Stellen Sie sich Ihre individuelle Projektübersicht zusammen.
Forschungsziel: itsOWL-Separatori40 ist ein Innovationsprojekt im Rahmen des Spitzenclusters it´s OWL. Ziel des Verbundprojekts ist die nachhaltige Einbindung von Expertenwissen in die zukunftsweisende Weiterentwicklung und Optimierung von Separatoren. Durch die Entwicklung neuartiger intelligenter Komponenten aus dem Bereich der Sensorik wird es zukünftig möglich sein, Separatoren sowie die zugehörigen Kenngrößen und Prozesszusammenhänge zu verstehen und diese optimal auszulegen und zu betreiben. Hierzu wird ein Instrumentarium bestehend aus Methoden und Lösungen erarbeitet, das darüber hinaus auf analoge Problemstellungen komplexer maschinenbaulicher Anlagen anwendbar sein wird. Im Kern steht die Optimierung der Prozessführung unter konsequenter Entwicklung neuester Technologien im Kontext Industrie 4.0. D.h. die Nutzbarmachung modernster Erkenntnisse zur Vernetzung der Anlagen, sowie die Formalisierung von Expertenwissen zur bestmöglichen Analyse mathematisch nicht abbildbarer Betriebszustände innerhalb des Separators.
Prof. Roman Dumitrescu +49 5251 5465-124
roman.dumitrescu@iem.fraunhofer.de
Dr.-Ing. Danuta Seredynska
+49 721 608-22944
danuta.seredynska@kit.edu
Problemstellung
Bei der industriellen Herstellung von Lebensmitteln, wie Molkereierzeugnissen oder Ölen, bestehen hohe Anforderungen an die Produktqualität. Rohprodukte werden dazu in einem mehrstufigen Prozess veredelt. Dies geschieht u.a. durch Zentrifugen, sogenannte Separatoren, bei denen mit Hilfe der Zentrifugalkraft unerwünschte Substanzen vom Gut getrennt werden. Um eine zuverlässige Trennung zu gewährleisten, sind konstante Betriebsbedingungen erforderlich, wie z. B. Temperatur, Drehzahl und Zusammensetzung der Rohprodukte. Diese sind jedoch häufig nicht gegeben, da die Zentrifuge in einen übergeordneten Produktionsprozess eingebunden ist. Um Verfahrensabläufe zu optimieren, ist ein umfangreiches Expertenwissen erforderlich, das an den Einsatzorten der Zentrifugen nicht vorhanden ist. Beide Aspekte führen zu Ausschuss und Ausfallzeiten der Maschinen. Um die Zuverlässigkeit und Effizienz des Trennprozesses zu steigern, müssen sich die Separatoren eigenständig an sich ändernde Bedingungen anpassen und dabei virtuell auf das notwendige Expertenwissen zugreifen.
Projektziele
Ziel des Forschungsprojekts itsOWL-Separatori40 ist die Entwicklung eines virtuellen Systemmodells, um Hard- und Softwarelösungen für intelligente Zentrifugen zu konzipieren. Darüber hinaus werden eine intelligente Sensorik und eine Datenbank erarbeitet, in der Expertenwissen verfügbar gemacht wird.
Vorgehensweise
Dazu werden die Betriebsbedingungen, wie z. B. Verarbeitungstemperatur, und Verfahrensabläufe, wie z. B. die einzelnen Trennvorgänge, für unterschiedliche Rohprodukte erhoben. Diese werden in einem virtuellen Systemmodell zusammengeführt, mit dem modulare Software- und Hardwarelösungen für intelligente Separatoren entwickelt werden können. Auf dieser Grundlage wird eine intelligente Sensorik erarbeitet, die die Betriebsbedingungen im Separator analysiert und Abweichungen vom Soll-Zustand erkennt. In einer Datenbank wird das erforderliche Expertenwissen in Form von mathematischen Regeln abgebildet, so dass eine eigenständige Auswertung der Sensorsignale erfolgen kann. In dem Projekt wird auf Ergebnisse der Querschnittsprojekte Systems Engineering, Intelligente Vernetzung und Selbstoptimierung zurückgegriffen. Anhand eines Demonstrators werden die Sensorik und die Datenbank validiert und in Zentrifugen integriert.
Ergebnisse und Anwendungspotenzial
Durch das Projekt werden die Zuverlässigkeit und Effizienz des Separationsprozesses erhöht. Insgesamt wird eine Effizienzsteigerung von mindestens 10 v. H. erwartet. Das virtuelle Systemmodell ist die Grundlage für die Entwicklung intelligenter Zentrifugen und die Implementierung weiterer Technologien, wie z. B. maschinelles Lernen und Fernwartung. Die Sensorik und das Expertensystem können auf weitere Branchen, wie z. B. auf die Medizintechnik, übertragen werden.
In der folgenden Liste sehen Sie Ihre ausgewählten Projekt-Favoriten.
Vorlesen