Soft sensing in the process industry

Present contribution discusses the application of soft sensing in the process industry, as an indirect monitoring technique for the on-line assessment of non-accessible process variables. A relevant application case is presented which involves clinker sintering, a low-efficient, high-energy intensive process with strong environmental impact: the soft-sensing approach is firstly tested in the conventional thermal system, then it is addressed an innovative heating module based on the application of high-power, mono-modal microwaves to the material under processing. The work is focused over the development of physical models for the indirect evaluation of the critical process variables. The integration of the computation routines with the data provided by the sensors of the monitoring architectures is also addressed, as well as possible optimization strategies for improving the reliability of the tools. A stochastic method based on an adaptive Monte Carlo procedure is implemented, for assessing the propagation of the input uncertainties through the mathematical model of the soft sensor. An innovative numerical framework provides a lower-bound estimation of the uncertainty introduced by the model itself. Successively, the overall uncertainty of the soft sensor is calculated as the composition of the different contributes. The soft sensors are tested in the real-time monitoring of thermal and chemical variables of the processes considered. The indirect estimations of the target variables are compared with direct measurements, showing deviations in the order of 1%. Computation routines ensure fast executions, thus improving the exploitability of the tools. Results confirm the good performances of the soft sensors in the on-line monitoring of non-accessible variables. The intrinsic robustness makes them a potential back-up of direct sensors, ready to intervene when a breakdown of the hardware counterpart occurs, and before this affects the process.

Il presente contributo discute l’applicazione di tecniche soft sensing nell’ambito di processi industriali, come metodi di monitoraggio indiretti per la stima di variabili di processo non accessibili. E’ presentato un caso applicativo riguardante la sinterizzazione di clinker, un processo caratterizzato da bassa efficienza, energeticamente intensivo e con rilevante impatto ambientale: l’approccio soft sensing è inizialmente testato nel sistema termico convenzionale, successivamente affronta un modulo di riscaldamento innovativo basato sull’applicazione di microonde ad alta potenza, mono-modali, al materiale processato. Il lavoro è focalizzato sullo sviluppo di modelli fisici per la stima indiretta di variabili critiche di processo. Vengono anche affrontati l’integrazione delle routine di calcolo con i dati forniti dai sensori delle architetture di monitoraggio, e l’implementazione di strategie per l’ottimizzazione dell’accuratezza dei nuovi strumenti. E’ implementato un metodo stocastico basato su una procedura Monte Carlo adattativa, per la stima della propagazione di incertezze attraverso il modello matematico del soft sensor. Un framework innovativo di modellazione fornisce una valutazione del limite minimo di incertezza introdotta dal modello stesso. L’incertezza totale del soft sensor è quindi calcolata attraverso la composizione dei diversi contributi. I soft sensor sono testati nel monitoraggio on-line delle variabili termiche e chimiche dei processi considerati. Le stime indirette delle variabili target sono comparate a misure dirette, e mostrano scostamenti nell’ordine dell’1%. Le routine di calcolo garantiscono tempi di risposta veloci, e migliorano l’adoperabilità degli strumenti. I risultati confermano le buone prestazioni dei soft sensor nel monitoraggio on-line di variabili non accessibili. La loro intrinseca robustezza li rende potenziali back-up di sensori hardware, pronti ad intervenire in caso di avarie, e prima che queste si ripercuotano sul processo.