Kundenerfahrungen

Eindämmen der Umweltauswirkungen eines nuklearen Zeitalters

Ein F&E-Wissenschaftler vertraut für schnellere Forschungsergebnissen zur Aufbereitung nuklearer Abfälle auf die Versuchsplanung und andere statistische Methoden.

Science student weighing powder

CEA Marcoule

HerausforderungZiel ist die Entwicklung eines sichereren Wegs zur Entsorgung von gefährlichem radioaktivem Abfall.
LösungMit Vorhersagemodellen, Versuchsplanung und anderen statistischen Anwendungen in JMP werden robuste Analysen erstellt, die neue Glasrezepturen unterstützen und Einblicke in Verglasungsprozesse und die Leistungsfähigkeit von Glasmaterialien bieten.
ErgebnisseDurch den Einsatz effektiverer Forschungsmethoden sind Wissenschaftler bei CEA in der Lage, mehr Informationen in kürzerer Zeit und zu niedrigeren Kosten für die Einrichtung zu verarbeiten. Arbeitsstunden, die durch optimierte Versuche eingespart werden, können für andere relevante Initiativen genutzt werden.

Die zunehmende Erkenntnis über die Schädlichkeit nuklearer Abfallprodukte lässt es immer dringender erscheinen, geeignete Lösungen für eine sichere Behandlung nuklearen Abfalls zu finden, die auf breiter Basis anwendbar sind. In Europa geht die Regierung von Frankreich mit ihrem Commissariat à l'Énergie atomique et aux Énergies alternatives (CEA) auf diesem Weg voran. Dieser 16.000 Personen umfassende Forschungsriese, der im März 2017 von Reuters als innovativste europäische Forschungseinrichtung (und Nummer 2 weltweit) eingestuft wurde, ist der institutionelle Inbegriff für das „Umsetzen von Absichten“.

Öffentliche Einrichtungen spielen bei der Ausweitung der Grenzen von Wissenschaft und Technologie im Nuklearbereich eine entscheidende Rolle

„Es gibt so viele Herausforderungen im Bereich der modernen Energietechnologie. Deshalb ist unsere Arbeit als Wissenschaftler so spannend“, sagt Damien Perret, ein Spezialist für die Aufbereitung nuklearer Abfälle. Perret arbeitet im CEA Marcoule, einem Forschungszentrum, das sich der Vorbereitung auf eine kohlenstoffemissionsarme Zukunft im Zeitalter der Kernenergie widmet. Die Forschungsaktivitäten dieses Instituts umfassen das Recycling gebrauchter Brennstäbe (Uran und Plutonium), den Rückbau nuklearer Einrichtungen und die Behandlung radioaktiven Abfalls.

Letzteres ist Perrets Fachgebiet – ein Bereich, dessen Wurzeln in Frankreich bis in die Mitte der Sechzigerjahre zurückreichen, als das CEA begann, Borosilikatglas als Eindämmungsmatrix für radioaktive Abfälle aus abgebrannten Brennelementen zu verwenden. Heute ist die Transformation von nuklearer Materie in Glas, die sogenannte Verglasung, der international anerkannte Standard, mit dem die ökologischen Auswirkungen der Abfallentsorgung minimiert werden sollen. „Verglasung ist der beste Kompromiss, was technologische Durchführbarkeit und Kosten (über den Volumenreduktionsfaktor) der Eindämmung – chemische Beständigkeit, thermische Stabilität und Einstrahlfestigkeit – angeht “, sagt Perret. „Seit mehr als 40 Jahren befassen sich französische Wissenschaftler, Ingenieure und Nuklearexperten bei CEA und Orano mit Verglasung, mit dem Ziel, eine umfassende Lösung für übergeordnete Abfallmanagement-Entsorgung zu finden.“

Damian Perret

„Ich kann mich mit derselben Software mit unserer internen Datenbank verbinden, mithilfe von Filtern gezielt Daten extrahieren, Datentabellen kombinieren, meine Daten bereinigen, sie visualisieren und mit leistungsstarken statistischen Verfahren analysieren.“

– Damien Perret, PhD, F&E-Wissenschaftler

Versuchsplanung – eine äußerst kosteneffektive Methode, um kritische Forschung zu beschleunigen

Perret will optimierte Glasrezepturen, die speziell auf Abfalleigenschaften zugeschnitten sind. Unter anderem muss eine optimale Rezeptur die technologischen Bedingungen des Fertigungsprozesses erfüllen und angemessene Endergebnisse für die Entsorgungsanforderungen liefern. Er sagt: „Wir müssen bei dieser Arbeit experimentelle Untersuchungen zur Ausarbeitung und Charakterisierung von Materialien für Glas durchführen, mit den Daten einer internen Datenbank berechnen und dann analysieren, um Vorhersagemodelle zu erstellen.“

In Materialrezepturen versuchen Wissenschaftler, zu ermitteln, wie die Änderung des Inhalts einer bestimmten Komponente letztlich die Eigenschaften eines Materials beeinflussen kann. Die Versuchsplanung (DOE – Design of Experiments) ermöglicht es ihnen, alle Faktoren gleichzeitig anzupassen, anstatt für jeden einzelnen Faktor eine Vielzahl von Tests durchzuführen. „Ein entscheidender Punkt ist die Zahl der Versuche, die man in einer Versuchsplanung durchführen möchte. In unserem Feld müssen bei einem einzelnen Versuch viele Aufgaben im Zusammenhang mit den Schritten zur Glasausarbeitung und -charakterisierung einbezogen werden. Die Endkosten für jeden Versuchslauf sind erheblich.“ DOE hilft, die Anzahl der Einzelversuche für das gewünschte Ergebnis so genau wie möglich festzulegen.

