Data-Mining-Technologie ist das Ergebnis langjähriger Forschung und Entwicklung im Bereich der Datenbanktechnologie. Anfänglich wurden verschiedene Geschäftsdaten in Datenbanken gespeichert. Diese entwickelten sich weiter, bis hin zur Abfrage und dem Zugriff auf Datenbanken und schließlich zur Echtzeit-Durchsuchung. Data Mining hat die Datenbanktechnologie auf eine fortgeschrittenere Stufe gehoben. Es ermöglicht nicht nur die Abfrage und Durchsuchung von Vergangenheitsdaten, sondern auch die Identifizierung potenzieller Zusammenhänge zwischen diesen Daten und fördert so die weitere Nutzung von Informationen. Das Forschungsproblem und der technische Ansatz dieses Projekts basieren erstmals auf der realen Entwicklung der traditionellen Pflanzenschutzmitteltechnologie in China und sind daher in China originell. Sie entsprechen der nationalen Industriepolitik, die Informationstechnologie zur Transformation traditioneller Industrien einsetzt. Die technische Architektur dieses Projekts basiert auf einer automatisierten Hardware- und Softwareplattform mit einem verteilten Steuerungssystem (DCS). Es wurde eine historische Datenbankplattform eingerichtet, und Data-Mining-Technologie wird eingesetzt, um Produktionsprozesse, Betriebsbedingungen und Rezepturen zu optimieren. So entsteht eine universelle Data-Mining-Softwareplattform. Die technische Systemarchitektur ist in Abbildung 1 dargestellt. 1. Zunächst wird der bestehende manuelle Betriebsmodus auf Basis des verteilten Steuerungssystems SUPCON JX-300X in einen stärker automatisierten Betriebsmodus umgewandelt. Dies gewährleistet eine stabile Triazophos-Produktion und die vollständige Datenerfassung. 2. Mithilfe der Datenerfassungs- und Historiendatenbankmodule des Echtzeit-Datenbanksystems ESP-iSYS der Zhejiang Zhongkong Software Technology Co., Ltd. wird eine Produktionshistoriendatenbank für den Triazophos-Syntheseprozess erstellt, um umfangreiche historische Daten zum Produktionsprozess zu sammeln. 3. Die historischen Produktionsdaten werden mittels Data-Mining analysiert, um Muster in den Prozessparametern und Rezepturen hinsichtlich Ausbeute und Wirkstoffgehalt von Triazophos zu identifizieren und optimierte Rezepturen, Prozessparameter und Produktionsprozesse vorzuschlagen. Grundlegende Automatisierung des Triazophos-Syntheseprozesses: Für die grundlegende Automatisierung des Triazophos-Syntheseprozesses ist es notwendig, sich zunächst mit dem Prozessablauf vertraut zu machen und ein relativ fortschrittliches Instrumentierungssystem zu entwerfen. Hierfür werden zuverlässige, leistungsstarke Drucksensoren, pH-Sensoren, Durchflussmesser, Temperatursensoren usw. ausgewählt, um genaue und zuverlässige Informationen über den Produktionsprozess zu gewährleisten. Ein Computersteuerungssystem für den Triazophos-Syntheseprozess wurde entwickelt. Analoge Eingangs-, Ausgangs- und digitale Ein-/Ausgangskarten wurden ausgewählt. Wichtige Karten (Hauptsteuerkarte, Datenweiterleitungskarte, Stromversorgung) und Schlüsselsignalpunkte wurden redundant ausgelegt (1:1), um die Systemzuverlässigkeit zu erhöhen. Zwei Bedienerstationen und eine Steuerstation wurden eingerichtet, um einen stabilen Betrieb und eine zuverlässige Datenerfassung zu gewährleisten. Die Analyse ergab folgende betriebliche Anforderungen an den Triazophos-Syntheseprozess: 1. Reaktionstemperaturregelung: Die Reaktionstemperatur jedes der drei Reaktoren muss mit einer Genauigkeit von ±1 °C geregelt werden. Die Synthesereaktion ist endotherm; die Aufrechterhaltung einer bestimmten Reaktionstemperatur kann die Reaktionsgeschwindigkeit erhöhen, den Betrieb stabilisieren und die Ausbeute verbessern. Zu hohe Temperaturen können jedoch zur Zersetzung der Rohstoffe führen und die Ausbeute beeinträchtigen. 