持续改进项目的形状和尺寸多种多样，但工业4.0技术现在为许多制造商提供了发现五年前无法实现的生产效率的能力。对大数据的高级分析有助于提高生产线效率，并显著减少所有类型生产环境的停机时间。
电影资源该公司最近实施了一个大数据系统法尔科尼公司的LRS高级工艺建模软件，用于解决其位于怀俄明州格林河的生产现场的停工事件。该连续工艺现场应用程序可发现天然碱矿石，并通过传送带将材料移动到加工线上的多个工位，包括煅烧机和破碎设备。
多年来，生产线上的一个关键挑战是对trona矿石进行评级，并避免在材料中出现高比例的不溶性物质，这可能导致每天停工72万美元。在实现过程建模软件之前，矿业公司没有办法实时了解矿石品位(其不溶水平)。相反，他们每天早晚抽取样本，并进行离线测试。
Falkonry负责客户成功的高级副总裁克里克·沃特斯（Crick Waters）表示：“加工线的最后一个阶段是[美卓]立式磨，这是一种巨大的设备。”。“立式磨机有两层楼高，旋转钢球将不溶物研磨成粉末。”Ciner将立式磨机确定为受材料自然变化影响的关键设备，是增加加工线产量的关键部件。
该矿业公司应用Falkonry的多元时间序列模式识别技术，根据代表流程或资产状况的数据流模式实时预测矿石品位。沃特斯说：“该软件首先从该公司的数据历史记录中识别模式。通过将LRS平台发现的模式与已知的实验室测量结果进行比较，该平台创建了一个矿石品位模型。”。“Ciner用矿石品位的数值标记模式，以产生连续的矿石品位监测和预测系统。”
这个系统的另一个组成部分是奥西软特的PI process historian，用于捕获、收集和集中控制/传感数据，以便通过LRS软件进行模式识别。process historian实时集中时间序列和基于事件的数据。
Ciner表示，矿石品位建模的挑战在于信号之间相互作用的复杂性，以及通过识别一组指标发生的模式来实时推断矿石品位的难度。建模通过选择一组实体(流程历史记录中的元素)和期望模式的信号来工作。然后，软件创建一个单一的实体，专注于处理线和七个信号(PI属性)，对应着trona矿石处理线上的电机电流、温度和阀门设置。在此基础上，软件用户识别带有停机事件示例的历史数据片，建模软件创建一个新的PI属性/标签来保存评估结果。
PI和Falkonry两个程序都有自己的软件开发工具包（SDK），可以通过应用程序协议接口（API）为系统间通信创建简单的IT定制。Falkonry提供了一个PI代理，可以实现系统之间的集成。如果电厂条件发生变化或不再识别旧模式，则评估结果或模式库很容易更新。
有了适当的库模式，通过现场仪表板，操作员可以实时识别天然碱矿石品位。随着矿石品位进入加工阶段，建模系统将返回采矿公司在后续计算中使用的矿石品位值，并最终为操作员提供控制范围。
沃特斯说：“先进的过程建模输出反馈到PI系统中，然后以直接显示的形式传递给操作员。”。Ciner针对操作员的PI Vision panel绘制了高级过程建模图，但也确定了计算值。通过工厂级的可视性，生产线操作员可以根据矿石品位控制生产速度，并根据需要控制立式磨的中等生产速度。
这很重要，因为Vertimill每小时的停机成本是3万美元。据Ciner说，在高级建模和监控之前，每周会发生两次停电。先进的流程建模系统已经使用了一年多，大约需要6个月的时间来完善控制和矿石分级计算。
在整个项目中，Ciner从Falkonry那里得到了持续的指导，但项目的大部分实施是由公司的IT管理员完成的，他也监督PI服务器。有了这个系统，天然苏打灰供应商的员工就不需要数据科学家了，内部的过程工程师在实现过程中对模型进行了微调。
