EP3448798A1 - Verfahren zum optimieren des abfüllens eines behälters - Google Patents

Verfahren zum optimieren des abfüllens eines behälters

Info

Publication number
EP3448798A1
EP3448798A1 EP17719258.0A EP17719258A EP3448798A1 EP 3448798 A1 EP3448798 A1 EP 3448798A1 EP 17719258 A EP17719258 A EP 17719258A EP 3448798 A1 EP3448798 A1 EP 3448798A1
Authority
EP
European Patent Office
Prior art keywords
filling
product
parameter
parameters
target value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
EP17719258.0A
Other languages
English (en)
French (fr)
Inventor
Jochen Ohrem
Ludwig Clüsserath
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KHS GmbH
Original Assignee
KHS GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KHS GmbH filed Critical KHS GmbH
Publication of EP3448798A1 publication Critical patent/EP3448798A1/de
Ceased legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B67—OPENING, CLOSING OR CLEANING BOTTLES, JARS OR SIMILAR CONTAINERS; LIQUID HANDLING
    • B67C—CLEANING, FILLING WITH LIQUIDS OR SEMILIQUIDS, OR EMPTYING, OF BOTTLES, JARS, CANS, CASKS, BARRELS, OR SIMILAR CONTAINERS, NOT OTHERWISE PROVIDED FOR; FUNNELS
    • B67C3/00—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus; Filling casks or barrels with liquids or semiliquids
    • B67C3/007—Applications of control, warning or safety devices in filling machinery
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B67—OPENING, CLOSING OR CLEANING BOTTLES, JARS OR SIMILAR CONTAINERS; LIQUID HANDLING
    • B67C—CLEANING, FILLING WITH LIQUIDS OR SEMILIQUIDS, OR EMPTYING, OF BOTTLES, JARS, CANS, CASKS, BARRELS, OR SIMILAR CONTAINERS, NOT OTHERWISE PROVIDED FOR; FUNNELS
    • B67C3/00—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus; Filling casks or barrels with liquids or semiliquids
    • B67C3/02—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus
    • B67C3/22—Details
    • B67C3/28—Flow-control devices, e.g. using valves
    • B67C3/287—Flow-control devices, e.g. using valves related to flow control using predetermined or real-time calculated parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B3/00—Packaging plastic material, semiliquids, liquids or mixed solids and liquids, in individual containers or receptacles, e.g. bags, sacks, boxes, cartons, cans, or jars
    • B65B3/22—Defoaming liquids in connection with filling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B67—OPENING, CLOSING OR CLEANING BOTTLES, JARS OR SIMILAR CONTAINERS; LIQUID HANDLING
    • B67C—CLEANING, FILLING WITH LIQUIDS OR SEMILIQUIDS, OR EMPTYING, OF BOTTLES, JARS, CANS, CASKS, BARRELS, OR SIMILAR CONTAINERS, NOT OTHERWISE PROVIDED FOR; FUNNELS
    • B67C3/00—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus; Filling casks or barrels with liquids or semiliquids
    • B67C3/02—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus
    • B67C3/22—Details
    • B67C3/28—Flow-control devices, e.g. using valves
    • B67C3/282—Flow-control devices, e.g. using valves related to filling level control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B67—OPENING, CLOSING OR CLEANING BOTTLES, JARS OR SIMILAR CONTAINERS; LIQUID HANDLING
    • B67C—CLEANING, FILLING WITH LIQUIDS OR SEMILIQUIDS, OR EMPTYING, OF BOTTLES, JARS, CANS, CASKS, BARRELS, OR SIMILAR CONTAINERS, NOT OTHERWISE PROVIDED FOR; FUNNELS
    • B67C3/00—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus; Filling casks or barrels with liquids or semiliquids
    • B67C3/02—Bottling liquids or semiliquids; Filling jars or cans with liquids or semiliquids using bottling or like apparatus
    • B67C3/22—Details
    • B67C3/28—Flow-control devices, e.g. using valves
    • B67C3/286—Flow-control devices, e.g. using valves related to flow rate control, i.e. controlling slow and fast filling phases
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion

Definitions

  • the present invention relates to a method for optimizing the
  • Bottling a container especially in the context of beverage containers, such as bottles, cans or kegs by filling machines in the beverage industry.
  • the product to be filled flows through the filling valve of a filling machine into the beverage container, which can be, for example but not limited to, a PET bottle.
  • the maximum filling speed that can be achieved when filling the product depends on various factors, such as the density and viscosity of the product and its CO 2 content.
  • the product is not accompanied by an additional item
  • the flow rate during filling in short, the filling rate, can thus be adjusted over the opening cross-section of the open filling valve, wherein the opening cross section optionally by a
  • Control valve is variable.
  • the aim is to keep the entire process time for filling the container as short as possible.
  • the filling process time is understood to mean the period of time necessary for opening the filling valve, filling the container, closing the filling valve, calming the contents in the container and closing the filling itself.
  • Limits in minimizing the actual filling time are in particular set by a CO2 content of the products, which leads to a foaming of the product during filling, regardless of whether the filling under a pressure or without.
  • the filling of a CO2-containing beverage under a counter pressure the so-called filling pressure
  • Leakage of CO 2 from the drink is limited. This is necessary because, in particular, when the filling material flows into the container, the CO2 that is physically dissolved in the product is released from the product.
  • the filling speed over the time of the filling process in the manner of a Greesprofils is varied, such that on the one hand a low foaming occurs and on the other hand, the product is transferred as quickly as possible in the container.
  • the possible filling speed is further from others
  • the viscosity of the product which is determined for example by the syrup or beverage concentrate content in the water, by the solubility of the CO 2 in the product, by the
  • the opening position of a Med. Control valve over the time of the filling process can be used as a control variable.
  • a method of this kind is known, for example, from EP 2 975 486 A2. It is an object of the present invention to provide a method which enables more efficient filling of different products.
  • an optimization method is carried out with a learning phase in which the following method steps are used: a) at least one filling parameter, for example the
  • Filling speed is set to a starting value, in particular the value of the filling parameter of a similar product, b) with the set filling parameter, the product is filled, with the filling parameter assigned
  • Foaming and / or total filling time of the filling process that is preferably to calm down the beverage in the container, as
  • step e) upon reaching a termination criterion to step g) in which the fill parameter associated with the best target value is stored as the optimal fill parameter for the product in the data model and h) the optimal fill parameter when filling the product into one
  • the abort criterion is defined, for example, by the lapse of a certain period of time or when a certain quality of the target value has been reached or at a certain convergence of the target value after several
  • the set fill parameter is based on a particularly self-learning algorithm, in particular using the
  • the product-specific and optionally machine-specific optimized filling parameter can then be stored in the data model.
  • the data model may be in a memory of a controller Laboratory filling plant in which optimization tests are carried out for the filling process of a new product.
  • target values and corresponding optimal filling parameters or generally the data of the data model or the data model itself can be stored in a data cloud so that, for example, a bottler or beverage manufacturer has global access to these values. Both can thus be optimized already
  • the fill parameters of a similar product can be used as a starting point for an optimization process.
  • the invention thus does not only allow for known
  • the filling speed or position of the filling valve / regulating valve is optimized as a filling parameter, in particular its time course over the time of the filling process (opening of the filling valve until the filling valve closes).
  • a self-learning algorithm is used as the algorithm, for example an evolutionary algorithm, in which self-learning structures, in particular in the manner of a neural
  • Such a self-learning algorithm develops some cognitive ability and thus can greatly simplify or speed up the optimization of at least one fill parameter of the product.
  • Satellite which operated on the magnetohydrodynamic principle, was necessary to the performance of a two-phase supersonic nozzle
  • Beverage concentrate or syrup content the temperature of the product, the beverage kekonzentrattyp, to name the viscosity, the density, the CO 2 content and / or the solubility of the CO2 in the product.
  • the component of certain soluble or insoluble beverage components can be listed as a further product parameter.
