Die Erfassung von aktuellen Prozess- und Qualitätsdaten wird heute auch in der Bäckerei immer mehr zum Standard. Diese Daten sollen in diesem Projekt zur Identifikation und Quantifizierung von bisher nicht bekannten bzw. wenig untersuchten Ursache-Wirkungs-Zusammenhängen innerhalb des Herstellungsprozesses von Kleingebäck genutzt werden. Hierzu sollen geeignete Methoden der künstlichen Intelligenz identifiziert und genutzt werden.
In diesem Projekt sollen in vier wichtigen Schritten folgende Aufgaben in Angriff genommen werden:
1. Automatische Erkennung der Produktqualität
Zusätzlich zu den bereits zur Verfügung stehenden Prozessdaten soll ein optisches System zur Erkennung von Teiglingen und deren Eigenschaften entworfen werden. Dieses soll die Lage der Teiglinge sowie Form und Größe optisch analysieren können und spezifische künstliche neuronale Netze (CNNs) nutzen. Dabei erscheint z.B. die Nutzung von vorhandener Open Source Software in Python (Tensorflow, Roboflow, etc.) und deren Modelle vielversprechend. Die Intention ist es, genauere Aussagen über die Produktqualität treffen zu können. Dazu sollen Informationen über den Status der Teiglinge anhand von zu definierenden Kennzahlen erhoben werden können. Die Produkterfassung und Qualitätsbeurteilung sollen in Form eines Moduls erfolgen, welches nach Bedarf einer Anlage hinzugefügt werden kann. Durch den Aufbau bzw. Training eines Modells zur Erkennung der Teiglinge sowie durch entsprechende, zu definierende Tests wird die prinzipielle Funktionsfähigkeit des konzipierten Moduls nachgewiesen. Weiterhin sollen Kennziffern zur Beurteilung der Teiglinge anhand der optischen Auswertung erarbeitet werden.
2. Punktgenaue Daten-Aggregation aller Informationen auf die einzelnen Teiglinge
Die Sensordaten, Prozessparameter und Stellgrößen, die während der Teigling-Herstellung angefangen von der Knetung bis hin Schneiden und Rundwirken entstehen, werden durch WP
CONNECT in einer Zeitreihen-Datenbank (InfluxDB) im Sekundentakt abgelegt. Auch nach jeder Knetung wertet das Tool MIXCONTROL automatisiert den Knetvorgang aus und erkennt, ob ein Teig zu Ende geknetet, überknetet oder überhitzt wurde. Die Ergebnisse der Knetung werden mit Zeitstempel am Kneter abgespeichert.
Ziel ist es nun, dass alle diese Daten zusammen mit den neu hinzugekommenen Qualitätsmerk-malen der Teiglinge (s. Aufgabe 1) punktgenau auf die jeweiligen Teiglinge aggregiert werden und zu jedem Teigling ein virtuelles hierarchisches Daten-Objekt erzeugt wird. Das virtuelle Teigling-Objekt enthält dabei hierarchisch gegliedert nach den durchlaufenen Einflussbereichen nur die Daten, die auf genau diesen Teigling eingewirkt haben.
Um das zu erreichen, muss zunächst jeder Teigling durch seinen Produktionsprozess verfolgt werden. Dazu soll ein modellbasierter Teigfluss-Beobachter aufgebaut werden, der den Teigtransport auf Basis der vorhandenen Stell- und Messsignale simuliert. Das Beobachtermodell soll dann anhand vorhandener Lichtschranken fortlaufend eine Korrektur-Rückführung erhalten.
3. Optional: Auffinden der Ursache-Wirkungszusammenhänge bei Qualitätsabweichungen.
Die virtuellen Teigling-Objekte (s. Aufgabe 2) enthalten nun alle relevanten Informationen, die diesen Teigling betreffen und sollen als Datenbasis zum Training der Ursachen-Wirkungs-Zusammenhänge dienen. Dazu soll eine KI aufgebaut werden, die auf Merkmale von schlechter Produktqualität (s. Aufgabe 1) reagiert und das Teigling-Objekt nach Mustern durchsucht, die mit diesem Qualitätsmerkmal in Zusammenhang stehen.
