Operacje wsadowe. Zastosowanie technologii analizy procesu – korzyści

Udane zastosowanie analizy wsadowej do operacji online, w wyniku czego powstało rozwiązanie sprawdzone w procesie wsadowym produktów chemicznych. Artykuł przedstawia podstawy analizy wsadowej, włącznie z dostępem poprzez interfejs sieciowy (część 1.).
Technologia analizy procesu (Process analytical technology – PAT), rozumiana szeroko, obejmująca analizy chemiczne, fizyczne, mikrobiologiczne, statystyczne oraz analizę ryzyka, przeprowadzane w sposób zintegrowany, jest szeroko stosowana w produkcji wsadowej. Zwłaszcza wieloczynnikowe modelowanie statystyczne (analiza danych) stanowi doskonałe narzędzie przeznaczone do analizy procesu wsadowego. Realizacja online technologii analizy procesu obejmuje wykrywanie wad (błędów) oraz przewidywanie jakości partii produktu. Takie podejście daje znaczne korzyści ekonomiczne, jednakże wdrożenia napotykają na wiele wyzwań i jak dotychczas, niewiele jest udokumentowanych realizacji online.
Aby zastosowanie analizy online procesu wsadowego było udane, należy zwrócić uwagę na następujące kluczowe obszary:

  • Zatrzymanie procesu: Inicjowane przez operatora i przez zdarzenie zatrzymania i ponowne uruchomienie procesu. Czasami zatrzymanie i ponowne uruchomienie stanowi część planowanego procesu wsadowego, tak jak w przypadku zatrzymań w celu dodania specjalnego składnika. W innych przypadkach postęp przebiegu procesu może być opóźniony przez ograniczenia spowodowane potrzebą oczekiwania na dostępność wspólnego urządzenia. Podczas opracowywania modelu analitycznego oraz przy stosowaniu narzędzi analitycznych online muszą zostać uwzględnione dane dotyczące zatrzymań procesu.
  • Dostęp do danych laboratoryjnych: Z uwagi na naturę przetwarzania wsadowego, pomiar online parametrów jakościowych może być technicznie niewykonalny lub ekonomicznie nieuzasadniony. Z tego też względu zwykle pobiera się próbki w różnych punktach wsadu i analizuje w laboratorium. Celem wdrożenia narzędzi analitycznych online konieczne jest, aby wyniki laboratoryjne były dostępne dla opracowania modelu i walidacji.
  • Zmiany w dostarczanych surowcach: Załadowanie wsadu może odbywać się ze zbiorników magazynowych, które są okresowo uzupełniane w ramach procesów poprzedzających, lub z dostaw transportem samochodowym albo drogą kolejową od zewnętrznych dostawców. Zmiany właściwości dostarczanych surowców bezpośrednio wpływają na operację wsadową oraz parametry jakości i powinny być dostępne dla narzędzi analitycznych stosowanych online.
  • Zmieniające się warunki robocze: Wraz z każdą operacją wsadową mogą się znacznie zmieniać warunki przetwarzania. Proces wsadowy powinien być podzielony na operacje przeprowadzane w podobnych warunkach (etapach), a model analityczny powinien być opracowany dla każdego etapu.
  • Wsady jednoczesne: Wielokrotne wsady tego samego produktu mogą się znajdować na różnych etapach ukończenia produkcji.
  • Gromadzenie i organizowanie danych: Jedną z ograniczających rzeczy, która często nie pozwala na przeprowadzenie szczegółowej analizy procesów wsadowych, jest brak możliwości dostępu, niepoprawna kolejność oraz organizacja zestawu danych, wszystkich niezbędnych danych. Celem wykonania analizy procesu i przekazania wyników tej analizy online potrzeba ta musi być spełniona.
  • Ujednolicanie danych z różnych partii: Czas przetwarzania wsadów nie jest jednakowy. Dla opracowywania modelu analitycznego dane dotyczące różnych wsadów (partii) powinny zostać wyrównane, formując dane z taką samą liczbą próbek danych dla każdego wsadu.

