Smarte Kombinationswaagen durch Sammlung großer Datenmengen und deren KI-basierter Auswertung

Teilmengenkombinationswaagen werden häufig in der Lebensmittelindustrie verwendet, um Güter zu wiegen, proportionieren und zu definierten Mengen abzufüllen. Dazu wird Wägegut in mehrere Wägezellen gefördert, die Teilmengen gewogen und durch simultanes Auswerfen zu einer definierten Gesamtmenge kombiniert. Die hohen Anforderungen an die Wägepräzision und -geschwindigkeit sowie die Notwendigkeit, qualitative und quantitative Daten des Wägegutes miteinzubeziehen, machen die Kombinationswaage zu einem herausfordernden Anwendungsgebiet lernender Regelverfahren.

Im Rahmen des Forschungsvorhabens soll eine umfangreiche Datenbasis (i. S. v. „Big Data“) durch die Erweiterung der bestehenden Maschineninfrastruktur und Sammlung von Daten über mehrere Anlagen hinweg erhoben und aufbereitet werden. Weiterhin soll mittels dieser Datenbasis ein Digitaler Zwilling, welcher das reale Prozessverhalten virtuell simuliert, definiert und validiert werden. Der Digitale Zwilling erlaubt es, Modell- und KI-basierte Vorgänge zu simulieren, wobei sich die KI-Anwendungen auf die folgenden drei Bereiche fokussieren:

1. KI-basierte Werteerfassung des Wägegutes
2. Lernfähige Regelung komplexer Vorgänge innerhalb der Maschine
3. Realisierung eines Predictive Maintenance-Ansatzes

Übergeordnetes Ziel des smarten Wägesystems ist es, die Prozesssicherheit der Kombinationswaage hinsichtlich Werterfassungszeit, Genauigkeit und Verfügbarkeit zu optimieren. Dabei erlauben KI-Methoden im Vergleich zu klassischem modellbasiertem Vorgehen eine Anpassung an variable Rahmenbedingungen und kundenspezifische Produkte.

Meine grundsätzlichen Forschungsschwerpunkte sind...

• Nichtlineare Regelung
• Kopplung heterogener Modelle
• Echtzeitfähige Systemidentifikation und -regelung