バイオディーゼル生産の予測モデル

課題

世界的なアグリビジネス・バイオエネルギー企業が、南米の自社プラントにおけるバイオディーゼル生産の最適化をBrainiallに委託しました。目標は3つ：リアクターとデカンターの系列全体でエステル交換反応の収率を最大化すること、年間数百万ドル規模のコストであるメチラート触媒の消費を削減すること、そして毎日のラボ分析を待たずに製品品質を監視することです。

フェーズ1 — データ基盤（納品済み）

プラントヒストリアンの10か月分のテレメトリー（2024年10月〜2025年8月）— 約40の計装タグにわたる5,650万件の生センサーデータ — をブロンズ→シルバーのデータパイプラインで統合。移動平均による平滑化と、生産運転を停止・保全から切り分ける運転フィルターを適用しました。

探索的分析により、どの流量・レベル・密度・投与量が実際に反応を支配しているかをマッピング — さらに、グリセリン品質の水準ごとに異なる触媒投与パターンを特定しました。製品品質を損なわずに触媒コストを削減できる余地を示す、予備的な証拠です。

最初の成果としての仮想センサー

13のプロセス変数で学習した勾配ブースティングモデルが、密度ベースの主要品質指標をテストデータでR² 96.3%の精度で予測 — 毎日の分析を待つ代わりに、ラボ結果をリアルタイムで先取りする仮想センサーの基盤です。

今後の展開

フェーズ2のモデリングが進行中：ライブのプロセス変数からの収率予測、ゴールデンバッチ分析、線形ベースラインから勾配ブースティング・時系列ニューラルネットワークまでのモデルファミリー比較 — 新しい運転データが届くたびにモデルが学習を続ける、継続的再学習の設計のもとで進めています。

ステータス

クライアント名はNDAにより非公開。上記の数値は2026年2月に納品したフェーズ1技術レポートに基づきます。エンゲージメントは進行中で、結果は暫定値です。