  • these different weightings are taken into account in the algorithm by means of corresponding weighting factors.
  • An important product characteristic is, for example, the viscosity of the product because it significantly affects the filling rate when passing through the filling valve.
  • the associated optimum filling parameter of at least one similar product is preferably interrogated and used as the starting point in step a) of the method.
  • Optimization process reaches an optimal filling parameter faster.
  • first defaults or values from the experience of a developer can be used.
  • multiple filling parameters can be simultaneously optimized by the inventive method multiple filling parameters.
  • the filling parameters are optimized one after the other and not several filling parameters at the same time, because this would be too complex.
  • the method according to the invention is returned to step a) after step g), the further or new filling parameter then being optimized in the further steps a) to g). That way you can
  • an optimized filling curve at 25 ° C can be used to calculate an optimized filling curve at 20 ° C, without the need for a separate optimization process.
  • a separate temperature optimization process may be run through, where the data model may use known temperature relationships from other products.
  • the data model in particular taking into account self-learning algorithms and structures, leads to a fast achievement of an optimized filling parameter.
  • Filling speed or the time course of the filling speed or filling valve position is used, other filling parameters can be optimized, such as filling time, temperature, filling pressure, level of the product in the container filled, CO 2 release during filling.
  • the variation of a filling parameter may be either the size or the time profile of the
  • the time profile of the filling speed over the filling process is preferably optimized.
  • the filling behavior of a product can be recognized relatively quickly by the person skilled in the art. Even for the data model, such a filling speed profile is easy to process and evaluate.
  • different features such as inflection points, maxima, minima, or first or second derivatives may be used as filling characteristics. Within the framework of an optimized filling parameter, these characteristics can then be stored and used for use in a filling process when filling a beverage with a filling machine.
  • the invention also covers a computer program product stored on a computer-readable data memory suitable for
  • the computer program product is stored in the working memory of a computer which is connected to or connectable to a filling machine control.
  • the data model may be loaded into a cloud from the computer of a laboratory filling plant performing optimization tests, from which the beverage manufacturer or bottler then uses the correspondingly optimized filling parameters for the filling machines in connection with a serial filling of the corresponding products.
  • the filling process is standardized and optimized, resulting in a more reproducible beverage quality and a time-optimized filling process.
  • the controlled variable is
  • the foaming during or at completion of filling the sensory via a camera and a corresponding Image evaluation or one or more electrical contacts or in any other suitable manner.
  • the aim is to quickly fill different types of drinks with the least possible foaming by the possibility of varying the filling speeds during the filling process.
  • Filling speed control with the target value of the life of a filling valve may also be useful, since repair and / or the replacement of components such as bellows or complete filling valves are complex and expensive and also cause high costs due to the necessary for the measures mentioned production interruptions.
  • the described procedure can be of great use, in particular in filling operations with a multiplicity of different beverages and container shapes, and / or in the filling of new types of beverages / container shapes. Determining an optimized velocity profile of the
  • Volume flow during the filling process is preferably done automatically, e.g. via artificial neural networks or reference trajectory or other known control engineering methods.
  • a learning algorithm approximates e.g. a predetermined optimum, e.g. by changing the weighting and adjusting the thresholds.
  • the learning phase is divided into 5 steps:
  • the learning phase is preferably repeated several times. Step 1 )
  • the prediction can be derived from similar beverages that are filled into similar containers with similar filling valves. It is conceivable that the process data (speed profiles, pressure, temperature, etc.), beverage parameters (CO 2 content, viscosity, density, ingredients, etc.) of the filling valves and the filling valve type are stored worldwide in a cloud, for the new setting can be used.
  • Characteristic of beverages to be filled are in particular temperature, CO 2 content, pressure and viscosity. With similar values, a database can be used anywhere in the world, and so on
  • Bottling behavior can be predicted.
  • the database can be in
  • the database may be the property of a beverage manufacturer and bottler.
  • Step 1 is not absolutely necessary, but it does make the optimization of the speed profile faster. If there is no database with stored filling parameters of similar products, step 2 is started.
  • the filling process is carried out.
  • the target value e.g. the filling time or foaming is measured, e.g. via camera or electrical contacts.
  • Step 4) The relationships are analyzed.
  • Step 5) The full parameters are changed or adjusted based on the data stored in the database or arbitrarily Revolutionary). If there is an improvement to previous fillings, the settings will be retained or by repeating steps 2-5 with light ones
  • the beverage-specific data could be stored in the described cloud database, in particular in the context of the data model, in order to have fill parameters of existing products quickly at hand, or to be able to quickly optimize those of new products.
  • the data model is preferably a data-based modeling of correlating product and fill parameters of different products, if appropriate also considering different ones
  • Model data can be used for a self-learning filling valve, in particular with a control valve.
  • the speed of the filling material can be incorporated in a loop in such a way that it can
  • the filling speeds of different products are set automatically during the filling process.
  • characteristics such as certain inflection point as well as times to reach the maximum speed (as described above) may be considered as essential points of a filling parameter in the
  • Embodiments of the invention can be combined in any way with each other.
  • the following terms are used synonymously: drink - product;
  • Container - Bottle Can Keg Flow meter - MID
  • FIG. 1 shows a schematic representation of the filling valve of a filling machine, as used in modern filling machines for bottling beverages
  • FIG. 2 shows a schematic block diagram of a self-learning algorithm with the setting and control variables, which are optimized in the algorithm
  • Fig. 3 shows the representation of a flow profile when starting a
  • FIG. 4 shows an optimized filling speed profile, which theoretically can not be derived in this way
  • FIG. 5 shows a time profile of the opening position of the filling valve in an analogous manner to the filling speed profile according to FIG. 3, FIG.
  • FIG. 6 shows a profile of the time sequence of the filled product quantity
  • FIG. 7 shows the detection of characteristic values from the first and second derivation of the time profile of the filled product quantity for characterizing the filling parameter.
  • Fig. 1 shows schematically a filling valve 10 which is used in a filling machine for filling a container, such as a bottle 12.
  • the filling element 10 contains a product channel 14, in the course of which a magnetically inductive flow meter 16 (MID) for determining the amount of product flowing through the product channel 14 during filling
  • MID magnetically inductive flow meter
  • volume is designed as well as a filling valve 20 is arranged, which is controllable with respect to its opening stroke, in order to be able to control the filling flow over the time course of the filling process in this way.
  • an optical sensor 22 for detecting the filling flow is designed as well as a filling valve 20 is arranged, which is controllable with respect to its opening stroke, in order to be able to control the filling flow over the time course of the filling process in this way.
  • the arrangement of MID 16 and filling valve 20 may be arbitrary.
  • the fill valve 20 may be an on / off valve, a 2-stage valve or a control valve.
  • a flow meter 16 can also be a load cell and / or a
  • Level sensor can be used.
  • the data model in which product-specifically at least one, preferably a plurality of filling parameters, such as the time course of the filling speed, are optimized has a self-learning algorithm 30 to which target values 32 are input, such as the filling time of a filling process, for example.
  • the self-learning algorithm 30 is supplied with product parameters 34, such as the viscosity of the product, the temperature of the product, the CO2 content, the beverage ingredients.
  • Output or control variable is a control signal for the filling / control valve 20. It can thus over the time course of the control signal, a time course of the
  • Filling / regulating valve position can be set during the filling process, which leads to a minimal foaming or to a short total filling time.
  • the self-learning algorithm for example, also known or similar filling parameters 36, for example, as start values supplied, such as filling speed, level in the container, foaming, filling time.
  • the self-learning algorithm 30 is part of a data model 40 in which the correlated product parameters, fill parameters and target values of a product are stored in correlation with the self-learning algorithm 30 and maintained as a model. This model allows a quick optimization of the fill parameters that are essential for batch filling, in particular the position of the filling valve during the filling process for a defined product.
  • This timing of Drventil too can be used for example via a data cloud in all filling machines used by the beverage manufacturer and / or bottler, with the result that all filling machines work with the same optimized Grepn and globally a reproducible quality is achieved when filling the product.
