Sprungziele
Seiteninhalt

Prozessautomatisierung

Die direkte Messung von Prozessvariablen zur Steuerung und Überwachung gestaltet sich je nach Prozess oftmals aufwendig und schwierig, da existierende Messtechnik zum einen zu teuer oder zum andern für einen Langzeiteinsatz nicht robust genug ist. Dies gilt insbesondere für biochemische Prozessvariablen, die in vielen Fällen nur nasschemisch über Analysatoren messtechnisch genau erfasst werden können (CSB, NH4 , organische Säuren, etc.). Die Entwicklungen und Forschungsansätze werden deshalb sinnvoll durch Voruntersuchungen im Labormaßstab ergänzt, wo Online-Kopplungen besser effizient zu entwickeln sind und zeitgleich mit stoffspezifischen oder speziellen Labordaten kalibriert und interpretiert werden können.

Hinzu kommt, dass die Erfassung von Prozessdaten mittels Online-Messtechnik trotz aller damit verbundenen Schwierigkeiten in den letzten Jahren in der industriellen Praxis stark zunimmt. Neben der Analyse dieser Daten unter dem Stichwort „Big Data“ ist auch die Frage nach der Zuverlässigkeit der Daten eine große Herausforderung, die bislang nicht ausreichend erforscht worden ist. Messfehler unterschiedlichster Art wie z.B. Fehlmessungen, mechanische, elektrische Defekte, schleichende Drift und prozessspezifische Eigenheiten (Messort, Wechselwirkungen mit anderen Prozessvariablen), erschweren eine nachfolgende Analyse der Daten und führen zu einem sehr hohen Arbeitsaufwand für die Datenvorverarbeitung die vielfach noch manuell durchgeführt wird. Aus diesem Grund ist der Bedarf für einen Qualitätsindex für Online-Messtechnik, der angibt wie zuverlässig der aktuell gemessene Wert ist, sehr hoch.

Darüber hinaus stecken in den Prozessdaten häufig ungenutzte Informationen zum Prozesszustand, die für regelungstechnische Zwecke sehr gut genutzt werden können. Diese Informationen möglichst automatisiert zu extrahieren ist aufwendig. Hierzu sind speziell adaptierte Datenanalysemethoden aus dem Bereich des Machine Learning notwendig.

Ziele und Nutzen

Innovative Online-Prozessanalytik eröffnet in Kombination mit neuen Möglichkeiten der Prozesssteuerung vielfältige Ansätze und neue Wege in der Steuerung von Feed-Menge und Feed-Zusammensetzung. So soll die Überwachung der Substratzufuhr soll über eine Bildanalyse mittels Kameraüberwachung durchgeführt werden.

Hier nur ein paar Beispiele:

  • Bildanalyse von Prozessabläufen/-zuständen
  • Online-Messtechnik
  • miniaturisierte Messtechnik
  • Anwendung von Softsensoren
Seite zurück Nach oben