基于最佳投影識別法的聚全氟乙丙烯生產(chǎn)工藝優(yōu)化

徐 瀟, 盧凱亮, 蔣若寧, 趙洪濤, 李軍巍, 陸文聰,

(1. 上海大學理學院, 上海200444; 2. 上海大學材料基因工程組工程研究院, 上海200444;3. 上海華誼信息技術有限公司, 上海200025; 4. 上海三愛富新材料有限公司, 上海200025)

聚全氟乙丙烯(fluorinated ethylene propylene,FEP)是將四氟乙烯和六氟丙烯以一定的配比共聚合而得到的聚合物. 聚全氟乙丙烯是可熔融加工氟樹脂系列產(chǎn)品中最早確定的品種, 其工作溫度范圍在?190 ～205?C. 在諸多有機氟樹脂產(chǎn)品中, FEP 是熱塑性樹脂, 加工性能好,有較好的耐高低溫性能和化學穩(wěn)定性. FEP 還具有較出色的電絕緣性能和易加工性能、低火焰蔓延和低煙霧產(chǎn)生的特性, 可用作電線、電纜中的絕緣材料. FEP樹脂的粘度和熔融指數(shù)與其分子量大小有關, 不同熔融指數(shù)級別的樹脂有不同的用途, 如熔融指數(shù)大于2.0 g/10 min 的擠出料絕大部分用在高溫、射頻、計算機及特種電線電纜的加工生產(chǎn); 熔融指數(shù)在1.0～2.0 g/10 min 范圍的模壓料用于換熱器管、泵、閥內襯的制作[1-7]. 因此, 為提高企業(yè)生產(chǎn)的經(jīng)濟效益, 在實際生產(chǎn)過程中FEP 樹脂以熔融指數(shù)作為產(chǎn)品質量控制標準, 故需要提高FEP 的熔融指數(shù)的生產(chǎn)達標率. 上海三愛富新材料有限公司的FEP 裝置采用了分布式控制系統(tǒng), 并已經(jīng)積累了豐富的生產(chǎn)數(shù)據(jù), 為基于數(shù)據(jù)挖掘的生產(chǎn)優(yōu)化提供了可能. 在實際生產(chǎn)過程中FEP 工況受溫度、壓力、流量、氣體成分等多種因素的影響, 而目前這些工藝參數(shù)基本上根據(jù)經(jīng)驗確定, 使得FEP 的熔融指數(shù)的生產(chǎn)達標率不盡如人意, 因此優(yōu)化潛力較大.

統(tǒng)計模式識別是工業(yè)優(yōu)化和工業(yè)故障診斷的有效工具, 但是不同的統(tǒng)計模式識別方法可以產(chǎn)生不同的模式識別分類投影圖, 如何從眾多的投影圖中由計算機快速自動地選出一個最佳的分類投影圖, 是工業(yè)優(yōu)化過程中自動建模的前提條件.

本工作根據(jù)上海三愛富新材料有限公司FEP 裝置的實際生產(chǎn)情況, 利用本工作提出的最佳投影識別(optimal projection recognition, OPR)方法[8], 解決了計算機自動選擇最佳模式識別投影圖的問題, 進而建立熔融指數(shù)與有關工藝參數(shù)間關系的數(shù)學模型, 以此優(yōu)化生產(chǎn)裝置的操作工藝條件, 從而提高企業(yè)的經(jīng)濟效益.

1 聚全氟乙丙烯生產(chǎn)工藝

FEP 是四氟乙烯(tetrafluoroethy lene, TFE)與六氟丙烯(hexafluroprogylene, HFP)單體共聚而制得的聚合物, 其聚合反應是在臥式反應器內進行的, 反應器帶有恒溫夾套和攪拌器.反應前, 在聚合反應器中加入四氯乙烯和六氟丙烯單體、引發(fā)劑與調節(jié)劑. 在反應過程中, 四氟乙烯和引發(fā)劑不斷加入反應器中. 當反應溫度小于100?C、壓力小于2.0 MPa 時, 反應速率可通過四氟乙烯的加入速率、反應壓力和攪拌速率來控制. 攪拌影響氣相含氟單體向水溶液中擴散傳質, 聚合介質中生成的聚合物顆粒以膠粒狀分散在水相中, 通過強力攪拌可獲得凝聚的聚合物顆粒. 當完成共聚合反應后, 把聚合物料送入脫氣器中, 并將聚合粉末從未反應的單體中分離出來. 隨后, 聚合粉末從容器中倒出, 經(jīng)過篩分、造粒, 最后進行包裝. 未反應的單體經(jīng)過回收處理并分析合格后, 再在以后的FEP 共聚合反應中重新加入?yún)⒓臃磻猍9-10].