  • the corresponding parameters of at least some of the machines manufactured by the machine manufacturer can also be stored in the data cloud, these parameters preferably also
  • the 2 thus shows the mode of operation of the learning control with the control valve as an actuator and in particular the measurement of the foam by at least one sensor.
  • the influences for the filling of beverages are dependent, in particular, on the CO 2 content, viscosity, temperature, pressure and the ingredients of the beverage.
  • the measurable target is the
  • Foaming behavior (amount and / or amount of the foam) is selected upon reaching the level or during the filling process. This can be realized by means of a camera or by an electrical contact (or several). As a result of the optimized filling parameters, it is thus possible to obtain directly a time-related control signal for the filling valves / control valves 20 of a filling machine.
  • 3a to d show the product level 50 in the product channel 14 of a filling element 10 in Fig. 1 during the start of the filling process
  • the product level is flat, that is, it extends transversely to the wall of the product channel 14.
  • the filling valve 20 has just opened, so that the product in
  • FIG. 3 illustrates how product parameters, such as density [g / l], shroud shear wall (fill valve), viscosity of the product, adhesion of the product to product channel 14, interact with the fill parameters, as well the diameter of the product channel 14 and the shape of the product channel and the filling valve 20 count.
  • product parameters such as density [g / l], shroud shear wall (fill valve), viscosity of the product, adhesion of the product to product channel 14, interact with the fill parameters, as well the diameter of the product channel 14 and the shape of the product channel and the filling valve 20 count.
  • the determined flow characteristic values correlating to the viscosity
  • Fill valves can be used to optimize the self-learning control described above for a speed profile of the filling process.
  • FIG. 4 shows a region A in which the filling speed during the
  • Fig. 4 shows the time course of the filling speed or the product flow through the product channel 14, this can
  • Fig. 6 shows a first filling curve P1 of a first product and a filling curve P2 for a second product.
  • the filling curve represents the filled product quantity over time.
  • Turning points 60a, b as well as end points 62a, b can be seen from the curves as well as the time until reaching the maximum filling speed, which represent essential parameters of the filling curve.
  • the turning points 60a, b of these curves indicate, for example, the
  • the first derivative curve 70 which has its maximum at the point of inflection 60c of the filling curve P3, is obtained, for example, from a filling curve P3 by means of a first derivative.
  • the first derivative curve 70 basically designates
  • the minimum 76 of the second discharge curve 72 indicates the time in which the control of the valve 20 in the closing direction is greatest.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Fluid Mechanics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Filling Of Jars Or Cans And Processes For Cleaning And Sealing Jars (AREA)

Abstract

Die Erfindung betrifft ein Verfahren zum Optimieren des Abfüllens eines Behälters mit einem Wasser-enthaltenden Produkt, bei welchem Verfahren das Produkt dem Behälter über ein einstellbares Regelventil zugeführt wird, dessen Durchlassquerschnitt zum Regeln des Füllgeschwindigkeit beim Abfüllen regelbar ist, bei welchem Verfahren in einer Lernphase: a) wenigstens ein Füllparameter, insbesondere die Füllgeschwindigkeit, gemäß einem ähnlichen Produkt eingestellt wird, b) mit dem eingestellten Füllparameter ein Füllvorgang durchgeführt wird, wobei die dem eingestellten Füllparameter zugeordnete Schaumbildung und/oder die Gesamtabfülldauer des Füllvorgangs als Zielwert gemessen wird/werden, c) Zusammenhänge zwischen dem Füllparameter und dem Zielwert in einem das Verhalten der Füllmaschine für unterschiedliche Produkt simulierenden Datenmodell erfasst und gespeichert werden, d) der gespeicherte Zielwert mittels einer Bewertungsfunktion zur Ermittlung eines besten Zielwerts evaluiert wird, e) bei Erreichen eines Abbruchkriteriums zu Schritt g) gesprungen wird. f) der eingestellte Füllparameter basierend auf einem Algorithmus, insbesondere unter Nutzung des Datenmodells, variiert und zu Schritt b) zurückgesprungen wird, g) der dem besten Zielwert zugeordnete Füllparameter als optimaler Füllparameter für das Produkt in dem Datenmodell gespeichert wird, und h) dass der optimale Füllparameter beim Abfüllen des Produkts in einer Füllmaschine verwendet wird.

Description

Verfahren zum Optimieren des Abfüllens eines Behälters
Die vorliegende Erfindung betrifft ein Verfahren zum Optimieren des
Abfüllens eines Behälters, insbesondere im Rahmen von Getränkebehältern, wie zum Beispiel Flaschen, Dosen oder Kegs durch Füllmaschinen in der Getränkeindustrie. Beim Abfüllen eines Behälters strömt das abzufüllende Produkt durch das Füllventil einer Füllmaschine in den Getränkebehälter, bei dem es sich beispielsweise, aber nicht beschränkend um eine PET-Flasche handeln kann. Die maximale Füllgeschwindigkeit, die beim Abfüllen des Produkts erzielt werden kann, ist abhängig von unterschiedlichen Faktoren, wie z.B. der Dichte und der Viskosität des Produkts und dessen CO2-Gehalt.
In der Regel wird das Produkt nicht durch eine zusätzliche
Druckbeaufschlagung in den Behälter abgefüllt, sondern es läuft aufgrund seines Eigengewichts und/oder die vorliegende geodätische Gefälle zwischen Füllgutspiegel und Abgabeöffnung des Füllventils durch das Füllventil in den Behälter.
Die Fließgeschwindigkeit beim Abfüllen, kurz gesagt die Füllgeschwindigkeit, kann somit eingestellt werden über den Öffnungsquerschnitt des geöffneten Füllventils, wobei der Öffnungsquerschnitt gegebenenfalls durch ein
Regelventil variierbar ist.
Prinzipiell wird angestrebt, die gesamte Prozesszeit für das Füllen des Behälters so kurz wie möglich zu halten.
In diesem Zusammenhang wird unter der Prozesszeit für das Füllen die Zeitspanne verstanden, die notwendig ist für das Öffnen des Füllventils, das Befüllen des Behälters, das Schließen des Füllventils, das Beruhigen des Füllgutes im Behälter und für das eigentliche Verschließen selbst.
Eine Verkürzung der Prozesszeit könnte theoretisch dadurch erzielt werden, dass man den Öffnungsquerschnitt des Füllventils so groß wie möglich
1 1314 WO macht, was apparatetechnisch und aufgrund der realen geometrischen Gestalt der Behälter nur beschränkt möglich ist.
Grenzen bei der Minimierung der eigentlichen Füllzeit sind insbesondere durch einen CO2-Gehalt der Produkte gesetzt, der zu einem Aufschäumen des Produkts beim Einfüllen führt, unabhängig von der Tatsache, ob das Einfüllen unter einem Druck erfolgt oder ohne.
Üblicherweise erfolgt das Einfüllen eines CO2-haltigen Getränks unter einem Gegendruck, dem so genannten Fülldruck, der zumindest dem
Sättigungsdruck des in dem Produkt gelösten CO2 entspricht, um das
Austreten des CO2 aus dem Getränk in Grenzen zu halten. Dieses ist notwendig, da insbesondere beim Einströmen des Füllgutes in den Behälter das physikalisch im Füllgut gelöste CO2 aus dem Produkt freigesetzt wird.
Deshalb wird die Füllgeschwindigkeit über die Zeit des Abfüllvorganges in Art eines Füllgeschwindigkeitsprofils variiert, derart, dass einerseits eine geringe Schaumbildung erfolgt und andererseits das Produkt möglichst schnell in den Behälter überführt wird.
Die mögliche Füllgeschwindigkeit ist des Weiteren noch von anderen
Parametern abhängig, wie zum Beispiel der Viskosität des Produkts, die zum Beispiel durch den Sirup oder Getränkekonzentratgehalt im Wasser bestimmt wird, durch die Löslichkeit des CO2 im Produkt, durch die
Umgebungstemperatur, den Fülldruck und natürlich apparatetechnische Parameter der Füllmaschine.
