Options
2010
Conference Paper
Titel
Online-Prädiktion der Prozessgüte komplexer Batchprozesse mittels informationstheoretischer Maße und Support Vector Machines
Abstract
Aufgrund der ständig zunehmenden Komplexität verfahrenstechnischer Anlagen (z. B. der chemischen oder Glas-Industrie) wird es für den Anlagenfahrer immer schwieriger, frühzeitig zu erkennen, ob der Prozess hinreichend gut geführt wird. Dies gilt besonders für instationäre Prozessphasen, z. B. Anfahrphase oder Arbeitspunktwechsel. Da mit dem ebenfalls zunehmenden Automatisierungsgrad der Produktionsanlagen immer mehr Sensor- und Aktordaten des Prozesses zur Verfügung stehen, bietet es sich an, ergänzend zu modellbasierten Konzepten Data-Mining-Methoden zur Überwachung und Optimierung der Prozesse einzusetzen. Im vorliegenden Beitrag wird dazu ein neuartiges Konzept vorgestellt, welches im Rahmen des Fraunhofer-Verbundprojektes ProDaMi entwickelt wurde. Mittels Data-Mining-Methoden werden aus historischen Prozessdaten relevante Merkmale extrahiert und es wird ein datengetriebenes Modell zur Prädiktion eines definierten Gütemaßes (z. B. Ausschussmasse) generiert. Das Konzept bietet die Möglichkeit, ungünstige Prozessentwicklungen online frühzeitig zu erkennen, um die Prozessführung anpassen zu können. Die Leistungsfähigkeit des Konzeptes wird anhand eines Benchmarkprozesses (Klatt-Engell-Reaktor) sowie eines industriellen Glasziehprozesses demonstriert.