28, 2017-10-10, 2017-10-17.
In the following the contents of the files are explained.
What is the future of Analytical Sciences? The talk starts with a definition, comparing the current view with that from 1968. How do wie set trends? How do we get Analytics inside? Some examples of "Big Science" are given and discussed in relation to a definition of AS. How does AS face the current Grand Challenges?
As exaples for something significant, several exaples are presented, such as Climate Change of Hydrogen Storage. Another important trand are eScience and automation concepts for AS, which are highlighted.
But (Analytical) Science has to be politcal in our times to face Fake News and to breake barriers!
qNMR provides the most universally applicable form of direct concentration or purity determination without need for reference materials of impurities or the calculation of response factors but only exhibiting suitable NMR properties. The workshop presents basic terms of statistics and uncertainty analysis, which are the basis for qNMR spectroscopy and data analysis such as, e.g., standard deviations, linear regression, significance tests, etc. and gives typical examples of applications in qNMR spectroscopy.
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.
Im Zuge der Digitalisierung der Prozessindustrie werden zunehmend modellbasiere Echtzeitoptimierungsverfahren eingesetzt, sog. „Advanced Process Control“. Mithilfe der sogenannten Modifier-Adaptation ist eine iterative Betriebspunktoptimierung auch mit ungenauen Modellen möglich, sofern zuverlässige Prozessdaten zur Verfügung stehen. Am Beispiel eines smarten Online-NMR-Sensors, der in einem EU-Projekt von der BAM entwickelt wurde, konnte das Konzept in einer modularen Produktionsanlage zur Herstellung eines pharmazeutischen Wirkstoffs erfolgreich getestet werden.
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.
Die ehemals wegen komplexer Technik und vergleichsweise hohen Wartungskosten beim Anwender ungeliebte Prozessanalysentechnik (PAT) erfährt sich mittlerweile immer mehr als etablierender Bereich mit einem großen Zuwachs und Dynamik. Die Prozesskontrolle und -steuerung über physikalische Kenngrößen wie Druck und Temperatur lässt eine weitere Optimierung der Anlagen kaum mehr zu. Nur mittels stoffspezifischer Analysen lassen sich Rohstoffschwankungen, Ausbeuten und Energieeinsatz konsequent optimieren.
Der systematische Einsatz der Prozessanalysentechnik verändert Prozesse und Produktionsumgebungen und hat damit die Chance, Kernstück dezentral automatisierter Produktionseinheiten zu werden. Ein neuer Arbeitskreis der NAMUR AK 3.7 „Smarte Sensorik, Aktorik und Kommunikation“ wird diesem verstärkt Rechnung tragen. Es werden reale Anwendungsbeispiele aufgezeigt, die eine schnelle Amortisation von PAT im Prozess untermauern.
The departure from the current automation landscape to next generation automation concepts for the process industry has already begun. Smart functions of sensors simplify their use and enable plug-and-play integration, even though they may appear to be more complex at first sight. Monitoring specific information (i.e., “chemical” such as physico-chemical properties, chemical reactions, etc.) is the key to “chemical” process control. Here we introduce our smart online NMR sensor module provided in an explosion proof housing as example.
Due to NMR spectroscopy as an “absolute analytical comparison method”, independent of the matrix, it runs with extremely short set-up times in combination with “modular” spectral models. Such models can simply be built upon pure component NMR spectra within a few hours (i.e., assignment of the NMR signals to the components) instead of tedious calibrations runs. We present a range of approaches for the automated spectra analysis moving from statistical approach, (i.e., Partial Least Squares Regression) to physically motivated spectral models (i.e., Indirect Hard Modelling and Quantum Mechanical calculations).
Based on concentration measurements of reagents and products by the NMR analyzer a continuous production and direct loop process control were successfully realized for several validation runs in a modular industrial pilot plant and compared to conventional analytical methods (HPLC, near infrared spectroscopy). The NMR analyser was developed for an intensified industrial process funded by the EU’s Horizon 2020 research and innovation programme (“Integrated CONtrol and SENsing”, www.consens-spire.eu).