2 最佳投影識別法

統(tǒng)計模式識別是數(shù)據(jù)挖掘技術的主要方法之一, 為實現(xiàn)統(tǒng)計模式識別方法的自動建模, 需要從不同方法所得眾多的投影圖中由計算機自動選出一個最佳的模式識別分類投影圖(2 維投影面).

不同的統(tǒng)計模式識別方法因計算原理不同可以得到不同分類結果的投影圖, 即使同一種統(tǒng)計模式識別方法也可能有不同的投影方向, 如主成分分析方法可以得到M(M ?1)/2 個不同的投影圖, 其中M 為特征變量數(shù). 為此, 本工作提出最佳投影識別(optimal projection recognition, OPR)法, 用以探尋分類最佳的2 維投影面, 其原理是通過若干統(tǒng)計模式識別投影(本工作應用了主成分分析、Fisher 判別矢量、偏最小二乘和線性球映射等投影)計算后, 在各隱含的投影平面上用迭代法搜索出一個分類最佳的投影圖(2 維投影面), 即在該投影圖上將優(yōu)類樣本聚集在一定范圍內, 且劣類樣本混入優(yōu)化區(qū)(優(yōu)類樣本分布范圍)的數(shù)量盡可能少.

例如, 對于2 類樣本的分類問題, 設第一類樣本(通常設定為優(yōu)類樣本)的數(shù)目為N1, 第二類樣本(通常設定為差類樣本)的數(shù)目為N2. 如果在某個投影面上第一類樣本的分布區(qū)域內混入了N3個第二類樣本(最好的情況是N3= 0, 最差的情況是N3= N2), 那么定義2 維投影圖對于優(yōu)類樣本的正確識別率P =N1/(N1+N3), 而OPR 法將給出P 最大(相應的N3最小)的那個2 維投影面. 本工作提出的OPR 法可以自動獲得最佳分類投影圖以及優(yōu)化區(qū)(優(yōu)類樣本分布范圍)的邊界方程[11].

3 聚全氟乙丙烯的工藝優(yōu)化模型

3.1 收集生產(chǎn)數(shù)據(jù)

本工作收集了上海三愛富新材料有限公司FEP 裝置的生產(chǎn)數(shù)據(jù), 根據(jù)用戶指定的要求,產(chǎn)品的目標熔融指數(shù)有3 個分布范圍, 因此需要收集如下3 組生產(chǎn)數(shù)據(jù)分布進行建模.

(1) 第一組數(shù)據(jù)(58 個樣本). 聚全氟乙丙烯生產(chǎn)的目標熔融指數(shù)要求分布在0.8～1.5 范圍內. 將產(chǎn)品熔融指數(shù)分布在該范圍內的樣本設定為優(yōu)類樣本(達標樣本), 樣本中共有28 個; 熔融指數(shù)在0.8 以下和1.5 以上的定為劣類樣本, 共有30 個.

(2) 第二組數(shù)據(jù)(90 個樣本). 聚全氟乙丙烯生產(chǎn)的目標熔融指數(shù)要求分布在2.5～3.5 范圍內. 將產(chǎn)品熔融指數(shù)分布在該范圍內的樣本設定為優(yōu)類樣本(達標樣本), 樣本中共有45 個; 熔融指數(shù)在2.5 以下和3.5 以上的定為劣類樣本, 共有45 個.

(3) 第三組數(shù)據(jù)(79 個樣本). 聚全氟乙丙烯生產(chǎn)的目標熔融指數(shù)要求分布在4.5～5.5 范圍內. 將產(chǎn)品熔融指數(shù)分布在該范圍內的樣本設定為優(yōu)類樣本(達標樣本), 樣本中共有35 個; 熔融指數(shù)在4.5 以下和5.5 以上的定為劣類樣本, 共有44 個.

3 組數(shù)據(jù)收集的自變量均有初始單體組成(C1)、補加單體組成(C2)、初始單體加入量(W1)和補加單體加入量(W2).

