Font size
DIE MESSE: Neue Ausgabe zur interpack (04. bis 10. Mai in Düsseldorf) erschienen

interpack 2017: Reinigungssystem mit virtuellem Zwilling

  •  

Interview mit Prof. Dr. Jens-Peter Majschak, Institutsleiter Fraunhofer IVV

03.05.2017

Inklusive intelligenter Verschmutzungserkennung und virtuellem Zwilling: Ein neuartiges mobiles Reinigungsgerät für Verarbeitungsanlagen stellt das Fraunhofer IVV Dresden auf der interpack in Halle 5 am Stand J38 vor. DIE MESSE hatte vor der interpack Gelegenheit, darüber mit Institutsleiter Prof. Dr. Jens-Peter Majschak zu sprechen.

 - Zwei Varianten des Mobile Cleaning Device: selbstfahrend oder auf Förderband
© Fraunhofer IVV Dresden
Zwei Varianten des Mobile Cleaning Device: selbstfahrend oder auf Förderband

Herr Prof. Dr. Majschak, Fraunhofer IVV stellt auf der interpack in Halle 5, Stand J38 ein neues mobiles Reinigungsgerät für Verarbeitungsanlagen vor, das die Vorteile herkömmlicher automatisierter Reinigungssysteme mit der Flexibilität manueller Reinigung verbinden soll. Welche Besonderheiten weist das „Mobile Cleaning Device“ (MCD) auf?

Das MCD ist als Technologieträger für ein automatisiertes Reinigungssystem konzipiert, welches sich auf dem Produktweg durch die Verarbeitungsanlage hindurch bewegt und diese bedarfsgerecht reinigt. Dabei kann es mit geringem Integrationsaufwand für geeignete Anlagen der Lebensmittel-, Pharma- oder Kosmetikindustrie konfiguriert bzw. nachgerüstet werden. Highlights an Bord des Reinigungsgeräts sind die WLAN-Steuerung, die je nach Bedarf zuschaltbaren Reinigungsdüsen, die umfangreiche Sensorik mit ihrer Verschmutzungserkennung und ein selbstlernendes System, das von Einsatz zu Einsatz den Reinigungsprozess optimiert. All das führt zu einer flexiblen und effizienten Reinigung mit neuen Möglichkeiten der Dokumenta­tion im Sinne der Traceability.

Das Konzept eines virtuellen Zwillings des MCD umfasst ein adaptives Modell des Reinigungsprozesses. Welche Optionen eröffnen sich dadurch?

In adaptiven Modellen von Reinigungsprozessen sind neben den relevanten Wechselwirkungen zwischen zu reinigender Anlage und Reinigung
ssystem auch die Wirkung der Einflussfaktoren auf das Reinigungsergebnis beschrieben. Durch die Kombination der virtuellen Zwillinge von Anlage und Reinigungssystem eröffnen sich Möglichkeiten für inline-optimierbare Reinigungsparameter und abläufe. Das System lernt nicht nur von Einsatz zu Einsatz, sondern passt während eines Reinigungslaufes die Startparameter kontinuierlich an die momentan vorherrschenden Verschmutzungszustände und Bedingungen in der Verarbeitungsanlage an. Das verspricht eine weitere Effizienzsteigerung.

 - Prof. Dr. Jens-Peter Majschak, Leiter des Fraunhofer-Instituts für Verfahrenstechnik und Verpackung IVV
© Christian Hüller
Prof. Dr. Jens-Peter Majschak, Leiter des Fraunhofer-Instituts für Verfahrenstechnik und Verpackung IVV

Das System kann flexibel zur Reinigung von mehreren Anlagen genutzt werden. Welche Aufgaben meistert hierbei das MCD?

Das MCD ist in einer ebenfalls mobilen Docking Station geparkt, mit der es in der Betriebstätte frei bewegt werden kann. Somit können bei untereinander abgestimmten Reinigungszyklen mehrere Anlagen mit einem Gerät gereinigt werden, was Investi­tionskosten spart. Dabei konfiguriert sich nach einmaligem Anlernen das MCD durch Einlesen des virtuellen Zwillings bzw. der Reinigungsparameter individuell für jede Anlage von selbst.
Neben dem Einsatz in Verarbeitungslinien sind wir natürlich stets auf der Suche nach weiteren Anwendungsbereichen und freuen uns auch diesbezüglich auf interessante Gespräche und Anregungen.