2. pH-Wert-Kontrolle: Da die gesamte Reaktion in einer alkalischen wässrigen Lösung ablaufen muss, ist der pH-Wert des Systems zwischen 8,0 und 9,0 (leicht alkalisch) zu halten. Ein zu niedriger pH-Wert kann durch Zugabe von Alkali korrigiert werden. 3. Kontrolle der Toluolkonzentration zur Desolvensierung: Da das synthetisierte Produkt Triazophos in der Toluolphase vorliegt, ist nach der Reaktion eine Desolvensierung erforderlich, um das Toluol vom Reaktanten Triazophos zu trennen. Die Kontrolle der Toluolkonzentration beeinflusst direkt die Konzentration der Reaktanten und den Triazophos-Verlust, was zu einer geringeren Ausbeute führt. Angesichts des Umfangs des Triazophos-Syntheseprozesses, der spezifischen Steuerungsanforderungen und der Kosteneffizienz verschiedener Steuerungssysteme verwendet dieses Konzept das verteilte Steuerungssystem SUPCON JX-300X der Zhejiang Supcon Technology Co., Ltd. Dieses System integriert modernste Automatisierungs-, Computer-, Kommunikations-, Fehlerdiagnose-, Redundanz- und Softwaretechnologien. Es zeichnet sich durch niedrige Kosten, hohe Zuverlässigkeit, Benutzerfreundlichkeit, einfache Installation und Wartung aus. Das System ist volldigital, skalierbar, bietet gute Kompatibilität und Offenheit, unterstützt Standard-Netzwerkkommunikationsprotokolle und ist mit verschiedenen Feldbusprotokollen kompatibel. Das JX-300X-System besteht aus einer Ingenieur-Workstation (ES), einer Bediener-Workstation (OS), einer Feldleitstelle (CS) und einem Kommunikationsnetzwerk (cnetⅡ). Es deckt die Sicherheits-, Redundanz-, Netzwerkerweiterungs-, integrierte Benutzerschnittstellen- und Informationszugriffsfunktionen eines großflächigen verteilten Systems ab. Neben den herkömmlichen DCS-Funktionen wie analoger und digitaler Signalverarbeitung sowie Regelkreissteuerung bietet es auch Spezialfunktionen wie Hochgeschwindigkeits-Digitalsignalverarbeitung, Hochgeschwindigkeits-Ereignisaufzeichnung (SOE) und speicherprogrammierbare Steuerung (SPS). Es stellt intuitive grafische Konfigurationswerkzeuge wie Funktionsbausteindiagramme (SCFBD) und Kontaktpläne (SCLD) bereit und bietet Anwendern eine C-ähnliche Programmierumgebung (SCX) zur Entwicklung komplexer, fortschrittlicher Regelalgorithmen (z. B. Fuzzy-Regelung). Die flexible Skalierbarkeit des Systems ermöglicht die Automatisierungsintegration von der Prozesssteuerung einer einzelnen Anlage bis hin zu einem anlagenweiten System. Echtzeit-Datenbanksysteme: In den letzten Jahren sind mit der zunehmenden Reife und Perfektionierung der Echtzeit-Datenbanktheorie verschiedene kommerzielle Echtzeit-Datenbankprodukte auf den Markt gekommen. Zu den international renommierten Produkten zählen das Plant Information System (PI) von OSI, das Infoplus-System von AspenTech und das PHD-System (Process History Database) von Honeywell. Diese Produkte werden in vielen wichtigen Branchen wie der Erdöl-, Chemie-, Stahl- und Energiewirtschaft eingesetzt und haben den implementierenden Unternehmen erhebliche Effizienzsteigerungen ermöglicht. Dieses Projekt nutzt ESP-iSYS, eine Echtzeit-Datenbanksoftware mit unabhängigen Schutzrechten, entwickelt von Zhejiang Zhongkong Software