王世宇
(万华化学集团股份有限公司,山东 烟台 264000)
化工分析误差过大不仅会影响化工分析结果精确度,而且会增加化工生产安全风险。特别是在苯酚丙酮生产过程中,若无法确定苯酚丙酮生产阶段有机污染物含量在标准限度以下,则会对周边环境造成严重的污染。因此,对化工分析与检验误差问题进行适当分析具有非常重要的意义。
苯酚与丙酮生产中芳香族有机污染物化学分析试验主要用:仪器为GC2008气相色谱仪、FID检测器、QP2008色谱-质谱联用仪。
苯酚与丙酮生产中芳香族有机污染物化学分析试验主要用试剂为:色谱纯二氯甲烷、分析纯无水硫酸钠、优级纯浓硫酸、分析纯氢氧化钠、标准品异丙苯等。
本次色谱分析条件为高纯氮气1.45 mL/min恒流。色谱柱为HP-5石英毛细柱,恒温箱升压程序。进样口温度及液体量分别为250 ℃、1.0 μL,分流比为1/4。
在实际实验开展过程中,化工分析人员需要首先取50 mL纯净水加入分液漏斗内。并采用氢氧化钠调节溶液酸碱度至11。随后采用二氯甲烷萃取水样,进行有机相收集。同时在干燥长颈漏斗中,加入二氯甲烷萃取后溶液、无水硫酸钠、玻璃棉,过滤备用。最后在上述色谱-质谱调节下进行定性分析。同时依据定性分析结果,利用外标法对定性物质进行定量计算。
为确定化工分析方法准确度,化工分析人员可采用二氯甲烷作为溶剂,将最终得出定性产物分离,单独配置成质量浓度为0.05 g/L的单标储备液。随后以二氯甲烷为溶剂,进行质量浓度为2.5 mg/L的标准样品配置。最后在以往色谱条件下进行分析,最终得出苯酚丙酮化工合成产物化学分析准确度如表1。
表1 苯酚丙酮合成产物化工分析准确度(局部)
一方面,由表1数据可知,在苯酚丙酮生产芳香族有机化合物检验过程中分析误差较大。相对误差均大于2.0%,且各物质回收率低于90%。无法满足苯酚丙酮生产中芳香族有机化合物定性定量分析要求[1]。
另一方面,在化工分析与检验工作开展过程中,虽然化工分析与检验人员可利用先进科学技术进行实验操作,但是前期样品处理及标准液配置需要化工人员人工操作。在前期样品处理及标准液配置环节,若检验人员没有根据实验检测规范要求进行实验操作,则会增加实验误差风险,且加大化工分析实验安全隐患[2]。
矩阵投影分类计算模型主要是搜寻具有显著误差的节点,以流股为检查要点,将流股、问题节点有效连接。随后确定检测位置。并利用顺序补偿策略、加权最小二乘法,对化工分析过程中数据误差进行校正处理。以苯酚丙酮生产化工分析与检验为例,若苯酚丙酮生产化工分析节点有8个,共20个流股。且整体苯酚丙酮化工分析系统处于稳态。则在第一轮迭代时,对整体苯酚丙酮生产化工检验节点进行检测,促使各节点偏差值大于流股偏差值。随后确定最大检测统计量。并在第二轮迭代时,对全部苯酚丙酮生产过程中存在节点误差进行检验统计。若苯酚丙酮生产过程检验统计量、检验判据位置节点误差大于检测判据,则可对节点检验统计量进行比较分析,得出某点检验统计量最大值。最终检测结果如表2所示。
表2 矩阵投影分类计算模型显著误差检测结果(局部)
通过对表2数据进行分析可知,在增加含有显著误差的流股数量后,矩阵投影分类显著误差检测效果发生了一定变化。结合表2数据可知,矩阵投影分类计算模型中具有两个显著误差,还有多个误差没有检出,即在14/17等流股位置,校正值、真实值间具有较大差异。且相对误差均超出10%。据此,为降低苯酚丙酮生产化工分析阶段误差,相关人员可利用Levenberg Marqurt-BP神经网络,消除矩阵投影分类显著误差。基于Levenberg Marqurt-BP神经网络的误差消除方法主要是将整体训练样本看做向量集合,从期望输出子向量、网络输入子向量两个模块,进行向量集成。具体训练过程如图1。
