Transferzentrum »Verfahrenstechnik / Chemie«

Häufig gibt es zwischen modellgestützten Planungsdaten von Prozessanlagen und den real beim Anlagenbetrieb erfassten Prozessdaten substanzielle Unterschiede, deren Klärung für die Weiterentwicklung der Prozesse von hoher Relevanz ist.

Die scheinbar naheliegende Nutzung von Standardverfahren des Machine Learning ist hier nicht zielführend, da die aufwendige Sensorik und Analytik in Produktionsanlagen in der Regel das Input-Output-Verhalten nur unvollständig erfasst und darauf basierend nur bedingt erlernbar ist.

Deshalb ist es das wesentliche Ziel, durch die stark interdisziplinäre Zusammenarbeit im Transferzentrum »Verfahrenstechnik / Chemie« derartige systematische Lücken durch Modelle zu schließen und somit die Entscheidungsunterstützung und die Prozessentwicklung in der chemischen Industrie voranzutreiben.

Schwerpunkte auf einen Blick

  • Entscheidungsunterstützung in chemischer und pharmazeutischer Industrie 
    • Modellbasierte Versuchsplanung 
    • Optimalsteuerung
    • KI zur interaktiven Entscheidungsunterstützung
  • Optimierte Auslegung von Apparaten und Prozessen in der Trenntechnik (Destilllation, Filtration, Separation, Aufbereitung) und in der Reaktionstechnik (Katalyse, Elektrochemie)
    • Multiskalen-Auslegung von Trennapparaten 
    • Mikrostrukturauslegung katalytischer Prozesse
    • Digitale Filtermodelle zum Onlinemonitoring 
    • Stationäre und dynamische Simulation im Gleichgewichtsstufenmodell, z.B. für Batchdestillationen
  • Prozessentwicklung für Fasern und Vliesstoffe 
    • Simulation von Spinnprozessen
    • Auslegung und funktionale Eigenschaftsbewertung von Filtermedien und Filterelementen zur Luft-, Feststoff- und Partikelfiltration

Projekte zur Entwicklung hybrider/Greybox-Verfahren in der chemischen Industrie

  • »KEEN: KI-Inkubator-Labore in der Prozessindustrie« 
  • »Ammonpaktor: Nutzung von Ammoniak als kohlendioxidfreien Wasserstoffspeicher für die dezentrale Bereitstellung von Wasserstoff – Entwicklung eines innovativen kompakten Reaktorkonzeptes« 
  • »Batch2Konti: Mit smarten Modellen von Batch- zu Kontiprozessen in der Biotechnologie«
  • »SmartModels: Einsatz lernender Verfahren zur Optimierung von Produkten und Produktionsprozessen« 
  • »Kernel Methods for Confidence Regions in Optimal Experimental Design and Parameter Estimation« 

Kooperationen

Wir arbeiten unter anderem zusammen mit der BASF, Bayer, Evonik, IBS Filtran, Lonza, Merck und Umicore.