Anstatt der Füllgeschwindigkeit kann auch die Öffnungsstellung eines Füllbzw. Regelventils über die Zeit des Abfüllvorganges als Steuergröße verwendet werden. Ein Verfahren dieser Art ist zum Beispiel aus der EP 2 975 486 A2 bekannt. Es ist Ziel der vorliegenden Erfindung, ein Verfahren zu schaffen, das eine effizientere Abfüllung von unterschiedlichen Produkten ermöglicht.
Diese Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 gelöst. Vorteilhafte Weiterbildungen der Erfindung sind Gegenstand der abhängigen Ansprüche. Vorteilhafte Weiterbildungen der Erfindung sind ebenfalls in der Beschreibung und in den Zeichnungen offenbart.
Erfindungsgemäß wird ein Optimierungsverfahren mit einer Lernphase durchgeführt, in welcher die folgenden Verfahrensschritte angewandt werden: a) wenigstens ein Füllparameter, beispielsweise die
Füllgeschwindigkeit, wird auf einen Startwert, insbesondere dem Wert des Füllparameters eines ähnlichen Produkts eingestellt, b) mit dem eingestellten Füllparameter wird das Produkt abgefüllt, wobei die dem eingestellten Füllparameter zugeordnete
Schaumbildung und/oder Gesamtabfülldauer des Abfüllvorgangs, das heißt vorzugsweise bis zum Beruhigen des Getränks im Behälter, als
Zielwert gemessen wird/werden,
c) zwischen dem eingestellten Füllparameter und dem Zielwert werden Zusammenhänge in einem das Verhalten der Füllmaschine für das Produkt simulierenden Datenmodell erfasst und gespeichert, d) der gespeicherte Zielwert wird mittels einer Bewertungsfunktion zur Ermittlung eines besten Zielwerts evaluiert,
wobei gemäß Schritt e) bei Erreichen eines Abbruchkriteriums zu Schritt g) gesprungen wird, in welchem der dem besten Zielwert zugeordnete Füllparameter als optimaler Füllparameter für das Produkt in dem Datenmodell gespeichert wird und h) der optimale Füllparameter beim Abfüllen des Produkts in einer
Füllmaschine verwendet wird.
Das Abbruchkriterium ist definiert zum Beispiel durch Ablauf einer gewissen Zeitspanne oder bei Erreichen einer gewissen Qualität des Zielwerts oder bei einer bestimmten Konvergenz des Zielwertes nach mehreren
Optimierungsrunden b) bis f).
Solange das Abbruchkriterium nicht erreicht wird, wird gemäß Schritt f) der eingestellte Füllparameter basierend auf einem insbesondere selbstlernenden Algorithmus insbesondere unter Nutzung des
Datenmodells variiert und es wird zu Schritt b) zurückgesprungen, wo ein erneuter Abfüllvorgang mit dem variierten Füllparameter
durchgeführt wird und wiederum der zugehörige Zielwert bestimmt und ausgewertet wird.
Durch dieses Verfahren lässt sich für ein Produkt der Abfüllvorgang optimieren, das heißt insbesondere der zeitliche Verlauf der
Füllgeschwindigkeit bzw. der zeitliche Verlauf der Stellung bzw. Hubhöhe des Füllventils und erlaubt so die Optimierung der Füllgeschwindigkeitsprofile und damit eine optimierte Regelung der Regelventile/Füllventile der Füllelemente einer Füllmaschine während des Füllprozesses, wodurch letztlich eine Reduzierung der Prozesszeit erreicht wird.
Der produktspezifische und gegebenenfalls maschinenspezifische optimierte Füllparameter kann dann in dem Datenmodell gespeichert werden. Das Datenmodell kann zum Beispiel in einem Speicher der Steuerung einer Laborfüllanlage liegen, in welcher Optimierungstests für den Füllvorgang eines neuen Produkts durchgeführt werden. Zudem können Zielwerte und korrespondierende optimale Füllparameter bzw. allgemein die Daten des Datenmodells oder das Datenmodell selber in einer Datencloud abgelegt werden, so dass zum Beispiel ein Abfüller oder Getränkehersteller global Zugriff auf diese Werte hat. Beide können somit auf bereits optimierte
Füllparameter zurückgreifen, wenn er ein bereits bekanntes Produkt einfüllt, oder aber bei Vorliegen eines neuen Produkts können die Füllparameter eines ähnlichen Produkts als Startpunkt für ein Optimierungsverfahren verwendet werden. Die Erfindung erlaubt damit nicht nur für bekannte
Produkte, sondern auch für neue Produkte eine sehr schnelle und effektive Optimierung des Füllvorgangs.
Als Füllparameter wird hierbei insbesondere die Füllgeschwindigkeit bzw. Stellung des Füllventils/Regelventils optimiert, insbesondere dessen zeitlicher Verlauf über die Zeit des Füllvorgangs (Öffnen des Füllventils bis zum Schließen des Füllventils).
In einer vorteilhaften Weiterbildung der Erfindung wird der/werden die optimale(n) Füllparameter des Produkts zusammen mit seinen
Produktparametern in dem Datenmodell abgespeichert und in wechselseitige Beziehung gesetzt, um Füllparameter für Produkte mit ähnlichen
Produktparametern abzuleiten. Dies erlaubt eine schnelle Berechnung und Optimierung von Füllparametern neuer Produkte.
Vorzugsweise wird als Algorithmus ein selbstlernender Algorithmus verwendet, beispielsweise ein evolutionärer Algorithmus, bei welchem selbstlernende Strukturen insbesondere in der Art eines neuronalen
Netzwerkes vorgesehen sind. Ein derartiger selbstlernender Algorithmus entwickelt eine gewisse kognitive Fähigkeit und kann somit die Optimierung wenigstens eines Füllparameters des Produkts wesentlich vereinfachen bzw. beschleunigen. XXX
Die Arbeitsweise evolutionärer Algorithnnen oder Verfahren sind dem
Fachmann bereits seit 1968 bekannt. In diesem Jahr wurde ein Fallbeispiel vorgestellt, bei dem es für die Optimierung eines Stromerzeugers für
Satelliten, welcher nach dem magnetohydrodynamischen Prinzip arbeitete, notwendig war, die Leistung einer Zweiphasen-Überschalldüse zu
optimieren.
Ausgehend von einer konventionell geformten Venturidüse wurde eine größere Anzahl von Abschnitten erstellt, wobei diese Abschnitte jeweils Bohrungen unterschiedlicher Durchmesser aufwiesen. Durch die zufällige Kombination von dieser Abschnitt und der Ermittlung der jeweiligen Leistung der jeweils gebildeten Düse, konnte nach einer überschaubaren Anzahl von Neukombinationen der Abschnitte eine Form gefunden werden, deren
Leistung, bzw. Wirkungsgrad erheblich über denen einer konventionellen Venturidüse lag. Die Form dieser neuen leistungsstarken Düse war nicht vorhersehbar und zur damaligen Zeit auch nicht berechenbar. Im Rahmen dieser evolutionären Algorithmen werden also zufällige Anordnungen auf ihre Leistung getestet und bewertet. Weisen diese neuen Anordnungen
verbesserte Eigenschaften auf, weiten diese Anordnungen aus
Ausgangspunkt für weitere Änderungen der Anordnung verwendet, weist die neue Anordnung verschlechterte Eigenschaften auf, so werden die
Änderungen, die zu dieser schlechteren Anordnung geführt haben verworfen.
