Vooruitgang in aanlyn monitering en data-insameling bied geleenthede om die doeltreffendheid, volhoubaarheid en winsgewendheid van ingenieursprosesse te verbeter. Ten spyte van die belofte van "Groot Data" en die impak daarvan op ander sektore, het die toepassing daarvan in die chemiese en mineraalverwerkingsbedrywe nog nie sy volle potensiaal bereik nie.

Ons wiskundige modellerings- en masjienleergroep poog om hierdie gaping aan te spreek deur fundamentele kennis met statistiese tegnieke te integreer. Ons fokus op die gebruik van teoretiese prosesmodelle en datagedrewe masjienleeralgoritmes, dikwels in kombinasie, om die werking, monitering en beheer van chemiese aanlegte te verbeter. Toepassings sluit in foutopsporing en diagnose, oorsaaklikheidsanalise, versterkingsleer en hibriede modellering, wat velde dek van mineraalverwerking en petroleumraffinering tot omgewingsingenieurswese.