Aspen Polymersを活用しフリーラジカル共重合モデルを構築できます。実験データから反応速度パラメータを回帰し、バッチ/連続重合シミュレーションでポリマー物性を予測します。 モデルを活用することで、実験回数の削減、バッチサイクルの短縮検討が可能となります。

Aspen Polymersを活用し逐次重合モデルを構築できます。実験データから反応速度パラメータを回帰し、バッチ/連続重合シミュレーションでポリマー物性を予測します。 モデルを活用することで、実験回数の削減、運転条件の最適化検討が可能となります。

Aspen Plusのバッチ晶析モデルについて紹介します。速度論型の核生成/成長モデルを考慮することで、蒸発晶析や冷却晶析、貧溶媒晶析など多種に渡る晶析プロセスを取り扱うことができます。本モデルを活用することで、バッチ晶析プロセスにおける実験回数の削減、運転条件の最適化検討などが可能となります。

Aspen Plusのバッチろ過モデルについて紹介します。BatchOpモデルは反応、晶析、濾過のバッチモデルであり、晶析から濾過の一貫としたプロセスの検討を行うことができます。

Aspen Plusのバッチ乾燥機モデルについて紹介します。バッチ乾燥シミュレーションを行うことで、運転操作の最適化が可能になります。

現実プラントで測定できるプロセスの値は、連続プラントにおいても常に変動しているため、Aspen PlusやHYSYSのシミュレーションの挙動と一致させるのは容易ではありません。このセッションでは、シミュレーションの挙動を現実プラントと一致させるためのPlant Data機能 (プラントヒストリアンからのタグデータインポート、データコンディショニング、定常状態判定など)についてご紹介します。Plant Data機能は、プロセス性能の経時的なモニタリングにも活用でき、例えば長期的に変動する熱交換器の汚れや反応器の触媒活性のモニタリングに役立ちます。

You’ve heard of Prescriptive Maintenance (RxM), but how can you leverage it to drive real value in your organization? In this on-demand webinar, AspenTech’s Ryan Conger demonstrates how data-driven insights from AI and machine learning mitigate maintenance issues and improve productivity. Through a series of case studies, Ryan shows how Prescriptive Maintenance is being used to:

今日の化学企業は、ビジネスと持続可能性の目標達成を目指してインダストリアルAIと機械学習を活用することで、デジタライゼーションジャーニーを加速し続けています。当日は、弊社アスペンエキスパートが第一原理ハイブリッドモデリングを中心に、Aspen Plus® V12.1の主な改善点をご紹介しました。

Sustainability is imperative for companies to remain profitable and relevant in the evolving marketplace. Many companies are incorporating sustainability targets into their business goals and renewing their commitments through this extreme market volatility. With the help of technology, a focus on becoming more sustainable can offer companies opportunities to gain higher returns and drive new levels of optimization.

回顾一下，专家展示了aspenONE先进过程控制（APC）V10的新功能如何在整个工作范围内保持模型准确。了解智能整定技术（Smart Tune）的新增功能如何带来更高的灵活性，以及Aspen DMC3 Builder™的改进如何进一步简化项目工作流程。