Skuteczne rozwiązanie, które sprosta wymaganiom procesu wsadowego, może powstać poprzez stosowanie aktualnych rozwiązań i wyników badań w zakresie modelowania wsadowego, systemów sterowania procesem oraz technologii sieci, a następnie przez rozważanie strategii implementacji w oparciu o ścisłą współpracę z projektantami systemów analitycznych i końcowymi użytkownikami.
Podstawy analizy
Narzędzia analityczne mogą być z powodzeniem wprowadzone do wieloczynnikowych metod statystycznych, znanych od początku ubiegłego wieku. Komputery osobiste umożliwiły praktyczne zastosowanie tych metod w wielu aplikacjach, a w szczególności do analizy wsadowej. Do implementacji analizy wsadowej opracowano również kilka związanych z nią technik, głównie do rozwijania i wyrównywania danych. Poniżej, w skrócie, przedstawiono techniki analizy wsadowej.
Wyrównywanie danych
Czas potrzebny do zakończenia jednej lub więcej operacji związanych z wsadem (partią) może się zmieniać z uwagi na zatrzymania procesu lub warunki przetwarzania (patrz rysunek 1). Jednakże dane dotyczące wsadu użyte do opracowania modelu muszą być w jakiś sposób „wyrównane” w celu ułatwienia analizy danych.
W celu uzyskania jednakowej długości wsadu dane dla określonego czasu mogą zostać po prostu odcięte, skompresowane lub rozciągnięte w jakiś sposób, aby osiągnąć taką samą ilość przyrostów czasowych. Lepsze wyniki można osiągnąć, stosując nowszą technikę, znaną jako metoda DTW (dynamic time warping – dynamiczne dopasowanie czasowe). Metoda DTW pozwala na wyrównanie danych wsadu według trajektorii odniesienia poprzez minimalizowanie całkowitej odległości między nimi. Wsad (partia) o średnim czasie trwania może być użyty jako wsad z początkową trajektorią odniesienia DTW. Zasada DTW wyrównywania jednej trajektorii jest zobrazowana na rysunku 2. Aby spełnić wymaganie uzyskania minimalnej odległości pomiędzy trajektoriami, dwa lub więcej punktów na trajektorii czerwonej (A) może być zamienione na jeden punkt na zielonej, wyrównanej trajektorii lub też jeden punkt zostaje rozciągnięty na wiele punktów (B).
Rozwijanie danych
Wyrównany plik danych modelu stanowi siatkę trójwymiarową: wsady (partie) I, zmienne J oraz okresy skanowania K (patrz rysunek 3). Przed opracowaniem modelu plik danych jest rozwijany w dwa wymiary, IKxJ. Najnowsze usprawnienie, w stosunku do powszechnie stosowanego rozwijania według wsadu oraz według zmiennej, stanowi rozwijanie hybrydowe. Przy rozwijaniu hybrydowym wartości średnie i zmienne są obliczane dla każdego przedziału czasowego dla danych rozwiniętych według wsadu (patrz rysunek 3, strzałka A). Dane są następnie przegrupowane jako rozwinięte według zmiennej (patrz rysunek 3, strzałka B). Z tego też względu nie ma potrzeby arbitralnego ustalania trajektorii według aktualnego czasu, do chwili zakończenia danego etapu, jak ma to miejsce w przypadku pierwotnego rozwijania według wsadu.
Wieloczynnikowe metody statystyczne
Procesy, w których zachodzą różnorakie powiązane ze sobą zależności, wymagają użycia wieloczynnikowych technik statystycznych. Rysunek 4 pokazuje, że podczas kiedy trendy obu związanych ze sobą parametrów mieszczą się w ustalonych dla nich odpowiednich granicach sterowania procesem, dana operacja procesujest mimo to uznana, dla zaobserwowanego stanu, za wadliwą (tzn. naruszona została zależność pomiędzy parametrami), a wada jest wykryta jedynie poprzez statystykę wieloczynnikową.
Podstawową, często używaną metodą statystyki wieloczynnikowej jest analiza składowych głównych (PCA – principal component analysis). Podstawą technologii PCA jest założenie, że profil czasowy pomiaru wartości może być ustalony na podstawie wielu wsadów (partii), z których wyprodukowano dobrej jakości produkt i nie było nadzwyczajnych trudności podczas przetwarzania. Model taki może być wykorzystany do lepszego zrozumienia, jakie są wzajemne zależności pomiędzy wieloczynnikowymi parametrami oraz jak wszystkie czynniki mogą wpływać na różnice kosztów między partiami.
Struktura modelu uwzględnia, że wiele pomiarów wykonanych podczas operacji wsadowej jest wzajemnie od siebie zależnych i w podobny sposób reaguje na zmiany wejściowe procesu. Innymi słowy, są one współliniowe. Dla takich warunków wszystkie zmienne procesu mogą być modelowane przez podstawowe główne składowe (macierz T na rysunku 3). Model analizy PCA może być zastosowany do identyfikacji błędów procesu i pomiaru, które mogą mieć wpływ na jakość produktu.
Modelowana część zmiennej procesu może być również poddana testowi statystycznemu przy użyciu testu T2 Hotellinga. Nieskorelowane zmiany, niewłączone do głównych składowych, nie są modelowane. Są one przedstawione jako statystyka Q (Q statistic). W ten sposób wszystkie zmiany procesu mogą być odwzorowane przez dwa wskaźniki (patrz rysunek 5). Dwa wykresy słupkowe przedstawione na dole pokazują, jak poszczególne parametry procesu wpływają na zmiany procesu. Dla oceniania wybranego parametru operatorzy mogą spojrzeć na trend parametru, wykreślony wraz z trendem referencyjnym oraz akceptowalnym przedziałem zmian parametru.
Poprzez wykorzystanie tych dwóch danych statystycznych możliwe jest wcześniejsze określenie pojawienia się we wsadzie (partii) wadliwych warunków i w ten sposób umożliwienie przeprowadzenia kontroli i czynności korekcyjnych, by przeciwdziałać skutkom usterki.
Metoda rzutowania pierwotnych danych na tzw. zmienne ukryte (Projection to latent structures – PLS), znana również pod nazwą metoda częściowych najmniejszych kwadratów (partial least squares), jest zastosowana do analizy wpływu warunków przetwarzania na jakość końcowego produktu i może dostarczyć operatorom możliwość ciągłego przewidywania parametrów jakościowych, jakie będą na końcu procesu wsadowego. W przypadku niektórych wsadów (partii), gdzie celem jest sklasyfikowanie wyników operacji w kategoriach dyskretnych (nieciągłych) (np. kategoria błędu, gatunków itp.), użyta byłaby kolejna wieloczynnikowa metoda statystyczna znana jako analiza dyskryminacyjna PLS-DA (DA – discriminate analysis) w połączeniu z PCA oraz PLS.
W części 2. opisane będą „Kroki do udanego wdrożenia projektu”.
CE