Die Nutzung von Künstlichen Neuronalen Netzen erlaubt neben der Entwicklung von Softsensoren ebenfalls einen tieferen Einblick in die eigenen Prozesse durch die Auswertung der verfügbaren Prozessdaten.

Bei der Entwicklung von Softsensoren muss eine große Menge an Daten gesammelt und verarbeitet werden. Hierzu können die vorhandenen protokollierten Prozessdaten herangezogen werden. Diese Datensätze bilden den Prozess in vielen Details ab und können somit vertiefte Einblicke in die Zusammenhänge von einzelnen Variablen liefern.

Diese Zusammenhänge sind in den meisten Fällen jedoch so komplex, dass keine direkte Korrelation der einzelnen Parameter möglich ist. Es muss teils mit hochkomplexen Algorithmen gearbeitet werden, um Zusammenhänge zu erkennen. Für diesen Zweck eignen sich z. B. künstliche neuronale Netze, da sie einerseits mit zueinander korrelierenden Eingangsgrößen umgehen können und andererseits auch Zusammenhänge erkennen, die mit anderen Systemen nicht dargestellt werden können.

Durch den hohen Reifegrad der hier verfügbaren Software, können inzwischen auch die Zusammenhänge von einzelnen Eingangsgrößen
zu einzelnen Ausgangsgrößen untersucht und abgebildet werden. Dies liefert ein sehr viel tiefer gehendes Prozessverständnis, als es mit konventionellen rein naturwissenschaftlichen Ansätzen möglich ist. Weiterhin lassen sich im Umkehrschluss aus den gegebenen Zusammenhängen die physikalischen oder chemischen Gründe
folgern, sofern die Parameter überschaubar bleiben.

Dies wird durch Sensitivitätsanalysen der einzelnen Parameter möglich, da diese Analysen die Gewichtung der einzelnen Variablen abbilden. Mit Hilfe dieser Gewichtungen kann abgeschätzt werden, ob die Veränderung eines Parameters Einfluss auf den Prozessverlauf hat und wie stark dieser Einfluss ist. Zeigt sich hierbei beispielsweise, dass ein einzelner Parameter stark prozessbestimmend ist, kann daraus abgeleitet werden, wie sich das Verfahren optimal einstellen lässt bzw. welche Veränderungen am Prozess keinen negativen Einfluss auf die Produktqualität haben. Dies hilft das Verfahren im Detail zu verstehen und zu optimieren.

Bei der Prozessanalyse mittels künstlicher neuronaler Netze arbeiten wir eng mit der Firma atlan-tec GmbH zusammen und nutzen NeuroModel®. Bei einfachen Aufgabenstellungen nutzen wir die Software MESOS des SKZ.