Selbstüberwachung von Bioprozessen mittels Schwarmintelligenz
Zusammenfassung der Projektergebnisse
Im Rahmen dieses Forschungsvorhabens wurde erfolgreich ein PSO-basierter Algorithmus entwickelt, um mithilfe der Schwarmintelligenz einzelne Sensoren eines Sensornetzwerkes zu überwachen. Dazu wurde zuerst ein umfangreicher Prozessdatenpool eines P. pastoris-Bioprozesses generiert. Folgende Messgrößen wurden dabei online überwacht: pH, pO2, Methanolkonzentration, Trübung, Konzentration von O2 und CO2 im Abgas, Temperatur und Druck. Als Aktoren wurden zudem die Zugabe von Antischaum und basischen pH-Korrekturmittel, die Rührergeschwindigkeit und die Begasungsrate aufgezeichnet. Aufbauend auf diesen Prozessdatenpool, wurde der PSO-Algorithmus entwickelt und validiert. Zur Datenvorbereitung wurde neben Standardmethoden, wie einer z-Transformation, ein automatisiertes Clustering der Prozessdatensätze auf Basis eines MPCA- Algorithmus implementiert. Hierbei wurden Datensätze mit Prozess- oder Sensorfehlern von gewöhnlich verlaufenden Prozessdatensätzen getrennt. Um die zeitliche Varianz der Datensätze zu adressieren, wurde ein PLSR-basierter Maturity Index etabliert. Mithilfe des Maturity Index wurden die selektierten Datensätze in überlappende Prozesssegmente eingeteilt. Für die Prozesssegmente konnten nun mithilfe des PSO-Algorithmus Vorhersagemodelle entwickelt werden. Aufgrund des Überlappens der Prozesssegmente, standen pro Segment bis zu 750 Prozessmodelle zur Verfügung. Mithilfe der Verteilung der Vorhersagen der Modelle und einem eigens entwickelten Reliability Score sowie der gerichteten Kullback-Leibler-Divergenz, wurde die Funktionstüchtigkeit der Sensoren, bewertet. Der Algorithmus wurde sowohl in fehlerfreien Prozessen wie auch in Störfallszenarien validiert. Mithilfe der entwickelten Technologie konnten so fehlerhafte Sensorwerte detektiert und rekonstruiert werden.
Projektbezogene Publikationen (Auswahl)
-
How can we detect sensor faults in sensor networks for bioprocesses? ProcessNet-Jahrestagung und 33. DECHEMA-Jahrestagung der Biotechnologen 2018. Aachen, Germany, 10. - 13. September 2018.
Brunner, V.; Klöckner, L.; Geier, D. & Becker, T.
-
How can we detect sensor faults in sensor networks for bioprocesses?. Chemie Ingenieur Technik, 90(9), 1237-1237.
Brunner, V.; Klöckner, L.; Geier, D. & Becker, T.
-
Online sensor validation for a Pichia pastoris bioprocess using swarm intelligence based dynamic modeling. DECHEMA - Smart Sensors - mechanistic and data driven modeling. Frankfurt am Main, Germany, 01. - 02. October 2018
V. Brunner, L. Klöckner, D. Geier & T. Becker
-
Online sensor validation in sensor networks for bioprocess monitoring using swarm intelligence. Analytical and Bioanalytical Chemistry, 412(9), 2165-2175.
Brunner, Vincent; Klöckner, Lukas; Kerpes, Roland; Geier, Dominik Ulrich & Becker, Thomas
-
Künstliche Intelligenz – Chancen für die Lebensmittelwirtschaft. FEI- Kooperationsforum, online, 20. & 27. April 2021.
T. Becker
-
Ensemble‐based adaptive soft sensor for fault‐tolerant biomass monitoring. Engineering in Life Sciences, 22(3-4), 229-241.
Siegl, Manuel; Brunner, Vincent; Geier, Dominik & Becker, Thomas