Als Produktparameter eines Produkts sind insbesondere der
Getränkekonzentrat- bzw. Sirupgehalt, die Temperatur des Produkts, der Geträn kekonzentrattyp, die Viskosität, die Dichte, der CO2-Gehalt und/oder die Löslichkeit des CO2 im Produkt zu nennen. Selbstverständlich kann auch der Bestandteil bestimmter löslicher oder unlöslicher Getränkekomponenten als weiterer Produktparameter aufgeführt werden. Für den Fall, dass die einzelnen Produktparameter unterschiedlich starke Einflüsse auf die Fülleigenschaften des Produkts aufweisen, ist vorzugsweise vorgesehen, dass diese unterschiedlichen Gewichtungen in dem Algorithmus durch entsprechende Gewichtungsfaktoren berücksichtigt werden.
Auf diese Weise wird für das Datenmodell die Bestimmung der für das Füllverhalten wesentlichen Produkteigenschaften des Produkts vereinfacht. Eine wesentliche Produkteigenschaft ist zum Beispiel die Viskosität des Produktes, weil die in wesentlichem Maße die Füllgeschwindigkeit beim Durchlaufen des Füllventils beeinflusst.
Vorzugsweise wird zur Ermittlung des optimalen Füllparameters, bzw. zur Ermittlung des optimalen zeitlichen Verlaufs eines Füllparameters, für ein neues Produkt der zugeordnete optimale Füllparameter wenigstens eines ähnlichen Produkts abgefragt und als Startpunkt in Schritt a) des Verfahrens verwendet.
Auf diese Weise liegt man mit dem Startpunkt für das Optimierungsverfahren bereits in einem günstigen Bereich, so dass man durch den
Optimierungsprozess schneller zu einem optimalen Füllparameter gelangt.
Natürlich können als Startpunkt erst einmal Standardwerte oder Werte aus der Erfahrung eines Entwicklers verwendet werden. Selbstverständlich lassen sich durch das erfindungsgemäße Verfahren mehrere Füllparameter gleichzeitig optimieren. Hierbei werden jedoch vorzugsweise die Füllparameter nacheinander optimiert und nicht mehrere Füllparameter gleichzeitig, weil dies zu komplex wäre. Es ist jedoch möglich, einen bereits optimierten Füllparameter nach der Optimierung anderer Füllparameter erneut zu optimieren, weil nach der Veränderung anderer Füllparameter der optimale Wert des Füllparameters nun leicht verschoben werden kann. Somit wird zur Ermittlung eines weiteren Füllparameters das erfindungsgemäße Verfahren nach Schritt g) wieder zum Schritt a) zurückgeführt, wobei in den weiteren Schritten a) bis g) dann der weitere bzw. neue Füllparameter optimiert wird. Auf diese Weise lässt sich
nacheinander eine beliebige Anzahl von Füllparametern optimieren.
Andere Parameter, wie zum Beispiel die Temperatur, lassen sich durch das Datenmodell zum Beispiel rechnerisch erfassen und korrigieren. Somit kann zum Beispiel von einer optimierten Füllverlaufskurve bei 25°C auf eine optimierte Füllverlaufskurve bei 20°C gerechnet werden, ohne dass hierfür ein separater Optimierungsprozess notwendig ist. Es kann jedoch auch ein separater Optimierungsprozess hinsichtlich der Temperatur durchlaufen werden, wobei das Datenmodell hierbei bekannte Temperaturbeziehungen von anderen Produkten verwenden kann. Auch hier führt das Datenmodell insbesondere unter Berücksichtigung selbstlernender Algorithmen und Strukturen zu einer schnellen Erzielung eines optimierten Füllparameters.
Obwohl als zu optimierender Füllparameter in der Regel die
Füllgeschwindigkeit bzw. der zeitliche Verlauf der Füllgeschwindigkeit bzw. Füllventilstellung verwendet wird, können auch andere Füllparameter optimiert werden, wie zum Beispiel Füllzeit, Temperatur, Fülldruck, Füllstand des Produkts im abgefüllten Behälter, CO2-Freisetzung beim Abfüllen. Vorzugsweise kann zum Beispiel die Variation eines Füllparameters im Laufe der Optimierung entweder die Größe oder den zeitlichen Verlauf des
Füllparameters umfassen oder beides gleichzeitig.
Wenn so zum Beispiel als Füllparameter die Füllgeschwindigkeit variiert wird, wird vorzugsweise der zeitliche Verlauf der Füllgeschwindigkeit über den Abfüllvorgang, das heißt ein Füllgeschwindigkeitsprofil, optimiert. Anhand dieses Füllgeschwindigkeitsprofils kann für den Fachmann relativ schnell das Füllverhalten eines Produkts erkennbar sein. Auch für das Datenmodell ist ein derartiges Füllgeschwindigkeitsprofil leicht zu verarbeiten und zu bewerten. In dem Füllgeschwindigkeitsprofil können zum Beispiel unterschiedliche Merkmale wie Wendepunkte, Maxima, Minima bzw. erste oder zweite Ableitung als Charakteristika für das Füllverhalten verwendet werden. Im Rahmen eines optimierten Füllparameters können dann diese Charakteristika abgespeichert und für die Verwendung in einem Füllprozess beim Abfüllen eines Getränks durch eine Füllmaschine verwendet werden.
Die Erfindung erfasst ebenfalls ein Computerprogrammprodukt, gespeichert auf einem computerlesbaren Datenspeicher, das geeignet ist zur
Durchführung des oben genannten erfindungsgemäßen Verfahrens, wobei das Computerprogrammprodukt in den Arbeitsspeicher eines Rechners gespeichert ist, der mit einer Füllmaschinensteuerung verbunden ist oder verbindbar ist. Das Datenmodell kann zum Beispiel von dem Computer einer Laborfüllanlage, welche Optimierungstests durchführt, in eine Cloud geladen werden, von der aus dann der Getränkehersteller oder Abfüller die entsprechend optimierten Füllparameter für die Füllmaschinen in Verbindung mit einer Serienabfüllung der entsprechenden Produkte verwendet.
Auf diese Weise wird der Abfüllprozess vereinheitlicht und optimiert, was zu einer reproduzierbareren Getränkequalität und zu einem zeitlich optimierten Abfüllprozess führt.
Die Erfindung kann auch auf folgende Weise charakterisiert werden:
Mit Hilfe von Suchalgorithmen (evolutionären Algorithmen) wird die
Füllgeschwindigkeit bzw. das Füllgeschwindigkeitsprofil im Abfüllprozess während einer Lernphase (Training) optimiert. Die Regelgröße ist
vorzugsweise die Aufschäumung während oder bei abgeschlossenem Füllvorgang, die sensorisch über eine Kamera und eine entsprechende Bildauswertung oder einen oder mehrere elektrische Kontakte oder auf andere geeignete Art und Weise bestimmt wird.
Ziel ist es, verschiedenartige Getränke mit möglichst geringer Aufschäumung schnell abzufüllen durch die Möglichkeit, die Abfüllgeschwindigkeiten während des Abfüllvorgangs zu variieren. Das Optimieren der
Füllgeschwindigkeitsregelung mit dem Zielwert der Lebensdauer eines Füllventils kann ebenso sinnvoll sein, da Reparatur und/oder der Austausch von Komponenten wie Faltenbälgen oder kompletten Füllventilen aufwändig und teuer sind und aufgrund der für die genannten Maßnahmen notwendigen Produktionsunterbrechungen ebenfalls hohe Kosten verursachen.
Die beschriebene Vorgehensweise kann insbesondere bei Abfüllbetrieben mit einer Vielzahl von unterschiedlichen Getränken und Behälterformen von großem Nutzen sein und/oder bei der Abfüllung neuer Getränkesorten/ Behälterformen. Das Bestimmen eines optimierten Geschwindigkeitsprofils des
Volumenstroms während des Füllvorgangs geschieht vorzugsweise automatisiert z.B. über künstliche neuronale Netze oder Referenztrajektorie oder andere bekannte regelungstechnische Methoden. Ein Lernalgorithmus nähert sich z.B. einem vorgegebenen Optimum an, z.B. durch Änderung der Gewichtung und Anpassung der Schwellenwerte.
