Die Prozesslenkung mittels multivariater Verfahren ist ein Konzept, das darauf ausgelegt ist, multivariate Werkzeuge in ein traditionell univariates statistisches Regelsystem einzubringen. Multivariate Verfahren unterscheiden sich von der traditionellen univariaten Statistik durch die Analyse mehrerer Variablen pro Stichprobe, wobei die Beziehungen zwischen den Variablen und Strukturen für die zugrundeliegende Analyse wichtig sind.
Bioprozesse im Zusammenhang mit der Bierherstellung eignen sich aufgrund der komplexen Beziehungen zwischen den beobachtbaren Variablen für eine multivariate statistische Analyse. Unabhängig davon, ob das Produkt des Bioprozesses der Mikroorganismus selbst ist, wie bei der Hefezucht, oder die Prozessierung von vergärbarem Zucker, hängt die Qualität des Produkts von einer Reihe von Prozessparametern ab und spiegelt sich in ihnen wider. Temperatur, pH-Wert, Alkoholgehalt, Zuckermenge, Stickstoff, Verarbeitungszeit etc. spielen alle eine wichtige, miteinander verbundene Rolle für die Qualität des Endprodukts.
Statistische Prozesslenkung (Statistical Process Control (SPC))
Im Jahr 1924 führte Dr. Walter Shewhart die nach ihm benannten Qualitätsregelkarten ein. Diese Prozessregelkarten dienten dazu, die Schwankungen zwischen den Chargen in zwei Teile aufzuteilen: die zufallsbedingten und die auf zurechenbare Ursachen zurückzuführenden Schwankungen. Seiner Ansicht nach war ein Prozess dann unter Kontrolle, wenn die einzige Abweichung innerhalb des Systems eine zufällige Abweichung war. Diese Diagramme haben sich zu einem Industriestandard für die Überwachung und Regelung der Qualität von Produktionsprozessen entwickelt.
Herkömmliche SPC-Methoden können zwar auf Bioprozesse angewandt werden, sie basieren jedoch auf univariaten statistischen Analysen und bieten nicht den Einblick in den Prozess, den multivariate statistische Methoden bieten würden. In den letzten Jahren wurde eine Reihe von Konzepten für den Einsatz multivariater statistischer Methoden zur Analyse der Schwankungen innerhalb eines Systems vorgeschlagen. Diese Methoden werden als multivariate statistische Prozesslenkung (Multivariate Statistical Process Control, MSPC) bezeichnet. Bei diesen Methoden werden multivariate Werkzeuge (n-way principle component analysis, n-way partial least squares, unfolded partial least squares) eingesetzt, um Prozessdaten mit Hilfe der multivariaten statistischen Analyse zu beschreiben und die Daten auf Restschwankungen aufgrund zuordenbarer Ursachen zu analysieren.
Autor
Iain Whitehead, Link zum Profil