Analytische Chemie
Filtern
Dokumenttyp
- Zeitschriftenartikel (3)
- Vortrag (3)
- Forschungsbericht (1)
Sprache
- Deutsch (5)
- Englisch (1)
- Mehrsprachig (1)
Referierte Publikation
- nein (7)
Schlagworte
- Digitale Transformation (7) (entfernen)
Organisationseinheit der BAM
Eingeladener Vortrag
- nein (3)
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.
Prozessindustrie Gemeinsam Digital – Forschungsbedarf für die Digitalisierung der Prozessindustrie
(2019)
Die Digitale Transformation durchdringt weite Teile der Industrie mit einer zunehmenden Vernetzung und Digitalisierung entlang der Wertschöpfungskette.
Basierend auf dem Whitepaper der DECHEMA „Digitalisierung in der Chemieindustrie“ entsteht die Vision eines gläsernen Apparates mit einem zeitlich, räumlich und methodisch dichtem Monitoring der Betriebszustände, das eine daten- und modellbasierte Optimierung transienter oder instationärer Prozesse (das heißt An-/Abfahren, Laständerungen, etc.) erlaubt. Auch der nicht bestimmungsmäßige Betrieb von Apparaten oder Modulen wird zuverlässig erkannt. Basis ist hier die Implementierung von innovativer Messtechnik und neuartigen Sensoren in Kombination mit der Anwendung datengetriebener oder rigoroser Modelle zur Prozesssimulation und -kontrolle.
Anlagen, die auf diesem Konzept basieren, lassen sich sicher an Stabilitäts- bzw. Kapazitätsgrenzen und mit höherem Durchsatz betreiben. Trotz schwankender Rohstoffqualitäten kann eine gleichbleibende Zielqualität der Produkte mit rentablen Qualitätssicherungskosten garantiert werden. Dazu ist eine Vernetzung über weitere Branchen (Softwareingenieure, MSR-Technik, Betreiber, Hersteller) notwendig. Sie ergänzt komplementär die ENPRO-Initiative mit Themen der modularen Anlagenplanung und -konstruktion und modular verteilter Intelligenz. Ein Digitalisierungsbedarf besteht auch für bereits vorhandenen Anlagenbestand bzw. zukünftig nicht modular gestalteter Produktionsapparate der chemischen Industrie, um auch dort einen wesentlichen Beitrag zur Ressourcen- und Energieeffizienz zu leisten.
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.
Impulse zur Nutzung smarter Sensoren und Aktoren - Aktuelle Aktivitäten und Anwendungsbeispiele
(2020)
Eine der vielen Vorzüge smarter Sensoren und Aktoren ist die Bereitstellung zusätzlicher Informationen, auf die zukünftig neben bereits verwendeten Signalen zugegriffen werden kann. In verschiedenen Arbeitskreisen wird dieser Themenbereich im wechselseitigen Austausch mit Geräte- und Softwareherstellern und Forschungseinrichtungen vorangetrieben. In diesem Beitrag wird der aktuelle Stand der Diskussionen anhand von Beispielen erläutert.
This report summarizes findings from the first comprehensive study on digitalization in conformity assessment in Germany. The reults are based on data from a survey among conformity assessment bodies (CABs) conducted in 2022. It highlights the digital maturity of the organizations, the motives, benefits and obstacles of digital transformation as well as the actual technology trends.
The study on German CABs is part of a global project that covers various other countries (see www.qi-fokus.de).