Die Lernphase wird beispielsweise eingeteilt in 5 Schritte:
- 1 ) Vorhersage
- 2) Abfüllen/Testen
- 3) Messen/Erkennen
- 4) Analysieren
- 5) Ändern/ Anpassen der Parameter
Die Lernphase wird vorzugsweise mehrfach wiederholt. Schritt 1 )
Die Vorhersage kann von ähnlichen Getränken, die in ähnliche Behälter mit ähnlichen Füllventilen abgefüllt werden, abgeleitet werden. Es ist denkbar, dass die Prozessdaten (Geschwindigkeitsprofile, Druck, Temperatur etc.), Getränkeparameter (CO2-Gehalt, Viskosität, Dichte, Inhaltsstoffe etc.) der Füllventile und die Füllventilart weltweit in einer Cloud abgespeichert werden, auf die für die neue Einstellung zurückgegriffen werden kann.
Charakteristisch für abzufüllende Getränke sind insbesondere Temperatur, CO2-Gehalt, Druck und Viskosität. Bei ähnlichen Werten kann an beliebigen Orten auf der Welt eine Datenbank genutzt werden, und so das
Abfüllverhalten vorhergesagt werden. Die Datenbank kann in
Zusammenhang der Getränke- und Abfüllparametern stetig ergänzt werden. Die Datenbank kann Eigentum eines Getränkeherstellers und Abfüllers sein.
Schritt 1 ist nicht unbedingt notwendig, führt aber dazu, dass die Optimierung des Geschwindigkeitsprofils schneller erfolgen kann. Falls keine Datenbank mit abgespeicherten Füllparametern ähnlicher Produkte vorhanden ist, wird mit Schritt 2 begonnen.
Schritt 2)
Mit den eingestellten Füllparametern (entweder aus Schritt 1 oder aber zufälliger oder festgelegter Startwert) wird der Füllvorgang durchgeführt.
Schritt 3)
Der Zielwert, z.B. die Füllzeit oder Aufschäumung, wird gemessen, z.B. per Kamera oder elektrische Kontakte.
Schritt 4) Die Zusammenhänge werden analysiert. Schritt 5) Die Fullparameter werden basierend auf den in der Datenbank abgelegten Daten oder willkürlich Revolutionär) geändert oder angepasst. Ergibt sich eine Verbesserung zu vorherigen Abfüllungen, werden die Einstellungen beibehalten bzw. durch Wiederholung der Schritte 2-5 mit leichten
Veränderungen des Geschwindigkeitsprofils durchgeführt. Im Anschluss wird ein Datenmodell mit zugeordneten Zielwerten und optimierten
Füllparametern gebildet (jeweils für eine Getränkesorte in einer Behältersorte und eine Füllventilart).
Die getränkespezifischen Daten könnten in der beschriebenen Cloud- Datenbank, insbesondere im Rahmen des Datenmodells abgelegt werden, um Füllparameter vorhandener Produkte schnell an der Hand zu haben, bzw. in der Lage zu sein, die von neuen Produkten schnell zu optimieren. Es handelt sich bei dem Datenmodell vorzugsweise um eine datenbasierte Modellierung korrelierender Produkt- und Füllparameter verschiedener Produkte, gegebenenfalls auch unter Berücksichtigung verschiedener
Füllventil- oder Füllmaschinentypen. Diese Modelldaten lassen sich für ein selbstlernendes Füllventil, insbesondere mit Regelventil, verwenden.
Im Falle der Nutzung eines Regelventils kann man die Geschwindigkeit des Füllguts bei der Füllung so in einen Regelkreis einbinden, dass sie
viskositätsabhängig geregelt ist, bzw. mittels des selbstlernenden
Algorithmus die Füllgeschwindigkeiten unterschiedlicher Produkte während des Füllvorgangs selbsttätig eingestellt werden.
Durch die Erfindung können Charakteristiken wie bestimmte Wendepunkt sowie Zeiten bis zum Erreichen der maximalen Geschwindigkeit (wie oben beschrieben) als wesentliche Punkte eines Füllparameters in dem
Optimierungsverfahren verwendet werden, um so den Füllvorgang in
Abhängigkeit von Getränk und Füllventil zu optimieren insbesondere zu beschleunigen, vorzugsweise durch Minimierung der Aufschäumung. Es ist für den Fachmann offensichtlich, dass die oben genannten
Ausführungsbeispiele der Erfindung in beliebiger weise miteinander kombiniert werden können. Folgende Ausdrücke werden synonym verwendet: Getränk - Produkt;
Behälter - Flasche-Dose-Keg; Durchflussmesser - MID;
Die Erfindung wird weiterhin beispielsweise in der schematischen Zeichnung beschrieben. In dieser zeigen:
Fig. 1 eine schematische Darstellung des Füllventils einer Füllmaschine, wie es in modernen Füllmaschinen zum Abfüllen von Getränken verwendet wird, Fig. 2 ein schematisches Blockschaltbild eines selbstlernenden Algorithmus mit den Stell- und Steuergrößen, welche in dem Algorithmus optimiert werden,
Fig. 3 die Darstellung eines Strömungsprofils beim Starten eines
Füllvorgangs in dem Produktkanal eines Füllelements,
Fig. 4 ein optimiertes Füllgeschwindigkeitsprofil, welches rein theoretisch nicht in dieser Weise abgeleitet werden kann, Fig. 5 ein zeitlicher Verlauf der Öffnungsstellung des Füllventils in analoger Weise zum Füllgeschwindigkeitsprofil gemäß Fig. 3,
Fig. 6 ein Profil des zeitlichen Ablaufs der abgefüllten Produktmenge, und Fig. 7 die Erfassung charakteristischer Werte aus der ersten und zweiten Ableitung des zeitlichen Verlaufs der abgefüllten Produktmenge zur Charakterisierung des Füllparameters. Fig. 1 zeigt schematisch ein Füllventil 10, welches in einer Füllmaschine zur Abfüllung eines Behälters, wie zum Beispiel einer Flasche 12, verwendet wird. Das Füllelement 10 enthält einen Produktkanal 14, in dessen Verlauf ein magnetisch induktiver Durchflussmesser 16 (MID) zur Ermittlung der beim Abfüllen durch den Produktkanal 14 fließenden Produktmenge
(Volumen) konzipiert ist als auch ein Füllventil 20 angeordnet ist, welches hinsichtlich seines Öffnungshubes steuerbar ist, um auf diese Weise den Füllstrom über den zeitlichen Verlauf des Abfüllvorgangs regeln zu können. Weiterhin ist im Einfüllbereich ein optischer Sensor 22 zur Erfassung der
Schaumbildung beim Einfüllen des Produkts ausgebildet. Die Anordnung von MID 16 und Füllventil 20 kann beliebig sein. Das Füllventil 20 kann ein Auf/Zu Ventil, ein 2-stufiges Ventil oder ein Regelventil sein. Statt eines Durchflussmessers 16 kann auch eine Wägezelle und/oder ein
Füllstandssensor verwendet werden.
Gemäß Fig. 2 weist das Datenmodell, in welchem produktspezifisch wenigstens einer, vorzugsweise mehrere Füllparameter, wie zum Beispiel der zeitliche Verlauf der Füllgeschwindigkeit, optimiert werden, einen selbstlernenden Algorithmus 30 auf, welchem Zielwerte 32 eingegeben werden, wie zum Beispiel die Abfüllzeit eines Abfüllvorgangs, die
Schaumbildung oder die Füllhöhe des Getränks im Behälter. Weiterhin werden dem selbstlernenden Algorithmus 30 Produktparameter 34 zugeführt wie beispielsweise die Viskosität des Produkts, die Temperatur des Produkts, der CO2-Gehalt, die Getränkeinhaltsstoffe. Ausgangs- bzw. Stell/Regelgröße ist ein Stellsignal für das Füll/Regelventil 20. Es kann somit über den zeitlichen Verlauf des Stellsignals ein zeitlicher Verlauf der
Füll/Regelventilstellung während des Füllvorganges eingestellt werden, der zu einer minimalen Schaumbildung bzw. zu einer kurzen Gesamtfüllzeit führt.