图1 基于Levenberg Marqurt-BP神经网络的误差消除流程
在实际误差检测过程中,化工分析人员可依据测量值,利用约束残差归一化处理方法,对隐层节点数量进行判定。随后依据测量值误差精度(0.9/0.1),确定化工分析测量值是否具有显著误差[3]。以苯酚丙酮合成化工分析为例,化工分析人员可利用误差方差-协方差矩阵,以校正值、测量误差向量为控制变量,测量值为因变量,进行数据校正处理。通过对苯酚丙酮合成实验中数据校正分析,最终获得结果如表3。
表3 苯酚丙酮合成实验流股流量数据校正
依据表3数据,可知经Levenberg Marqurt-BP神经网络校正后原始数据误差较小,精度较高。
依据化工分析实验内容,化工生产阶段检验分析直接影响了化工生产效率。因此,依据具体化工生产内容,化工企业可在生产前期设置完整的化工分析测定方案。并制定对应的在线测量工作管理要求[4]。如阶段化工生产产物为硝酸盐,则在化工分析任务制定过程中,可设定化工任务为酸碱值、化工溶液中硝酸盐、化工溶液中DOC、介质气体、纯净水中DOC等。其对应的在线测量方法为电位测量仪、滴定法、热TOC实验法、光电过滤法、纯净水DOC测量仪。通过检测任务及方案的合理设置,可以帮助新员工了解检测流程。同时提高以往检测人员思想认识,保证化工分析检测效果。
其次,基于化工原材料、中间产品物理化学性质的差异,在化工分析与检验标准品处理过程中,化工分析部门主管人员可综合考虑无限中间储存策略、有限中间储存策略、无中间储存测量、零等待、有限等待等因素,定期为部门内部人员进行分析原料处理与维护培训。以避免化工分析人员反应偏差、材料失效、设备故障等因素,对化工分析与检验过程的不利影响。以化工分析样品采集为例,在常规化工分析与检验工作中,根据化工产品成分的差异,采样方法、采样量也具有较大变化。因此,为保证化工分析样品采集后组分均一,化工企业可组织专业院校教学人员对内部人员进行培训。从缩分取样、破碎取样、人工取样等方面,人工取样工作培训主要是通过培训工作开展,促使化工分析与检验人员认识到样品密度对其均一性的影响。以便其在化工分析样品采集过程中可选择上、中、下三个位置进行细致测量;而破碎取样培训,主要是从粗破碎、中破碎、细破碎三个模块,根据样品颗粒大小对其进行处理。如针对中等大小颗粒状物体,可利用盘式粉碎机对其进行粉碎、过筛处理;而缩分取样培训主要是在试验样品破碎的基础上,利用人工挑选或者技术筛选的方式,选择具有代表性的样品。如常用的四分法,主要是将破碎后样品堆成一个圆锥形,在圆锥形区呈大小一致、均一的四个模块。随后随机选择两个部分,进行后续检验。
最后,为提高化工分析与检验中样品回收率,降低企业化工分析与检验过程资源损耗,化工企业可利用流程分析的方法,对化工分析与检验整个周期进行严密监测。并要求化工分析与检验人员担任设备维护者及材料使用监督者,增加培训费用[5]。同时鼓励内部化工分析与检验人员优先采用在线检测分析的方法,降低化工分析与检验成本支出。
综上所述,针对化工分析与检验中存在的误差过大问题,相关人员可利用数据分类算法中矩阵投影分类算法,对整体计算案例进行简化,避免矩阵求逆歧义导致分析误差增加。同时化工分析人员可利用Levenberg Marqurt-BP神经网络,对数据误差控制方法进行校正。结合人员培训工作开展,可保证化工分析与检验结果精确度。