Soft-Sensor für den Schmelzindex in Polymerisationsreaktoren
Ein inferentieller Sensor schätzt den Schmelzindex (MFI) laufend aus Prozessmessungen — die Qualitätsregelung muss nicht auf Laborergebnisse warten, die Stunden später kommen.
Soft-Sensor-Lösung
Ansatz
Ein Modell — datengetrieben (etwa PLS oder neuronale Netze) oder auf Basis der Reaktionskinetik — bildet die kontinuierlich gemessenen Prozessbedingungen auf die Qualitätsgröße ab, die das Labor nur selten misst. Jedes neue Laborergebnis korrigiert den Modell-Offset; die Schätzung geht an die Bediener oder an eine übergeordnete Regelung.
Eingangsvariablen
- Reaktortemperaturen und -druck
- Zulaufraten von Monomer, Comonomer und Katalysator
- Wasserstoff (Kettenüberträger): Konzentration oder Zulauf
Ausgangsvariablen
- Schmelzindex (MFI)
Modelltyp
- Datengetriebene Regression (z. B. PLS, neuronale Netze)
- First-Principles-Kinetikmodell
Aktualisierungsstrategie
- Offsetkorrektur mit jedem Laborergebnis
- Rekursive oder Moving-Window-Modellanpassung
Ergebnisse
-
Kadlec, Gabrys und Strandt geben einen Überblick über datengetriebene Soft-Sensoren in der Prozessindustrie — typische Methoden, Anwendungen und die praktischen Probleme bei Aufbau und Pflege, einschließlich Datenvorverarbeitung und Modellanpassung.
-
Dow Chemical berichtete über die nichtlineare modellprädiktive Regelung eines industriellen Polymerisationsprozesses, seit Oktober 2012 im Dauereinsatz: Polymerqualitätsgrößen, die das Labor nur selten liefert, werden im geschlossenen Kreis geregelt, indem die NMPC das Temperaturprofil der Reaktoren vorgibt. Das Prozessmodell kombiniert Massenbilanzen mit Reaktionsgeschwindigkeiten und eine Energiebilanz.
Warum es wichtig ist
- Der MFI ist eine zentrale Qualitätsspezifikation von Polymeren. Ist er nur aus periodischen Laboranalysen bekannt, werden Qualitätsabweichungen — besonders bei Sortenwechseln — spät erkannt und erzeugen Fehlware.
- Eine kontinuierliche Schätzung ermöglicht Bedienern oder einer übergeordneten Regelung, auf den aktuellen Qualitätszustand zu reagieren statt auf das letzte Laborergebnis.
Haben Sie eine Regelungsaufgabe? Sprechen wir.
Quellen
Kadlec, P., Gabrys, B., Strandt, S. — review.
Bindlish, R. (The Dow Chemical Company). Angaben aus dem veröffentlichten Abstract.
Überblick
In der kontinuierlichen Polymerisation wird der MFI durch die Reaktorbedingungen bestimmt — Temperaturen, Zuläufe und Wasserstoff als Kettenüberträger —, aber nur durch periodische Laboranalysen gemessen. Ein inferentieller Sensor schätzt ihn laufend aus den Prozessmessungen.
Wann das Muster passt
- Die Prozessmessungen sind zuverlässig und kontinuierlich, die Qualität wird aber nur offline gemessen.
- Sortenwechsel erzeugen Fehlware, weil Korrekturen auf die Laborrückmeldung warten.
- Ein eigener Online-Analysator ist nicht verfügbar oder nicht gerechtfertigt.
- Eine übergeordnete Regelung (APC, NMPC) existiert oder ist geplant und braucht ein Echtzeit-Qualitätssignal.
Designentscheidungen
- Datengetrieben oder First Principles: Datengetriebene Modelle sind schnell aufgebaut, wenn die Historie alle Sorten abdeckt; Kinetikmodelle extrapolieren besser auf neue Sorten und Bedingungen.
- Genau bleiben: Jedes Laborergebnis ist eine Gelegenheit zur Korrektur; das Aktualisierungsschema wird vor der Inbetriebnahme festgelegt, nicht erst, wenn Drift auftritt.
- Vertrauen: Bediener akzeptieren die Schätzung schneller, wenn sie neben den Laborwerten angezeigt wird, die sie vorhersagt.
Verwandte Muster
Kontakt
Nachricht senden
Direkter Kontakt
Dr. Rafał Noga
Bleiben Sie informiert
Erhalten Sie Einblicke zu Industrieller KI, APC und Prozessoptimierung direkt in Ihr Postfach.