Darüber hinaus werden dem selbstlernenden Algorithmus beispielsweise auch vorbekannte oder ähnliche Füllparameter 36 z.B. als Startwerte zugeführt, wie zum Beispiel Füllgeschwindigkeit, Füllstand im Behälter, Schaumbildung, Abfüllzeit. Der selbstlernende Algorithmus 30 ist Bestandteil eines Datenmodells 40, in welchem die korrelierten Produktparameter, Füllparameter und Zielwerte eines Produkts in Wechselbeziehung mit dem selbstlernenden Algorithmus 30 abgespeichert und als Modell gepflegt werden. Dieses Modell ermöglicht eine schnelle Optimierung der für die Serienabfüllung wesentlichen Füllparameter, insbesondere die Stellung des Füllventils während des Abfüllvorgangs für ein definiertes Produkt. Dieser zeitliche Verlauf der Füllventilstellung (falls diese ein Regelventil ist bzw. aufweist) kann beispielsweise über eine Datencloud in allen von dem Getränkehersteller und/oder Abfüller verwendeten Füllmaschinen verwendet werden, was zur Folge hat, dass alle Füllmaschinen mit den gleichen optimierten Füllparametern arbeiten und global eine reproduzierbare Qualität beim Abfüllen des Produkts erzielt wird. Alternativ und/oder ergänzend können in der Datencloud auch die entsprechenden Parameter zumindest einiger der, von dem Maschinenhersteller hergestellten Maschinen gespeichert werden, wobei diese Parameter vorzugsweise auch
Füllgutspezifisch abgerufen werden können.
Fig. 2 zeigt somit die Funktionsweise der lernenden Regelung mit dem Regelventil als Aktor und insbesondere der Messung des Schaums durch wenigstens einen Sensor. Die Einflüsse für die Füllung von Getränken sind insbesondere abhängig von CO2-Gehalt, Viskosität, Temperatur, Druck und die Inhaltsstoffe des Getränks. Als messbare Zielgröße wird das
Schäumungsverhalten (Höhe und/oder Menge des Schaums) bei Erreichen des Füllstandes oder während des Füllvorgangs gewählt. Dies lässt sich mithilfe einer Kamera oder durch einen elektrischen Kontakt (oder mehrere) realisieren. Durch die optimierten Füllparameter kann somit direkt ein zeitliches Stellsignal für die Füllventile/Regelventile 20 einer Füllmaschine erhalten werden. Fig. 3a bis d zeigt den Produktpegel 50 in dem Produktkanal 14 eines Füllelements 10 in Fig. 1 während des Startens des Füllvorgangs,
labortechnisch theoretisch nachempfunden anhand eines einzelnen
Füllvorganges. In Fig. 3a vor Beginn des Füllvorgangs ist der Produktspiegel eben, das heißt er verläuft quer zur Wandung des Produktkanals 14. In Fig. 3b hat das Füllventil 20 gerade geöffnet, so dass der das Produkt im
Produktkanal beschleunigt und Produktspiegel 50b leicht konvex
eingebaucht ist. Die Einbauchung hängt zum einen ab von der
Beschleunigung und Geschwindigkeit des Produkts in dem Produktkanal 14 und zum anderen von der Viskosität und Adhäsion des Produkts an den Wänden des Produktkanals 14. In den Fig. 3c und 3d ist deutlich zu sehen, wie der Produktspiegel 50c, 50d mit zunehmender
Strömungsgeschwindigkeit in dem Produktkanal 14 in Form einer Ellipse konvex einbaucht.
Fig. 3 verdeutlicht damit, wie Produktparameter, wie zum Beispiel die Dichte [g/l], der Scherwirkung an der Fallrohrwand (Füllventil), die Viskosität des Produkts, die Adhäsion des Produkts an dem Produktkanal 14 mit den Füllparametern zusammenwirken, zu welchem auch der Durchmesser des Produktkanals 14 und die Ausformung des Produktkanals und des Füllventils 20 zählen. Die ermittelten strömungscharakteristischen Werte (korrelierend zur Viskosität) der beginnenden Füllung durch die Beschleunigung im
Füllventil lassen sich dafür nutzen, die oben beschriebene selbstlernende Regelung für ein Geschwindigkeitsprofil des Füllvorgangs zu optimieren.
Vorzugsweise wird bei der Optimierung des Füllvorgangs analog zur
Methode der bionischen Entwicklung technischer Lösungen bzw. bionischer Algorithmen ein Getränke- und Behälter-abhängiges Geschwindigkeitsprofil ermittelt, das, beispielhaft dargestellt, wie folgt aussehen kann: Füllmenge Geschwindigkeit
[ml] [ml/s]
0-2 VO = 50
2-5 V1 = 2
5-10 V2 = 250
10-20 V3 = 100
20-25... V4 = 322
25-45 V5 = 127
45-60 V6 = 322
60-420 V7 = 255
420-425 V8 = 3
425-440 V9 = 1 1
440-500 V10 = 42
Derartige Geschwindigkeitsprofile sind in den Figuren 4 und 5 dargestellt. Möglicherweise ergibt sich bei der erfindungsgemäßen Optimierung ein derartiges Füllgeschwindigkeitsprofil, das aus dem heutigen Stand mit den jetzigen Methoden nicht abgeleitet werden könnte.
In der Optimierung wird zum Beispiel das in Fig. 4 wiedergegebene
Füllgeschwindigkeitsprofil erhalten, in welchem die Füllgeschwindigkeit bzw. Volumenstrom, errechnet aus den gemessenen Daten des MID (Magnetisch induktiver Durchflussmesser) über die Zeit aufgetragen ist. Man sieht in Fig. 4 einen Bereich A, in welchem die Füllgeschwindigkeit während des
Hochfahrens nach dem Öffnen des Füllventils stark variiert. Danach wird in einer Phase B die Füllgeschwindigkeit konstant gehalten bis zum Schließen des Füllventils am Punkt C. Vergleicht man die Profile verschiedener
Flüssigkeiten, so wird sich ein individuelles charakteristisches
Geschwindigkeitsprofil ergeben, aufgetragen als Volumenstrom über der Zeit (z.B. in Fig. 6).
Während Fig. 4 den zeitlichen Verlauf der Füllgeschwindigkeit bzw. des Produktstroms durch den Produktkanal 14 wiedergibt, kann dieser
Füllparameter auch in einen Hub des Füll- bzw. Regelventils 20
wiedergegeben werden, wie er in Fig. 5 dargestellt ist. Es ist somit möglich, analog zu dem Beispiel oben, anstelle des Volumen- oder Massenstroms, den Hub des Regelventils in Abhängigkeit von der Füllzeit als zu
optimierenden Füllparameter zu verwenden.
Es ist nicht unbedingt notwendig, den Volumenstrom zu bestimmen. So ist es denkbar, durch Einsatz einer Füllstandskontrolle (mittels Kamera oder Kontakt) keinen Durchflussmesser zu verwenden. Ebenso ist es auch möglich eine Wägezelle anstelle des Durchflussmessers zu verwenden. Es können auch unterschiedliche Füllparameter rechnerisch voneinander abgeleitet werden.
Fig. 6 zeigt beispielsweise eine erste Füllkurve P1 eines ersten Produkts und eine Füllkurve P2 für ein zweites Produkt. Die Füllkurve gibt die abgefüllte Produktmenge über der Zeit wieder. Aus den Kurven sind Wendepunkte 60a, b als auch Endpunkte 62a, b erkennbar als auch die Zeit bis zum Erreichen der maximalen Füllgeschwindigkeit, welche wesentliche Parameter der Füllkurve darstellen.