Technology Co., Ltd. ESP-iSYS erfasst Daten in einem einheitlichen Datenformat und verwaltet diese einheitlich über Computernetzwerke und entsprechende DCOM-Konfigurationsprozesse. Die Konfigurationssoftware fügt Informationen wie die Datenquelle und deren Tag-Nummer in das Echtzeit-Datenbanksystem ein. Basierend auf diesen Informationen konfiguriert ESP-iSYS die entsprechenden Module, erfasst die Tag-Nummerndaten von der Datenquelle, verarbeitet sie und stellt sie der Client-Anwendungssoftware der Echtzeit-Datenbank, beispielsweise Data-Mining-Software, zur Verfügung. Das ESP-iSYS-Echtzeit-Datenbanksystem ist in fünf Hauptmodule unterteilt: Konfigurationsmanagement, OPC/DDE/API-Schnittstellenverwaltung, Echtzeit-Datenbankmanagement, Echtzeit-Datenzugriffsschnittstelle und Zugriff auf die historische Datenbank. Anwendung von Data-Mining-Systemen 1. Einführung in die ESP-Miner Data-Mining-Software Die während der Triazophos-Synthese online gemessenen Daten gelangen über Feldinstrumente in das SUPCON JX-300X DCS-System und anschließend über den OPC-Server in die Echtzeitdatenbank ESP-iSYS. Nach der Datenvorverarbeitung werden sie mit manuell eingegebenen Daten (Produktqualitätsdaten aus manuellen Tests und anderen Offline-Daten) integriert und in eine relationale Datenbank übertragen. Die durch Data Mining gewonnenen Ergebnisse (Optimierungsregeln, optimierte Prozesssteuerungsparameter, optimierte Prozessformulierungen usw.) werden den Verfahrenstechnikern zur Entscheidungsfindung in Form von Optimierungsvorschlägen, Kreisdiagrammen, Balkendiagrammen oder Berichten bereitgestellt. Die Entscheidungsergebnisse werden über das DCS-System implementiert. 2. Anwendungsablauf von Data-Mining-Systemen Der Anwendungsablauf der Data-Mining-Technologie und -Software im Triazophos-Syntheseprozess in der Prozessindustrie ist wie folgt: Schritt 1: Systemkonfiguration; Schritt 2: Manuelle Dateneingabe (tägliche Eingabe); Schritt 3: Echtzeit-Datenerfassung; Schritt 4: Datenvorverarbeitung; Schritt 5: Integration manuell eingegebener Daten mit Echtzeit-Produktionsdaten; Schritt 6: Datenanalyse; Schritt 7: Präsentation der Ergebnisse der Datenanalyse. 3. Systemkonfiguration Nach der Systeminstallation ist in der Regel eine Systemkonfiguration erforderlich. Diese Konfiguration muss nur einmal durchgeführt werden. Während der Systeminstallation wird eine Standardkonfiguration bereitgestellt, die auf die Bedürfnisse der modernen Agrarchemieindustrie zugeschnitten ist. Die Hauptfunktionen sind: Konfiguration der Tag-Nummern für die Echtzeit-Datenerfassung (Standardkonfiguration im Installationsverzeichnis: newtagdef.cfg); Informationskonfiguration während der Datenintegration (Standardkonfiguration im Installationsverzeichnis: tagdef.cng ). 4. Manuelle Dateneingabe Zusätzlich zu den online messbaren Daten können viele Datenpunkte im Triazophos-Syntheseprozess, wie z. B. Produktqualitätsdaten, nur einmal pro Schicht oder Tag offline analysiert werden. Diese Daten müssen manuell in das System eingegeben und mit den Echtzeit-Produktionsdaten integriert werden. Entsprechend den tatsächlichen Anforderungen bietet das System eine Schichteinstellungsfunktion und eine Schnittstelle zur manuellen Dateneingabe. 