Workshop zur Digitalisierung Wie die Mathematik zur digitalen Transformation beiträgt

Auf Einladung des Leistungszentrums „Simulations- und Software-basierte Innovation“ trafen sich am Fraunhofer ITWM in Kaiserslautern internationale Wissenschaftler zu einem zweitägigen Workshop. Ihr Thema: Digitalisierung in der chemischen Industrie. Im Mittelpunkt standen dabei mathematische Methoden in der Verfahrenstechnik.

Kaiserslautern – Den Leitgedanken der Veranstaltung formulierte Martin Strohrmann gleich zu Beginn. Er organisiert bei der BASF die Digitalisierung der Forschung und ist sich der Problematik bewusst: „Digitalisierung bringt riesige Veränderungen, auch in der chemischen Industrie. Wir müssen den Wandel jetzt vorantreiben, um international wettbewerbsfähig zu bleiben“, so Strohrmann. Dazu müssten in den Unternehmen geeignete Datenarchitekturen hergestellt werden. Prof. Karl-Heinz Küfer, Bereichsleiter Optimierung am Fraunhofer ITWM, vertrat die gleiche Meinung: „Unser Ziel ist die seriöse Kopplung von Methoden der Datenanalyse und physikalischen Modellen. Dazu arbeiten wir mit Greybox-Modellen, denn eine rein datenbasierte Modellbildung reicht nicht aus.“

Daten strukturieren und verstehen

Das Problem – nicht nur in der chemischen Industrie – ist die Qualität der Datenlage. Erhoben werden Daten während des Prozesses mit Sensoren, die an verschiedenen Punkten der Produktionsanlagen angebracht sind. Nicht ganz klar ist, ob die Sensoren immer voll funktionsfähig sind, ob es eine ausreichende Anzahl an Sensoren gibt, um den Vorgang abzubilden und ob sie an den richtigen Stellen der Anlage sitzen. Darüber hinaus gibt es externe Faktoren, die die Datenerhebung verzerren können. Häufig können rein datenbasierte Algorithmen nicht ausreichend trainiert werden, weil die Daten, aus denen sie lernen sollen, zu inhomogen oder zu dürftig sind.

Verschiedene Betriebszustände erfassen

„Wenn man verlässlich aus Daten lernen möchte, braucht man möglichst vollständige Informationen über die Varianten des betrachteten Gegenstands“, sagt Michael Bortz, Abteilungsleiter „Optimierung - Technische Prozesse“ am Fraunhofer ITWM. Soll beispielsweise in der Bildverarbeitung ein Algorithmus darauf trainiert werden, einen Hahn zu erkennen, muss man ihm viele verschiedene Bilder von Hähnen zeigen. Übertragen auf verfahrenstechnische Produktionsprozesse bedeutet das, dass man die Vielfalt von möglichen Betriebszuständen vollständig in Form von Messdaten abgebildet sein müssten – was in der industriellen Praxis weder möglich noch sinnvoll ist. Genau hier kommen Greybox-Modelle zum Einsatz, um durch die Kombination von physikalischem Prozesswissen und vorhandenen Daten ein verlässliches Gesamtbild zu erhalten.

Beyond Number 42: Die richtigen Fragen stellen

Welche großen Fortschritte bei den digitalen Methoden zur Optimierung von Energieversorgung, auch bei der chemischen Industrie, bereits gemacht wurden, zeigte Prof. André Bardow, Inhaber des Lehrstuhls für Technische Thermodynamik an der RWTH Aachen. Algorithmen und Rechenergebnisse alleine würden dabei nicht ausreichen: „Das wissen wir aus Per Anhalter durch die Galaxis. Es kommt auch darauf an, die richtigen Fragen zu stellen. Sonst stehen wir ratlos vor einem Ergebnis 42.“

In seinem Vortrag erläuterte Bardow Methoden, die es erlauben Fragen zu stellen bzw. systematische Erkenntnisse aus den Ergebnissen abzuleiten. Er betonte, dass es nicht reicht, das bestmögliche Ergebnis als Resultat einer mathematischen Optimierung zu kennen; man muss vielmehr verstehen, warum dieses Ergebnis unter den gemachten Annahmen das beste ist, und was sich daran ändert, wenn sich die Annahmen ändern. Wissenschaftliche Diskussionen und persönliches Networking bilden die Basis, um die Themen der zukünftigen Verfahrenstechnik zu vermitteln und zu gestalten. Input gab es reichlich an den beiden Tagen, vor allem für die Verknüpfung verschiedener Skalen bei der Prozesssimulation sowie hinsichtlich neuer Methoden für die Prozessoptimierung.

(ID:45497751)