3.2 建立優(yōu)化模型

3.2.1 第一組數(shù)據(jù)建模

以聚全氟乙丙烯產(chǎn)品是否達標為目標變量Y(達標Y =1; 不達標Y =2), 以C1, C2, W1,W2為模式識別特征變量, 經(jīng)最佳投影識別計算, 得到如圖1 所示的模式識別最佳投影分類圖(對應于主成分分析(principal component analysis, PCA)方法的第一主成分PCA(1)和第二主成分PCA(2)構成的投影圖), 發(fā)現(xiàn)有明顯的統(tǒng)計分布規(guī)律, 2 個主成分所解釋的方差占比為85.3%. 圖1 中的矩形區(qū)域為優(yōu)類樣本分布區(qū), 其中優(yōu)類樣本約占95.45%, 遠高于總樣本中優(yōu)類樣本所占比例(48.28%). 如果使生產(chǎn)控制在優(yōu)化區(qū)內, 則所得優(yōu)類樣本的比例將顯著提高.圖1 中優(yōu)類樣本的分布范圍(亦稱優(yōu)化區(qū))可由如下聯(lián)立方程組表示:

圖1 第一組數(shù)據(jù)最佳投影圖Fig.1 Optimal projection recognition of the first set of data

3.2.2 第二組數(shù)據(jù)建模

以聚全氟乙丙烯產(chǎn)品是否達標為目標變量Y(達標Y =1; 不達標Y =2), 以C1, C2, W1,W2為模式識別特征變量, 經(jīng)最佳投影識別計算, 得到如圖2 所示的模式識別最佳投影分類圖(對應于主成分分析方法的第一主成分PCA(1)和第二主成分PCA(2)構成的投影圖), 發(fā)現(xiàn)有明顯的統(tǒng)計分布規(guī)律, 2 個主成分所解釋的方差占比為84.5%. 圖2 中的矩形區(qū)域為優(yōu)類樣本分布區(qū), 其中優(yōu)類樣本約占68.97%, 高于總樣本中優(yōu)類樣本所占比例(50%). 如果使生產(chǎn)控制在優(yōu)化區(qū)內, 則所得優(yōu)類樣本的比例將顯著提高. 圖2 中優(yōu)類樣本的分布范圍(亦稱優(yōu)化區(qū))可由如下聯(lián)立方程組表示:

圖2 第二組數(shù)據(jù)最佳投影圖Fig.2 Optimal projection recognition of the second set of data

3.2.3 第三組數(shù)據(jù)建模

以聚全氟乙丙烯產(chǎn)品是否達標為目標變量Y(達標Y =1; 不達標Y =2), 以C1, C2, W1,W2為模式識別特征變量, 經(jīng)最佳投影識別計算, 得到如圖3 所示的模式識別最佳投影分類圖(對應于主成分分析方法的第一主成分PCA(1)和第二主成分PCA(2)構成的投影圖), 發(fā)現(xiàn)有明顯的統(tǒng)計分布規(guī)律, 2 個主成分所解釋的方差占比為84.6%. 圖3 中的矩形區(qū)域為優(yōu)類樣本分布區(qū), 其中優(yōu)類樣本約占70%, 遠高于總樣本中優(yōu)類樣本所占比例(44.3%). 如果生產(chǎn)控制在優(yōu)化區(qū)內, 則所得優(yōu)類樣本的比例將顯著提高. 圖3 中優(yōu)類樣本的分布范圍(亦稱優(yōu)化區(qū))可由下列聯(lián)立方程組表示:

圖3 第三組數(shù)據(jù)最佳投影圖Fig.3 Optimal projection recognition of the third set of data

3.3 特征變量的優(yōu)化范圍

一個確定各組數(shù)據(jù)中特征變量優(yōu)化范圍的簡單方法是分別選取其最佳投影圖中優(yōu)化區(qū)間內若干個典型代表點, 然后求出其分布范圍的平均值, 即可求得特征變量的優(yōu)化范圍(見表1).

表1 各組產(chǎn)品的特征變量優(yōu)化范圍Table1 Optimization range of characteristic variables for each group of products

4 結束語

本工作提出的OPR 法能從不同建模方法所得眾多的模式識別投影圖中自動獲得分類效果最好的投影圖, 不僅解決了最佳模式識別分類投影圖的選取中存在的客觀性問題, 而且還解決了模式識別調優(yōu)的自動化問題, 特別是OPR 法可自動得到優(yōu)化控制區(qū)的判別方程式, 能根據(jù)實時特征變量診斷產(chǎn)品是否達標. 將該方法用于優(yōu)化聚全氟乙丙烯生產(chǎn)工藝, 可提高產(chǎn)品熔融指數(shù)的合格率. 因此, OPR 法作為自動模式識別建模方法可望在化工生產(chǎn)自動化和模式識別調優(yōu)中得到廣泛的應用.