10月5日消息，BASF 正在其比利时安特卫普一体化基地应用基于机器学习的“软测量”（soft sensors）技术，用于蒸馏装置过程控制的实时质量参数估计，减少对实验室分析周期的人工依赖。
该方案由 BASF Antwerpen 团队开发，通过机器学习模型从工业过程数据中连续估计产品质量参数，让操作人员无需等待下一次实验室结果即可掌握过程演化。技术架构整合OT 技术、数据平台、边缘计算与机器学习，模型可用不同机器学习框架开发，随后作为边缘应用部署在西门子 Industrial Edge 平台上，以低时延完成过程数据采集、处理与质量估计。
对利润率持续承压的化工行业而言，近实时过程信息可支持装置在更贴近操作边界的条件下运行，同时保持安全与控制裕度；该方案还可缩短实验室测量周期、降低取样成本，并为高级过程控制（APC）提供附加输入。BASF 计划将该架构推广至不同生产单元及其他基地，建立工业 AI 应用的可扩展基础。相关案例将于10月8日在比利时科特赖克 ABISS 展会上由 BASF 数据科学家 David Autrique 与 APC 团队 Filip Logist 介绍。
（来源：Industria Quimica）