5. Echtzeit-Datenerfassung: Dieses System erfasst Online-Messdaten vom SUPCON JX-300X und speichert sie über den OPC-Server im Echtzeit-Datenbanksystem ESP-iSYS. Die Datenquelle für die Datenanalyse ist somit die Echtzeit-Datenbankplattform ESP-iSYS sowie manuell eingegebene Daten. Konkrete Bedienungsbeispiele: (1) Öffnen der Konfigurationsdatei für die Datenerfassung. (2) Festlegen der Datenerfassungszeit, des Abtastintervalls und des Dateinamens zum Speichern der Daten. Beispiel: Erfassen Sie drei Temperaturen (TRC-202.PV, TRC-203.PV, TRC-204.PV), den Produktdurchfluss (FRC-254.PV), den Durchfluss von Rohmaterial 1 (FRC-251.PV), Rohmaterial 2 (FRC-252.PV) und Rohmaterial 3 (FRC-253.PV) vom 01.04. bis zum 28.04. und speichern Sie diese in der Datei SrcData040401_040428.dpp. Die Abtastperiode beträgt 180 Sekunden. (3) Datenerfassung und -speicherung waren erfolgreich. 6. Datenvorverarbeitung: Die von Produktionsleitsystemen wie dem Prozessleitsystem (DCS) erfassten Rohdaten können schwerwiegende Zufalls- und Grobfehler enthalten, die die Datenqualität erheblich beeinträchtigen. Daher müssen die gesammelten Rohdaten vorverarbeitet werden. Dies umfasst die Auswahl und Modifizierung von Datensegmenten, Filterung und Ausreißerentfernung, um zu verhindern, dass ungültige Daten in die Berechnungen einfließen und die Korrektheit der Ergebnisse der Data-Mining-Berechnungen sicherzustellen. Produktionsdaten in Echtzeit werden von der Echtzeit-Datenbankplattform importiert. Das Datenvorverarbeitungsmodul verarbeitet diese Rohdaten für das Data Mining (z. B. Modifizierung von Variableninformationen, Ausreißerentfernung oder Filterung erster Ordnung) und speichert sie anschließend in einer Offline-Designdatendatei. Dadurch wird die Genauigkeit der Data-Mining-Berechnungsergebnisse gewährleistet. 7. Integration manuell eingegebener Daten und Echtzeit-Produktionsdaten: Die beiden Arten historischer Produktionsdaten im Triazophos-Syntheseprozess – manuell eingegebene Daten und Echtzeit-Produktionsdaten – müssen nach der manuellen Eingabe und der Online-Datenerfassung integriert werden, um die für das Data Mining zu extrahierenden Daten zu erhalten. Nach Abschluss der Datenintegration müssen die zu extrahierenden Daten in einer Datendatei gespeichert werden. 8. Data-Mining-Operationen: Die Schritte der Data-Mining-Operationen sind wie folgt: (1) Öffnen der Data-Mining-Oberfläche: Nach dem Laden des Snapin-Plugins der Data-Mining-Software über die GUI und der Auswahl von „Mining-Operation“ wird die Data-Mining-Oberfläche angezeigt. (2) Importieren der Daten für das Data Mining. (3) Auswählen der Attribute. (4) Festlegen der Assoziationsattribute. (5) Festlegen der Zielattribute. (6) Festlegen des minimalen Konfidenzniveaus. (7) Data-Mining-Operation: Nach dem Festlegen der Assoziationsattribute, Zielattribute und des minimalen Konfidenzniveaus kann das Data Mining durchgeführt werden. Wählen Sie im Menü „Operation“ → „Mining“, um die Data-Mining-Operation abzuschließen. 9. Darstellung der Data-Mining-Ergebnisse : Werden während der Data-Mining-Operation Regeln generiert, können verschiedene Berichte mit den Data-Mining-Ergebnissen erstellt werden (siehe Abbildung 3). In diesem Bericht können Sie verschiedene Darstellungsformen der Data-Mining-Ergebnisse aufrufen, indem Sie auf die entsprechenden Links „Regel-Kreisdiagramm“, „Regel-Pfeildiagramm“, „Optimierungsvorschlagsdiagramm“ und „Beste Operationsnummer“ klicken. 