MATLAB und Simulink für die Chemie- und Petrochemiebranche

Prozessingenieure nutzen MATLAB® und Simulink®, um basierend auf Big Data und Machine Learning Echtzeit-Sensordaten zu analysieren, Steuerungsstrategien zu implementieren und Predictive-Maintenance-Systeme zu erstellen.

MATLAB und Simulink helfen Prozessingenieuren bei Folgendem:

  • Entwicklung prädiktiver Instandhaltungssysteme durch Anwendung numerischer Verfahren auf Hochgeschwindigkeits-Sensordaten
  • Nutzung von Machine Learning mit historischen Daten, um Prozessprobleme zu beheben
  • Nutzung von Datenmodellen zur Verbesserung der Prozessleistung 
  • Entwicklung und Implementierung von APC-Strategien (Advanced Predictive Control, komplexe prädiktive Regelung)
  • Digitalisierung, ohne von Datenwissenschaftlern oder IT-Personal abhängig zu sein

„Als produzierendes Unternehmen verfügen wir nicht über Datenwissenschaftler mit Fachkenntnissen zum Machine Learning, aber MathWorks stellte uns die Tools und das technische Know-how bereit, mit denen wir innerhalb weniger Monate ein System für die vorbeugende Instandhaltung in der Fertigung entwickeln konnten.“

Dr. Michael Kohlert, Mondi Gronau

Sehen Sie sich ein Beispiel an 

Shell verwendet prädiktive Analysen mit MATLAB, um Ereignisse und Anomalien in chemischen Produktionsanlagen zu erkennen.
Shell and the AACoE shows how to use MDCS to bring its engineers easy and painless AI tools to speed up processes while increasing their reliability.

Über Prozesssimulatoren hinaus

Herkömmliche Prozesssimulatoren reichen für stationäre Bedingungen im Allgemeinen aus, aber sie können nicht mit der inhärenten Dynamik der Eingangsdaten realer Anlagen umgehen. Mit MATLAB können Sie Ihre eigenen Gleichungen und Algorithmen schreiben. Somit haben Sie die vollständige Kontrolle über das gesamte Modell.

Außerdem können Sie MATLAB in Prozesssimulatoren wie Aspen Plus und gPROMS integrieren, um benutzerdefinierte Grundoperationen und erweiterte Analysen durchzuführen, Steuerschemata zu entwerfen und Optimierungsroutinen wie z. B. genetische Algorithmen zu nutzen.

Lesen Sie, warum Johnson Matthey sich für MATLAB statt für einen Prozesssimulator entschieden hat, um ein Abgasnachbehandlungssystem zu modellieren.

Optimieren von Anlagen mit Predictive Maintenance und Signalverarbeitung

MATLAB kann Ihnen helfen, Algorithmen für die prädiktive Instandhaltung zu entwickeln, die speziell an das Betriebs- und Architekturprofil Ihrer Ausrüstung angepasst sind. Mit der Predictive Maintenance Toolbox™ können Sie Bedingungsindikatoren entwerfen und die Restlebensdauer Ihrer Rotationsausrüstung schätzen.

Mit der Signal Processing Toolbox™ können Sie die Überwachung der Leistung Ihrer Kontrollschleifen automatisieren, aus der Ferne das Ausmaß an Korrosion oder Lochfraß in Ihren Rohrleitungen bestimmen und die Position und Anzahl von Rohrleitungslecks erfassen.

Lesen Sie, wie Baker Hughes MATLAB nutzte, um eine Predictive-Maintenance-Plattform für Gas- und Ölförderausrüstung zu implementieren und die Gesamtkosten um 30 bis 40 % zu reduzieren.

Machine Learning und Big Data

Mithilfe interaktiver Apps in der Statistics and Machine Learning Toolbox™ können Sie Machine-Learning–Techniken anwenden, ohne Experte in Data Science zu sein. MATLAB bietet außerdem eine einzige Hochleistungsumgebung für das Arbeiten mit Big Data – egal ob diese strukturierten und unstrukturiert sind. Dadurch können Sie Fehlerdetektion und Diagnosen schneller ausführen und Ihre Prozesse besser überwachen.

Lesen Sie, wie Forscher am I2C2 Millionen von Prozessdatenzeilen analysiert und Machine-Learning-Modelle zur Vorhersage der funktionellen Eigenschaften von Milchpulver entwickelt haben.

Deep Learning und Bildverarbeitung

Sie können mit wenigen Zeilen MATLAB-Code Deep-Learning-Modelle erstellen, die Ihre Prozessdaten nutzen, um abnorme Bedingungen vorherzusagen. Verwenden Sie Apps aus der Image Processing Toolbox™, um häufige Prozesse zu automatisieren, wie die Segmentierung von Bilddaten und die Batch-Verarbeitung großer Bilddatensätze. Sie können MATLAB für Bildverarbeitungsanwendungen nutzen, wie die Charakterisierung von Flammen, die Thermografie von Geräten und die Qualitätsprüfung von Kunststofffolien. Mit Deep Learning in MATLAB können Sie Funktionsdarstellungen direkt aus Bild- und Videodaten lernen.