Zum Training und zur Absicherung der Ursachen-Wirkungs-Zusammenhänge ist es wichtig, eine breite Datenbasis aus einer realen Produktion zu erhalten. Dazu soll die Qualitätserkennung aus Aufgabe 1 und die automatische Datenaggregation aus Aufgabe 2 bei einem Test-Kunden installiert werden, um laufend frische Trainingsdaten zu erhalten. Die Daten mit spezifischen Qualitätsmerkmalen sollen automatisch abgespeichert und der KI zum Training zugeführt werden.
4.Optional: Optimierung der Produktqualität
Auf Basis dieser gefundenen Ursache-Wirkungszusammenhänge soll der Maschinenbediener in Zukunft bei auftretender Qualitätsabweichung Hinweise zur Anpassung der Prozess-Parameter der Maschine oder Hinweise zur Verbesserung der Teigqualität bekommen. Dazu in dem vorhandenen Tool WP CONNECT eine Hinweis-Liste implementiert werden, die auftretende Qualitäts-Abweichungen dokumentiert und mit konkreten Verbesserungs-Hinweisen anreichert.
Sobald diese Hinweise sich in der Praxis als verlässlich und genau genug erwiesen haben, soll die Anlage automatisiert die Prozessparameter dahingehend optimieren, dass kontinuierlich eine gleichbleibend hohe Produktqualität erreicht wird. Dazu soll ein Konzept erstellt werden, dass die automatisierten Parameteroptimierung zur Sicherstellung einer gleichbleibenden Produktqualität vorbereitet.
Bezug zum Thema Data Science
Bilderkennung und-verarbeitung mit CNNs sowie die Erstellung von Digitalen Abbildern von Produkten und datenbasiertes Aufdecken von Ursache-Wirkungszusammenhängen sind Kernthemen der Data Science.
Verfügbare Ressourcen
- Teigband-Anlage „PANE“ im Backzentrum bei WP Kemper in Rietberg zur Aufnahme von Messdaten
- Anschaffung einer Industriekamera und benötigter Hardware (Jetson Xavier von NVIDIA) Objekterkennung der Teigling-Qualität
- WP CONNECT-PC mit integrierter Datenbank zur Aufnahme und Verarbeitung von Messdaten
- Unterstützung mittels benötigter Informationen sowie durch Maschinen-Entwickler und Backmeister
Sicherstellung der Verfügbarkeit von Daten, Rechenressourcen, Hardware, Anwendungsexperten
Projektplan
Neben der Mitarbeit an der Erforschung und Entwicklung der Verfahren sind folgende wissenschaft-liche Ausarbeitungen als Prüfungsleistungen vorausgesetzt:
Erstes Semester:
- Erstellung eines Forschungsexposés zur Detailplanung der Arbeiten.
- Auswahl und Einrichtung Training einer Industriekamera Erzeugung von Datensätzen.
Zweites Semester:
- Ermittlung des Standes der Technik auf dem Gebiet der Qualitätsmessung durch Bildanalyse
- Auswahl und Implementierung von Verfahren. Gegenüberstellung anhand des Datensatzes
- Erstellung eines Technical Reports zum Stand der Technik
Drittes Semester:
- Verfeinerung der Analyse und Adaption der Methoden, um die Ergebnisqualität zu erhöhen
- Erstellung eines Papers zur KI-basierten Qualitätsmessung von Teiglingen.
Viertes Semester:
- Aufbau eines modellbasierten Teigfluss-Beobachters für das Tracking und Tracing der Teiglinge
- Datenselektion und Aggregation aller Informationen aus Sensoren, Prozesseinstellungen, Qualitätsbewertung, und Teigeigenschaften zu einem virtuellen Teigling-Objekt.
- Masterarbeit und Kolloquium
Eignungskriterien
Zwingend:
- Programmierkenntnisse
- Erfahrung mit SPS-Steuerungen
- Teamfähigkeit und Interesse an wissenschaftlicher Arbeit
- Selbstständige Arbeitsweise
Optional:
- Simulationserfahrung
- Prozess-Kenntnisse der Kleingebäcksproduktion
- Grundlagenkenntnisse in Objekterkennung und KI-Einsatz
Erwerbbare Kompetenzen
- Einsatz von visueller, KI-basierter Objekterkennung
- Einsatz eines modellbasierten Teigfluss-Beobachters
- Umgang mit Big-Data: Selektion und Aggregation
- Einsatz neuronaler Netze zum Training von Ursache-Wirkungs-Zusammenhängen
- Anwendung von Ursache-Wirkungs-Zusammenhängen zur Prozessoptimierung
