Options
2012
Conference Paper
Titel
Data Mining zur Prozessoptimierung
Abstract
Zur Überwachung und Optimierung von Prozessen in der Verfahrens- und Fertigungsindustrie werden Sensordaten erfasst, die seit langem zur Anlagenüberwachung und für Regelungsaufgaben verwendet werden. Die Optimierung von Produktionsprozessen erfordert jedoch darüber hinaus Prozess- und Anlagenwissen, das bislang mittels physikalisch motivierter Prozessmodelle generiert wird oder als Expertenwissen des Anlagenpersonals vorliegt. Datengetriebene Prozessmodelle stellen eine Ergänzung der üblichen Prozessmodellierung dar. Dabei wird der Zusammenhang zwischen Sensordaten und Gütemaßen, die gewünschte Anlagen- und Prozesszustände sowie Produktmerkmale beschreiben, nachgebildet. Solche Modelle lassen sich insbesondere auch dann erstellen, wenn die Prozesse komplex, nichtlinear oder zeitvariant sind. Dieser Beitrag zeigt, wie datengetriebene Modelle aus Prozessdaten und Gütekriterien erstellt werden können und stellt Anwendungen zur Prozessoptimierung in der Verfahrenstechnik vor.
;
In order to supervise and to optimize processes in process and manufacturing industry, sensor data has been acquired and used for plant monitoring and feedback control for a long time. However, optimizing production processes requires additional knowledge about the processes and plants, which is up to now generated by means of physically motivated process models or exists as expert knowledge of the operating staff. Data driven process modeling constitutes an addition to the usual process modeling. Within these models, the connection between sensor data and quality criteria describing desired plant and process states as well as product features is reproduced. Such models can especially be generated even if the processes are complex, non-linear or time-variant. This contribution shows how data driven models can be generated from process data and quality criteria and presents applications for process optimization in process engineering.