Bei vielen Aufgabenstellungen im Bereich der Qualitätsanalyse lassen sich die Zusammenhänge zwischen den Prozeßgrößen und dem Endprodukt nicht ohne weiteres analysieren oder berechnen. Hier helfen die auf Basis neuronaler Netze entwickelten Analyse- und Visualisierungswerkzeuge intraMiner und intraPoint.
Christian Werler
Prinzipiell handelt es sich beim neuronalen Netz um mathematische Funktionen, mit deren Hilfe sich komplexe Zusammenhänge anhand von Beispielen lernen und anschließend simulieren lassen. Beim Lernen von Beispielen modifiziert das Netz die Parameter so, daß sie nicht nur die angebotenen Beispiele reproduzieren, sondern gleichzeitig auch ein Prozeßmodell aufbauen. Beispieldaten können Rezepturen, Prozeßparameter, Produkteigenschaften oder subjektive Bewertungen eines Produktionsprozesses sein, die von einer Pilotanlage oder aus der Produktion stammen können.
Datenanalyse mit neuronalen Netzen
Das Visualisierungswerkzeug intraMiner ist ein Werkzeug zur Analyse großer Datenmengen. Hierzu clustert es mit Hilfe von neuronalen Netzen selbständig die Daten und macht inhaltliche Zusammenhänge zwischen verschiedenen Prozeßgrößen sichtbar. Das Softwaremodul spürt redundante Größen auf und unterscheidet wichtige von unwichtigen Parametern. Das Resultat der Analyse wird in Form einer Hypercube-Karte dargestellt (Abb. 1). Dabei lassen sich über zehn Größen gleichzeitig auf dem Bildschirm anzeigen und analysieren.
Der intraMiner arbeitet dabei als assoziativer Datenbankfilter. Nach Markieren eines oder mehrerer Würfel selektiert er automatisch die zugehörigen Datensätze. Die Korrelationen in den Farben der Datensatzvisualisierung entsprechen dabei den Zusammenhängen in den zu untersuchenden Größen, also zum Beispiel den Prozeßparametern und der Produktqualität.
Datengestützte Modellbildung
intraPoint ist ein Werkzeug zur Prozeßbild und Optimierung. Eine wichtige Funktion zur Untersuchung von Zusammenhängen zwischen Prozeß und Produktqualität ist die in intraPoint integrierte Sensitivitätsanalyse. Mit ihr steht ein Modul zur Verfügung, das überprüft, welchen Einfluß eine Eingangsgröße auf die angegebenen Ausgangsgrößen hat. Grundlage für die Analyse bildet das neuronale Prozeßmodell. Die Sensitivität ist dabei für jede Qualitätsgröße oder Produkteigenschaft einzeln verfügbar. Damit kann der Anwender schnell herausfinden, auf welche Größen er sich für seine weitere Optimierung konzentrieren muß. Darüber hinaus reduziert die Sensitivitätsanalyse auch den Meßaufwand erheblich, da Parameter, die die Produkteigenschaften nicht nennenswert beeinflussen, weggelassen werden können.
Neben Analyse und Visualisierung besteht mit intraMiner und intraPoint auch die Möglichkeit, gezielt einen Produktionsprozeß zu simulieren und bei Änderungen von Einflußgrößen vorab zu berechnen, welche Produkteigenschaften sich wie verhalten werden (Abb. 2). Dadurch reduzieren sich Aufwand und Kosten an Pilotanlagen zum Test neuer Verfahren.
Optimierung und Versuchsplanung
Das Optimierungsmodul erzeugt Parameterbelegungen oder modifiziert bekannte Einstellungen so, daß sie eine vorgegebene Zielfunktion minimieren. Nach dem Start der Optimierung ermittelt das System eine Menge von möglichen Lösungen und verbessert diese zyklisch. In jedem Schritt überprüft der Algorithmus die Randbedingungen und nimmt Veränderungen zurück, wenn eine Bedingung verletzt wurde. Ergebnis der Optimierung sind eine oder mehrere Einstellvorschriften für den Prozeß.