Die Kosten der Versuche im Bereich der Glasrezepturen für die nukleare Entsorgung sind besonders hoch. Das ist laut Perret einer der Gründe, warum es so wichtig ist, die wichtigen historischen Daten aus den vergangenen Jahrzehnten zu nutzen. „Das bedeutet, zunächst eine statistische Analyse vorhandener Daten vorzunehmen und danach maximale Informationen für zukünftige Versuche mit einer möglichst geringen Zahl von Versuchsläufen zu sammeln. Eine Kostenreduktion über eine Reduzierung der Einzelversuche ist für gewöhnlich das Ziel und der Vorteil einer DOE-Strategie“, erklärt Perret. „Wir sehen uns vielen Fragen gegenüber, für deren Beantwortung wir Statistik einsetzen müssen. Zum Beispiel zur Entwicklung der besten statistischen Methode für die Fehleranalyse oder zum Analysieren der Ergebnisse, die aus chemischen Analysen kommen, und den Vergleich dieser Ergebnisse mit theoretischen Zusammensetzungsdaten.

Heute können Wissenschaftler bei CEA mehrere verschiedene Tools zur Visualisierung ihrer Daten, zur Versuchsplanung oder Vorbereitung der Daten und zur statistischen Analyse verwenden. Aber ich bin immer sehr enthusiastisch, wenn es darum geht, sie davon zu überzeugen, dass sie alle diese Aufgaben mit einer einzigen Software erledigen können.“

JMP® ist ein integriertes Tool für die Datenanalyse

In JMP hat Perret diese einzige Software gefunden. Er sagt: „Ich genieße es, dass ich mich mit derselben Software mit unserer internen Datenbank verbinden, mithilfe von Filtern gezielt Daten auswählen, Datentabellen kombinieren, meine Daten bereinigen, sie visualisieren und mit leistungsstarken statistischen Verfahren analysieren kann. „Ich bin ein großer Fan der Plattform ‚Graphik erstellen‘. So etwas habe ich noch in keinem anderen Softwarepaket gesehen. Diese Plattform ist für mich äußerst innovativ.“

Perret erklärt, dass die Plattform „Mischungsdesign“, die Versuche mit multifaktoriellen Komponenten unterstützt, eine weitere Funktion in JMP ist, die er nahezu täglich einsetzt. Durch die Definition einer Reihe linearer Nebenbedingungen können Wissenschaftler die Geometrie eines gemischten Faktorraums begrenzen. Bei seiner Arbeit zur Verglasung hilft Perret die Mischungsdesign-Plattform „bei der Definition der Bereiche der Glaszusammensetzung und der Erstellung von Vorhersagemodellen zur Zusammensetzung von Eigenschaften“. Andere Mitarbeiter in Perrets Team verwenden JMP-Programmierung zum Schreiben eigener Skripte. Mit der JMP-Skriptsprache (JSL) können Anwender „fast alles tun“, erklärt Perret.

Eine engagierte JMP®-Anwendergemeinde fördert das Lernen statistischer Konzepte und den Wissenstransfer zur Statistik

Wenngleich er und viele seiner Kollegen regelmäßig mit JMP arbeiten, nutzen sie nur einen Teil der umfassenden Anwendungsmöglichkeiten der Software, erklärt Perret. Glücklicherweise fördert ein aktives Netzwerk von JMP-Anwendern weltweit einen Wissensaustausch, der es Anwendern mit geringer Statistikkompetenz wie Perret ermöglicht, von den führenden Statistikern aus aller Welt zu lernen. „Ich bin eigentlich Chemiker und habe so gut wie keine Ausbildung in Statistik, aber ich habe mir durch die Verwendung von JMP ein ansehnliches statistisches Hintergrundwissen angeeignet“, sagt Perret. „Natürlich ist der Lernprozess nach oben offen …, aber wir haben die JMP-Anwendergemeinde und -Entwickler, die eine große Hilfe bei diesem Unterfangen sind.“

Schließlich weist Perret auf die engagierten Rückmeldungen des JMP-Entwicklungsteams hin: „Es ist leicht zu sehen, dass es das vorrangige Ziel der JMP-Entwickler ist, das Leben der Anwender zu erleichtern, indem sie ihnen helfen, bei ihrer Statistikarbeit mit JMP die besten Entscheidungen zu treffen.“ Die Reaktivität der Software bei der Lösung neuer Herausforderungen ist einer der wichtigsten Gründe, warum Wissenschaftler wie Perret bereit sind, ihre Versuche mit neuen Methoden und Prozessen durchzuführen. Er sagt: „Wir haben zum Beispiel gerade ein neues Projekt begonnen, in dem wir nach innovativen Methoden suchen, Vorhersagemodelle zu erstellen, die noch stärker als die sind, mit denen wir in der Vergangenheit gearbeitet haben. Dazu müssen wir eine neue Datenbank, neue Modelltypen und neue Skripte erstellen. Dies ist ein sehr anspruchsvolles neues Projekt, für das wir planen, JMP einzusetzen.“


CEA möchte seinen Partnern Orano und EDF für ihre Teilnahme an diesem Projekt danken.

The results illustrated in this article are specific to the particular situations, business models, data input and computing environments described herein. Each SAS customer’s experience is unique, based on business and technical variables, and all statements must be considered nontypical. Actual savings, results and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software.

Back to Top