Lesen Sie, wie die Dexerials Corporation bei der Folienherstellung die KI zur Fehlererkennung in Echtzeit einsetzt.

Prozessverbesserung mit Datenmodellerstellung

Nutzen Sie multivariate Analyse-Tools in MATLAB, um die unabhängigen bestimmenden Variablen zu ermitteln, die sich auf die Prozessleistung auswirken. Mit der System Identification Toolbox™ können Sie Modelle von dynamischen Systemen erstellen und verwenden, die nur schwer aus Grundprinzipien oder Spezifikationen modelliert werden können. Die Toolbox ermöglicht auch die interaktive Durchführung von Online-Parameter- und Zustandsschätzungen. 

Watch how Shell used MATLAB (3:35) , um Modelle zu entwickeln und einen Batch-Prozess in Echtzeit zu optimieren.

Entwicklung und Implementierung von APC-Strategien

Mithilfe von MATLAB-Steuerungsprodukten können Sie Steuerschemata entwerfen und dynamische Simulationen ausführen, um die Analyse des Anlagenverhaltens zu verbessern. Mit der Model Predictive Control Toolbox™ können Sie lineare und nichtlineare modellprädiktive Regler für Ihre Anlage entwerfen, simulieren und bereitstellen.

Steuerungsingenieure können auch Prozessmodelle aus Aspen Plus und gPROMS in Simulink einbetten. So können Sie vorhandene Modelle erneut bereitstellen, um eine Steuerungsstrategie in Ihrer bevorzugten Umgebung zu entwerfen.

in den industriellen Kühltürmen des Unternehmens 40 % der Energiekosten einsparen konnte, indem die Steuerungsstrategie mithilfe eines digitalen Zwillings optimiert wurde.

Digitalisierung

MathWorks kann Ihnen dabei helfen, Big Data-Strategien umzusetzen und zu implementieren, die speziell auf die Anforderungen Ihrer Organisation ausgerichtet sind. Sie können vordefinierte MATLAB-Toolboxen und Referenzarchitekturen verwenden, um eine Vielzahl von Anwendungen zu vereinfachen: von der Integration mit Enterprise-IT-Systemen, der Cloud und der Produktionsdaten-Infrastruktur bis zur Skalierung Ihrer Rechenfunktionen in Clustern oder der Bereitstellung Ihrer Modelle als Anwendungen, die Sie mit anderen teilen können, die MATLAB nicht benutzen.

Sehen Sie, wie Sie direkte Verbindungen mit OSIsoft PI-Systemen herstellen und operative Echtzeitanalysen aktivieren können. 

Sehen Sie, wie sich Shell für die Digitalisierung eingesetzt hat (29:14) und dabei MATLAB Production Server™ verwendet. Shell-Ingenieure automatisierten ihre Prozesse zur Integration von Daten aus verschiedenen Quellen, der Erstellung von Modellen und der Bereitstellung ihrer Analysen in der Cloud und in Enterprise-Systemen.

Ein geschlossener Kreislauf dank Bereitstellung von DCS

MATLAB-Algorithmen können mit der OPC Toolbox™ in eine Vielzahl von DCS-Systemen integriert werden. Die OPC Toolbox bietet Zugriff auf aktuelle und historische OPC-Daten direkt aus MATLAB und Simulink. Sie können OPC-Daten von Geräten wie DCS, SCADA-Leitsystemen und SPSen lesen, schreiben und protokollieren. Mit der OPC Toolbox können Sie mit Daten von Live-Servern und aus Datensammlungen arbeiten, die den Standards OPC DA, HDA und UA entsprechen.

Lesen Sie, wie Genentech MATLAB und die OPC Toolbox einsetzt, um eine Entwicklungsplattform für Überwachungs-Regelungsalgorithmen für Bioreaktoren aufzubauen.

„Ein weiterer Vorteil der Entwicklung unseres eigenen Systems in MATLAB und Simulink besteht darin, dass wir die organisationsspezifischen Kenntnisse und Fähigkeiten der Ingenieure von Johnson Matthey nutzen können, statt auf die Standardlösung eines anderen Unternehmens angewiesen zu sein.“

Tim Watling, Johnson Matthey

Lassen Sie uns wissen, wie wir Ihnen helfen können.

Wenden Sie sich an uns, um eine speziell auf Ihre Anforderungen zugeschnittene Evaluierung und ein maßgeschneidertes Preisangebot zu erhalten.