Bei der industriellen Fermentation zum Beispiel variieren Parameter wie Substrate, Produkte, Nebenprodukte, pH-Wert, Temperaturen oder Verweilzeiten über die Zeit. Ein üblicher Ansatz ist die Definition und Überwachung von Prozess-Key-Performance-Indikatoren (KPIs) oder prozesskritischen Parametern (CPPs). Wenn die Prozesse reibungslos ablaufen, ist ein solcher Ansatz durchaus angemessen. Was aber, wenn ein Prozess seine KPIs nicht erfüllt? Oder, wenn die CPPs nicht spezifikationsgerecht sind? Können Sie die Ursache sofort erkennen? JMP Systems Engineer Florian Vogt berichtet in diesem Webinar über seine eigenen Erfahrungen mit diesem Ansatz und Grenzen, an die er gestoßen ist. Als Verfahrensingenieur machte Vogt die Erfahrung, dass das Fehlen einer klaren Methode zur Identifizierung von Prozessproblemen viel Zeit und Geld verschwendet.

Warum ist man bereit, diese Verschwendung von Ressourcen zu akzeptieren? Warum konnte man die Prozesse nicht vollständig verstehen? Vogt erklärt, dass sie damals einfach nicht dazu in der Lage waren. Der standardmäßige Ansatz schränkte die Möglichkeiten der Ingenieure ein, jene Parameter zu analysieren, die sich im Laufe der Zeit veränderten. Viele wertvolle Informationen gingen verloren, wenn man nur den Mittelwert oder eine Anfangs-/Endeinstellung analysierte.

Vogt argumentiert, dass es heute eine viel bessere Lösung gibt, um dieses Wissen zu gewinnen - selbst in Fällen, in denen sich wichtige Parameter im Laufe der Zeit ändern. Die Lösung ist der sog. „Functional Data Explorer“ in JMP Pro, der Industriestandard zur Erzielung hervorragender Analyseergebnisse selbst aus komplexen Daten. Mit dem Functional Data Explorer können Sie sogenannte "funktionale" oder "gekrümmte" Daten wie Zeitreihen, Spektren oder Sensordaten analysieren und sogar Versuchsplanungen (Design of Experiments, DOE) für solche Zielparameter durchführen.

Seien Sie dabei, um zu sehen, wie dieses Tool Ihnen helfen kann, komplexe Prozesse anhand von Fallstudien aus der realen Welt zu verstehen.

In diesem Webinar erfahren Sie:

• Was gekrümmte Daten sind und warum wir sie analysieren sollten.
• Wie man gekrümmte Daten untersucht und analysiert.
• Wie man dieses Tool im Kontext mit Design of Experiments einsetzen kann.