Scalable Digital Twin for Catalyst Production Management and Optimization

Chemietechnische Produktionsprozesse sind oft komplex und hängen von einer Vielzahl von Prozessparametern, Umgebungsbedingungen und Schwankungen in Qualität und Zusammensetzung von Rohstoffen ab. In der Spezialchemie kommt die Herausforderung kleiner Chargen und häufiger Produktinnovationen hinzu. Die Bestimmung von Prozessparametern für Produktanlauf, Chargenwechsel und Normalbetrieb erfolgt oft durch Versuch und Irrtum - ist eine stabile Konfiguration gefunden, wird diese nicht weiter optimiert.

Im DIGICAT-Vorhaben werden Digitale Zwillinge zur Optimierung chemietechnischer Anlagen untersucht. Es wird auf eine Kombination von physikalisch-chemischen First Principle Modellen mit einer datengetriebenen Verfeinerung der Modelle und kontinuierlichen Anpassung an die Realität mit Hilfe von Methoden des maschinellen Lernens, insbesondere des verstärkenden Lernens, gesetzt. Die resultierenden Digitalen Zwillinge werden eingesetzt, um den Betrieb der Anlagen kontinuierlich und automatisiert zu optimieren. Angestrebt wird eine erhebliche Steigerung des Durchsatzes der Anlagen (bis zu 25%), die Sicherstellung gleichbleibender Produktqualität auch bei Verwendung von recycelten Rohstoffen mit fluktuierender Qualität sowie eine signifikante Reduktion von Rohstoffverbrauch, Energieverbrauch und CO2/NOX-Emissionen.