6. Datenvorverarbeitung: Rohdaten aus Produktionsleitsystemen wie DCS können erhebliche zufällige und grobe Fehler enthalten, die die Datenqualität stark beeinträchtigen. Daher ist die Vorverarbeitung der Rohdaten unerlässlich. Dies umfasst die Auswahl und Modifizierung von Datensegmenten, Filterung und Ausreißerentfernung, um zu verhindern, dass ungültige Daten in die Berechnungen einfließen und die Genauigkeit der Ergebnisse im Data-Mining sicherzustellen. Produktionsdaten in Echtzeit werden von einer Echtzeit-Datenbankplattform importiert. Das Datenvorverarbeitungsmodul verarbeitet diese Rohdaten (z. B. Modifizierung von Variableninformationen, Ausreißerentfernung oder Filterung erster Ordnung) und speichert sie in einer Offline-Designdatendatei, um die Genauigkeit der Data-Mining-Berechnungsergebnisse zu gewährleisten. 7. Integration manuell eingegebener Daten und Echtzeit-Produktionsdaten: Die beiden Arten historischer Produktionsdaten im Triazophos-Syntheseprozess – manuell eingegebene Labordaten und Echtzeit-Produktionsdaten – müssen nach der manuellen Eingabe und der Online-Datenerfassung integriert werden, um die für das Data Mining relevanten Daten zu erhalten. Nach Abschluss der Datenintegration werden die zu analysierenden Daten in einer einzigen Datendatei gespeichert. 8. Data-Mining-Operationen: Die Schritte für Data-Mining-Operationen sind wie folgt: (1) Öffnen der Data-Mining-Oberfläche: Nach dem Laden des Snapin-Plugins der Data-Mining-Software über die grafische Benutzeroberfläche und der Auswahl von „Mining-Operationen“ wird die Data-Mining-Oberfläche angezeigt. (2) Importieren der Daten für das Data Mining. (3) Auswählen der Attribute. (4) Festlegen der Assoziationsattribute. (5) Festlegen der Zielattribute. (6) Festlegen des minimalen Konfidenzniveaus. (7) Ausführen der Data-Mining-Operationen: Nach dem Festlegen der Assoziationsattribute, Zielattribute und des minimalen Konfidenzniveaus kann das Data Mining durchgeführt werden. Wählen Sie im Menü „Operationen“ → „Mining“, um die Data-Mining-Operation abzuschließen. 9. Darstellung der Data-Mining-Ergebnisse: Werden während der Data-Mining-Operation Regeln generiert, können verschiedene Berichte mit den Data-Mining-Ergebnissen erstellt werden. In diesem Bericht können Sie verschiedene Darstellungsmethoden der Data-Mining-Ergebnisse abrufen, indem Sie auf die entsprechenden Links klicken, z. B. „Regel-Kreisdiagramm“, „Regel-Pfeildiagramm“, „Optimierungsvorschlagsdiagramm“ und „Optimale Anzahl von Operationen“. Zusammenfassung: Diese Forschungsarbeit zur Anwendung von Data-Mining-Technologien und -Software in der Triazophos-Synthese in der Prozessindustrie umfasste die Umgestaltung des grundlegenden Automatisierungssystems des Produktionsprozesses mittels SUPCON JX-300X. Durch die Erfassung von Prozessdaten wurden Echtzeit- und historische Datenbanken mit ESP-iSYS erstellt. Data Mining und die Fusion historischer Daten zeigten den Einfluss von Formulierungs- und Prozesssteuerungsparametern auf die Ausbeute und die Wirkstoffe von Triazophos auf. Es wurden Methoden zur Prozessverbesserung und zur Anpassung der Steuerungsparameter vorgeschlagen. Darauf aufbauend wurde eine universelle Data-Mining-Software für chemische und pharmazeutische Produktionsprozesse entwickelt, die erhebliche wirtschaftliche und soziale Vorteile generieren kann. Dieses Projekt wurde im Juli 2004 von der Wissenschafts- und Technologiebehörde der Provinz Zhejiang im Rahmen der Bewertung wissenschaftlicher und technologischer Leistungen ausgezeichnet. Das Bewertungsergebnis besagte, dass dieses Projekt in China führend in der Anwendung von Data-Mining-Technologien im Bereich der Pflanzenschutzmittelchemie ist.