Die spannenden Themen Data Mining und maschinelles Lernen rücken Sie mit SAM – einem Selbstlernenden Assistenzsystem für Maschinen – auf der interpack in den Mittelpunkt. Was leistet SAM?

Die Verarbeitung von Lebensmitteln und Naturstoffen ist unheimlich komplex. Daher sind auch modernste Verarbeitungsanlagen mit innovativer Sensortechnik nicht in der Lage, jede mögliche Störung und deren Ursache automatisch zu erkennen. Es sind immer Menschen mit Prozess- und Erfahrungswissen notwendig. Nur diese können komplexe Situationen einschätzen, bewerten und die richtigen Schlüsse daraus ziehen.
SAM begleitet den Menschen bei diesen Lernprozessen und baut dadurch selbst Erfahrungswissen auf. Dieses Erfahrungswissen kann dann anderen Bedienern in vergleichbaren Situationen zur Verfügung gestellt werden. SAM ist demnach eine Art virtueller, beratender, mitlernender Kollege, der sämtliches Erfahrungswissen aller Bediener in sich trägt. Dabei nimmt er sowohl die Funktion des Auszubildenden als auch des Erfahrungsträgers ein. Die menschliche Fähigkeit zu lernen wird durch den Einsatz von Algorithmen des maschinellen Lernens realisiert. SAM analysiert permanent riesige Datenströme in der Anlage und sucht nach komplexen Mustern zur präzisen Wiedererkennung von Störungen. Dadurch wird SAM befähigt, komplexe Situationen zu lernen und zur jeweiligen Situation das passende Erfahrungswissen bereitzustellen.

Welches Potenzial hat SAM mit Blick auf eine effiziente Beseitigung von Störungsursachen?

Aktuell treten im Verarbeitungsprozess gleiche Störungen häufig in sehr kurzen Abständen wiederholt auf. Das liegt oft daran, dass weder Mensch noch Maschine in der Lage sind, die wirklichen Störungsursachen zu identifizieren und diese nachhaltig zu beseitigen. Der Maschine fehlt es häufig an der für den Einzelfall speziell programmierten Sensorik, dem Menschen am notwendigen Prozesswissen und Erfahrung.
Durch den Einsatz von SAM können Störungsursachen sehr viel präziser als durch klassische Fehlerabfragen in Maschinensteuerungen erkannt werden. Mit Hilfe einer situationsangepassten Unterstützung mit Erfahrungswissen aller Kollegen können Störungen deutlich schneller und nachhaltiger behoben werden. Dadurch entfallen die vielen Störungswiederholungen, der Anlagenwirkungsgrad steigt und der Bediener wird entlastet. Gleichzeitig baut der Bediener durch das unterstützte „learning-by-doing“-Prinzip deutlich schneller eigenes Prozesswissen auf. Dieses Grundwissen befähigt ihn selbstständig, komplexe Störungen analysieren und eigene Lösungsstrategien ableiten zu können, die wiederum anderen Kollegen helfen können. Durch die erweiterte Nutzung mit Cloud-Systemen können Bediener auch weltweit voneinander lernen.

Künftig ist bei SAM ein kooperatives Dialogsystem zwischen Mensch und Maschine angestrebt. Wer lernt hier von wem?

Mit einem kooperativen Dialogsystem soll die Trennung zwischen zeitaufwändiger Wissenseingabe und nützlicher Wissensausgabe aufgelöst werden. Durch ein Gespräch zwischen SAM und dem Bediener zur aktuellen Situation und möglichen Lösungen werden gegenseitig Erfahrungen ausgetauscht. Dadurch lernt SAM sowohl vom Bediener als auch umgedreht. Da SAM den zentralen Erfahrungsspeicher im Unternehmen darstellt und Erfahrungswissen nur weitergibt, lernen im Ergebnis alle Bediener eines Unternehmens genauso wie Schichtleiter, Techniker, Ingenieure und Monteure voneinander.

Herr Prof. Dr. Majschak, vielen Dank für das Gespräch.

Lesen Sie mehr zur interpack im Messejournal DIE MESSE - im Original-Layout kostenlos als E-Paper mit Blätterfunktion oder im praktischen PDF-Format.

http://www.interpack.de/