Die Versuchsplanung von intraPoint analysiert eine benutzerdefinierte Umgebung nach Bereichen, in denen die Prognose des Netzes eine niedrige Sicherheit aufweist. Werden diese Parameter in der Produktion verwendet und die Ergebnisdaten dem neuronalen Netz trainiert, verbessern sie das interne Prozeßmodell maximal. Aufgrund der Flexibilität des neuronalen Netzes müssen die vorgeschlagenen Parameter nicht exakt eingehalten werden. Das Netz kann somit praktisch jede Messung verwerten. Durch den Einsatz neuronaler Netze eignen sich intraMiner und intraPoint auch sehr gut für Analyseaufgaben, bei denen ungenaue Daten oder subjektiv erfaßte Größen enthalten sind.
Einfache Handhabung
Beide Werkzeuge lassen sich einfach unter Windows bedienen. Die interaktive 3D-Oberfläche von intraMiner erlaubt eine kurze Einarbeitungszeit, ohne das der Anwender komplexe statistische Zusammenhänge verstehen muß. Über die grafische Benutzerschnittstelle ist bei intraPoint der transparente Zugriff auf das gelernte Prozeßmodell, die Prognosegüte und die zugrunde liegenden Daten möglich. Über ODBC lassen sich aus allen gängigen Datenbanken Daten importieren. Darüber hinaus ermöglichen die optimierten Lernverfahren auch bei großen Datensätzen schnelle Reaktionen und kurze Trainingszeiten.
Anwendungen
intraMiner und intraPoint eignen sind besonders zur Modellierung von chemischen und verfahrenstechnischen Prozessen. Typische Anwendungsbeispiele des intraMiners sind die Analyse von Prozeßparametern und Rezepturen, Qualitätsmerkmale und Produkteigenschaften, Absatzzahlen, Marketingumfragen sowie Produktionskosten. intraPoint eignet sich generell zum Optimieren jedes rezepturgesteuerten Prozesses in der Verfahrenstechnik. Typische Einsatzbereiche sind
• das Konstanthalten der Produktqualität bei veränderlichen Rohstoffeigenschaften,
• das Kompensieren störender Einflüsse bei veränderter Prozeßumgebung oder Ausfall von Rohstofflieferungen sowie
• das Verkürzen der Entwicklungszeit für neue oder variierte Produkte.
Typisches Beispiel
Durch Analyse und Simulation der Produktqualität konnte die produzierte Ware minderer Qualität in einem konkreten Fall um 8% gesenkt werden. In diesem Prozeß nehmen rund 60 Größen Einfluß auf die Produktqualität und für die optimale Einstellung des Prozesses wurden über 50 Randbedingungen berücksichtigt. Erschwerend kam hinzu, daß in den 500 Messungen ca. 20% der Werte fehlten und die Messungen eine Ungenauigkeit von über 5% aufwiesen.
Weitere Informationen cav-266
Datenanalysemit intraMiner
Die wichtigsten Eigenschaften sind
• die Analyse komplexer Daten mit Hilfe neuronaler Netze,
• Aufzeigen von Zusammenhängen zwischen mehr als 10 Größen,
• das Feststellen und Verifizieren von Abhängigkeiten sowie das
• Finden und Zeigen semantischer Korrelationen.
Prozeßoptimierungmit intraPoint
Das Modul eignet sich zum
• Simulieren komplexer Prozesse mit hundert und mehr Größen,
• Variieren von Rezepturen,
• selbständigen Auffinden von Parametern für kostenoptimale Qualität,
• zur Reduktion von Tests an Pilotanlagen,
• zum Ermitteln relevanter Prozeßgrößen sowie zur
• Verbesserung von Prozeßmodellen mit adaptiver Versuchsplanung.
Unsere Webinar-Empfehlung
Die Websession „Wasserstoff in der Chemie – Anlagen, Komponenten, Dienstleistungen“ (hier als Webcast abrufbar) zeigt technische Lösungen auf, die die Herstellung und Handhabung von Wasserstoff in der chemischen Industrie sicher machen und wirtschaftlich gestalten.
Ob effizienter…
Teilen:
