1. IoT-teknologiat ja niiden soveltaminen käymisprosessien seurannassa
Esineiden Internet (IoT) on paradigma, joka mahdollistaa laitteiden saumattoman yhteenliittämisen ja tarjoaa etävalvonta- ja ohjausominaisuudet. IoT perustuu ensisijaisesti Radio Frequency Identification (RFID)-tekniikkaan, ja sitä tukevat kehittyneet anturiteknologiat, jotka tarjoavat mahdollisuuden mitata ja ymmärtää fyysistä maailmaa. IoT-ekosysteemin nopean kehittymisen myötä sen soveltamisala on laajentunut perustunnistuksesta ja RFID-tiedonkeruusta kokonaisvaltaiseen kehitykseen siirto- ja sovellustasoilla.
IoT-kehys koostuu kolmesta ydinkerroksesta:
- Havaintokerros: IoT:n perusta, joka sisältää tärkeitä antureita, RFID:tä, QR-koodeja, kameroita ja paljon muuta.
- Lähetyskerros: Vastaa havaintokerroksesta kerättyjen tietojen siirtämisestä käyttämällä teknologioita, kuten MODBUS, CAN-väylä, LoRa, NB-IoT, Wi-Fi ja 5G.
- Sovelluskerros: Tarjoaa laajan valikoiman teollisuuden sovelluksia, mukaan lukien älykodit, älyverkot, ympäristön valvonta ja autonominen ajaminen.
Mikrobikäymisprosesseissa ympäristön seuranta ja dynaamisten parametrien optimointi ovat olennaisia prosessin ohjauksessa. Fermentaatioparametrien reaaliaikainen seuranta on siksi ratkaisevan tärkeää. IoT:n tunnistusominaisuuksien ja siirtoteknologioiden jatkuvan kehityksen ansiosta laajamittainen tietojen seuranta käymisen aikana on nyt mahdollista. IoT-teknologiat edistävät yhä enemmän perinteisiä fermentointialoja mahdollistamalla älykkään tunnistuksen, mobiilisovellusten integroinnin ja etäprosessinhallinnan, mikä vähentää viime kädessä erien vaihtelua ja parantaa tuotteiden laatua.
2. Monen lähteen ja heterogeenisten anturitietojen integrointi
Nykyaikaiset käymislaitokset käyttävät erilaisia laitteistojärjestelmiä eri valmistajilta, mukaan lukien fermentorijärjestelmät, online-anturit ja prosessinvalvontalaitteet. Näistä heterogeenisistä järjestelmistä puuttuu usein yhteentoimivuus epäjohdonmukaisten rajapintojen ja protokollien vuoksi.
Kenttäväyläteknologiat toimivat teollisuusautomaation viestintäverkkojen selkärankana ja yhdistävät tehtaan kerroksessa olevat laitteet keskitettyihin valvomoihin. Yleisiä protokollia ovat EtherCAT, CAN-väylä, Profibus ja Modbus. Näistä Modbus on laajalti käytössä, ja se toimii isäntä/orja-arkkitehtuurissa, jossa isäntälaite lähettää datapyyntöjä tai komentoja ja orjalaitteet vastaavat vastaavasti mahdollistaen kaksisuuntaisen viestinnän.
Erilaisten laitteistojen integroinnin haasteeseen vastaamiseksi kehitettiin OLE for Process Control (OPC) -standardi. OPC hyödyntää Component Object Model (COM)– ja Distributed COM (DCOM) -tekniikoita laiteajureiden ja viestintäohjelmien kapseloimiseksi OPC-palvelimiin. Nämä palvelimet poistavat taustalla olevien fyysisten laitteiden monimutkaisuudesta, yhdistävät protokollia, kuten Modbusin, ja tarjoavat standardoidut tiedonvaihtorajapinnat asiakassovelluksille, mikä varmistaa saumattoman tiedon integroinnin käymisprosessissa.
3. Tietojen puhdistus ja esikäsittely käymisprosesseissa
Tietojen eheys on välttämätöntä tarkkojen, älykkäiden fermentaation hallintamallien rakentamiseksi. Puuttuva data on kuitenkin yleistä käymisprosesseissa johtuen tekijöistä, kuten anturivioista, varastointivirheistä, manuaalisista puutteista tai laitteiden toimintahäiriöistä.
Tyypillisiä fermentaation puuttuvien tietojen tyyppejä ovat:
- Verkkotietojen menetys: johtuu usein anturin tai tallennustilan toimintahäiriöistä.
- Offline-tietojen menetys: Saattaa johtua puuttuvista otanta- tai testausvirheistä.
- Harvat offline-tiedot: Verrattuna online-tietoihin offline-mittaukset ovat harvempia, mikä tekee integroinnista jatkuviin tietovirtoihin haastavaa.
Vakiomenetelmiä puuttuvien tietojen käsittelemiseksi ovat:
- Poistaminen: epätäydellisten tietueiden poistaminen. Tämä menetelmä soveltuu vain silloin, kun puuttuvat arvot ovat minimaalisia tietojen eheyden vaarantumisen välttämiseksi.
- Imputointi: puuttuvien arvojen täyttäminen seuraavilla tekniikoilla:
- Keskimääräinen imputaatio
- Hot Deck -imputaatio
- Odotus-maksimointialgoritmit (EM)
Tehokas tietojen esikäsittely varmistaa vankemmat ja luotettavammat mallit prosessin optimointiin.
4. Käymisprosessitietojen ominaisuudet ja visualisointi
Fermentaatiodata toimii tärkeänä mikrobien aineenvaihdunnan tiedon välittäjänä. Tehokkaat tietojen visualisointi-tekniikat antavat insinööreille mahdollisuuden tulkita paremmin prosessin dynamiikkaa, mikä mahdollistaa oikea-aikaiset säädöt ja ohjausstrategiat. Visualisointi voi myös auttaa tunnistamaan kriittisiä kohtia prosessin optimoinnille, mikä edistää käymistehokkuuden läpimurtoja.
Käymistietojen visualisoimiseksi tehokkaasti on tärkeää ymmärtää sen rakenne ja luokitukset:
- Verkkotiedot: Jatkuvasti tallennetut anturit.
- Offline-tiedot: Säännöllinen manuaalinen näytteenotto ja laboratoriomittaukset.
Matemaattisten laskelmien avulla nämä raakatietolähteet voidaan muuntaa johdetuiksi muuttujiksi, joilla on selkeä merkitys ja jotka tyypillisesti luokitellaan seuraavasti:
- Prosessimuuttujat: liittyvät syöttöön/tuloon ja ympäristöolosuhteisiin.
- Reaktorin muuttujat: Heijastavat käymisastian fyysisiä tiloja.
- Solufysiologiset muuttujat: osoittavat mikrobiviljelmän terveyden ja aineenvaihdunnan tilan.
Jokainen muuttujaryhmä tarjoaa ainutlaatuisia näkemyksiä, ja niitä voidaan analysoida prosessin vaihteluiden selittämiseksi, mikä tarjoaa arvokasta tukea tieteelliselle päätöksenteolle ja prosessien optimoinnille edistyneiden visualisointien koontipaneeleiden ja analytiikan avulla.
