ML-basiertes Dosiersystem zur nachhaltigen Verpackung von Schüttgütern (ML4DoS)

Transferpilot, Analytics, KI, Verpackungsmaschinen

Hochschule Bielefeld

Fachbereich Ingenieurwissenschaften und Mathematik
Interaktion 1
33619 Bielefeld

Projektbeteiligung
HAVER & BOECKER OHG

Laufzeit
01.01.2023 – 31.12.2023

Projektförderung

MWIKE.NRW: it's OWL Transferpilot                        

Kurzbeschreibung

Die Firma HAVER & BOECKER (H&B) ist ein traditionelles familiengeführtes Mittelstandsunternehmen mit dem Hauptsitz in Oelde. Es gliedert sich in zwei Unternehmensbereiche auf, die Drahtweberei und die Maschinenfabrik. Die Maschinenfabrik ist auf Verpackungs- und Aufbereitungstechnik spezialisiert. Zu ihren Produkten gehören Systeme und Anlagen für das Abfüllen und Aufbereiten von Schüttgütern.

An die Verpackung von energieintensiven Schüttgütern und Lebensmitteln und damit an die Dosiersysteme der Zukunft von H&B werden zunehmend höhere Anforderungen bzgl. Nachhaltigkeit, Genauigkeit, Effizienz und Langlebigkeit gestellt. Ziel dieses Transferpiloten ist es, intelligente Dosiersysteme der Zukunft mit Methoden des maschinellen Lernens und der KI zu realisieren, indem die Maschinen zum einen kontinuierlich überwacht und gleichzeitig optimiert werden und zum anderen die Bedienung für das Fachpersonal vereinfacht wird, was wiederum die Verpackungsqualität verbessert und einen nachhaltigen Betrieb sichert.

Aktuell werden die Maschinen durch Erfahrungswissen händisch auf die jeweilige Produktsorte eingestellt. Auftretende Veränderungen im Maschinen- und Produktverhalten müssen vom Bedienpersonal erkannt und durch Anpassung der Maschineneinstellungen kompensiert werden. Dabei sind die Ursachen für die Veränderungen teils sehr komplex und erfordern ein hohes Erfahrungswissen.

In diesem Projekt soll die Effizienz der Anlagen gesteigert werden, indem die Dosiersysteme intelligent werden. Dazu werden die folgenden Handlungsfelder im Vorhaben verfolgt:

• Detektion von zeitvariantem Verhalten bei Dosiersystemen. Dazu gehören bspw. Verschleiß, Anomalien oder allgemein Concept Drift.
• Automatische Anpassung der Maschinenparameter an Produkteigenschaften und Concept Drift.
• Entlastung des Bedienpersonals durch Reduktion der Parametervielfalt und durch einen optimalen Anlagenbetrieb.