Die Wendepunkte 60a, b dieser Kurven bezeichnet zum Beispiel den
Übergang von zunehmender Füllgeschwindigkeit in abnehmende
Füllgeschwindigkeit, während die Endpunkte 62a, b das Ende des
Füllvorgangs markieren. Durch Verwendung erster und zweiter Ableitungen gemäß Figur 7 erhält man beispielsweise aus einer Füllkurve P3 mittels erster Ableitung die erste Ableitungskurve 70, welche am Wendepunkt 60c der Füllkurve P3 ihr Maximum hat. Die erste Ableitungskurve 70 bezeichnet im Grunde
genommen die den Produktkanal 14 durchlaufende Produktmenge pro Zeiteinheit markiert. So fließt am Wendepunkt 60c der Füllkurve P3 der größte Produktstrom durch den Produktkanal 14 des Füllventils 20, welcher dann zum Ende hin stetig abnimmt. Die zweite Ableitung der Füllkurve P3 ist durch die zweite Ableitungskurve 72 gekennzeichnet. Diese Kurve
bezeichnet z.B. die Steuerungsimpulse zum Betätigen des Füllventils in Öffnungs- bzw. Schließrichtung, wobei die positive Richtung die Betätigung in Öffnungsrichtung und die negative Richtung die Betätigung des regelbaren Füllventils 20 in Schließrichtung zeigt. Der Punkt 74 bezeichnet das
Maximum der ersten Ableitung, d.h. der Zeitpunkt des größten
Volumenstroms bzw. der größten Füllgeschwindigkeit. Für die zweite
Ableitung stellt dies den Nulldurchgang 78 dar. Das Minimum 76 der zweiten Ableitungskurve 72 kennzeichnet den Zeitpunkt, in welchem die Regelung des Ventils 20 in Schließrichtung am größten ist. Somit lassen sich aus den unterschiedlichen Ableitungen 70, 72 der Füllkurve P3 mit den unschädlichen Charakteristika 74, 76, 78 sowohl relevante Größen für die Betätigung des Füll- bzw. Regelventils 20 ableiten als auch Informationen über den
Produktstrom während des Abfüllvorgangs erhalten.
Die Erfindung ist nicht auf das beiliegende Ausführungsbeispiel beschränkt, sondern kann innerhalb des Schutzbereichs der nachfolgenden
Patentansprüche variiert werden. Bezugszeichenliste:
10 Füllelement
12 Behälter - Flasche
14 Produktkanal des Füllelements
16 Durchflussmesser - MID
20 Füll/Regelventil
22 optischer Sensor für Schaumerkennung und/oder Füllstand 30 selbstlernender Algorithmus
32 Zielwerte
34 Produktparameter
36 Füllparameter
40 Datenmodell unterschiedlicher Produkte mit zugeordneten optimierten Füllparameter (evtl. füllmaschinen- bzw.
ventilabhängig)
50a-d Produktspiegel im Laborversuch Venturi-Düse
P1 -P3 Füllkurven unterschiedlicher Produkte
60a-c Wendepunkt
62a-c Endpunkte (Schließen des Füllventils)
70 erste Ableitung der Füllkurve
72 zweite Ableitung der Füllkurve
74 Maximum der ersten Ableitung
76 Minimum der zweiten Ableitung
78 Nulldurchgang der zweiten Ableitung

Claims

Patentansprüche:
1 . Verfahren zum Optimieren des Abfüllens eines Behälters mit einem Wasser-enthaltenden Produkt, bei welchem Verfahren das Produkt dem Behälter über ein einstellbares Regelventil zugeführt wird, dessen
Durchlassquerschnitt zum Regeln des Füllgeschwindigkeit beim Abfüllen regelbar ist, bei welchem Verfahren in einer Lernphase:
a) wenigstens ein Füllparameter, insbesondere die Füllgeschwindigkeit, auf einen Startwert, insbesondere dem Wert des Füllparameters eines ähnlichen Produkts eingestellt wird,
b) das Produkt mit dem eingestellten Füllparameter in den Behälter abgefüllt wird, wobei die dem eingestellten Füllparameter zugeordnete Schaumbildung und/oder die Gesamtabfülldauer des Abfüllvorgangs als Zielwert gemessen wird/werden,
c) Zusammenhänge zwischen dem Füllparameter und dem Zielwert in einem das Verhalten der Füllmaschine für unterschiedliche Produkt simulierenden Datenmodell erfasst und gespeichert werden,
d) der gespeicherte Zielwert mittels einer Bewertungsfunktion zur Ermittlung eines besten Zielwerts evaluiert wird,
e) bei Erreichen eines Abbruchkriteriums zu Schritt g) gesprungen wird. f) der eingestellte Füllparameter basierend auf einem Algorithmus, insbesondere unter Nutzung des Datenmodells, variiert und zu Schritt b) zurückgesprungen wird,
g) der dem besten Zielwert zugeordnete Füllparameter als optimaler
Füllparameter für das Produkt in dem Datenmodell gespeichert wird, und h) der optimale Füllparameter beim Abfüllen des Produkts in einer
Füllmaschine verwendet wird.
2. Verfahren nach Anspruch 1 , bei welchem der optimale Füllparameter des Produkts zusammen mit seinen Produktparametern in dem Datenmodell abgespeichert und in wechselseitige Beziehung gesetzt wird, um
Füllparameter für Produkte mit ähnlichen Produktparametern abzuleiten.
3. Verfahren nach Anspruch 2, bei welchem als Algorithmus ein
selbstlernender Algorithmus verwendet wird.
4. Verfahren nach Anspruch 2 oder 3, bei welchem die Produktparameter Viskosität, Getränkekonzentratgehalt, Temperatur, Geträn kekonzentrattyp und/oder CO2-Gehalt umfassen.
5. Verfahren nach einem der Ansprüche 2 bis 4, bei welchem in dem
Algorithmus die Produktparameter eines Produkts zur Bestimmung von dessen Fülleigenschaften mit den Einfluss auf das Füllverhalten
widerspiegelnden Gewichtungsfaktoren versehen werden.
6. Verfahren nach einem der Ansprüche 2 bis 5, bei welchem zur Ermittlung des optimalen Füllparameters für ein neues Produkt der zugeordnete optimale Füllparameter wenigstens eines ähnlichen Produkts abgefragt und als Startpunkt in Schritt a) verwendet wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, bei welchem zur Ermittlung eines weiteren Füllparameters das Verfahren nach Schritt g) wieder zu Schritt a) springt und der weitere Füllparameter in den Schritten a) bis g) optimiert wird.
8. Verfahren nach einem der vorhergehenden Ansprüche, bei welchem die Füllparameter wenigstens einen oder mehrere der folgenden Füllparameter umfassen: Füllgeschwindigkeit, Produktstrom, Stellung des Regelventils, Füllzeit (Betätigungsperiode des Füllventils), Temperatur, Fülldruck,
Füllstand umfassen.
9. Verfahren nach einem der vorhergehenden Ansprüche, bei welchem die Variation des Füllparameters die Größe und/oder den zeitlichen Verlauf des Füllparameters umfasst.
10. Verfahren nach einem der vorhergehenden Ansprüche, bei welchem als Füllparameter die Füllgeschwindigkeit variiert wird.
1 1 . Verfahren nach Anspruch 10, bei welchem der zeitliche Verlauf der Füllgeschwindigkeit variiert wird.
12. Verfahren nach Anspruch 1 1 , bei welchem erste und/oder zweite
Ableitungen und Maxima im zeitlichen Verlauf der Füllgeschwindigkeit als Charakteristikum in dem Datenmodell erfasst werden.
13. Verfahren nach einem der vorhergehenden Ansprüche, bei welchem in Schritt g) der optimale Füllparameter für das Produkt in einer Datencloud eingestellt wird.
14. Computerprogrammprodukt, gespeichert auf einem computerlesbaren Datenspeicher, das geeignet ist zur Durchführung des Verfahrens nach einem der vorhergehenden Ansprüche, wobei das
Computerprogrammprodukt in den Arbeitsspeicher eines Rechners gespeichert ist, der mit einer Füllmaschinensteuerung verbunden/verbindbar ist.
EP17719258.0A 2016-04-29 2017-04-25 Verfahren zum optimieren des abfüllens eines behälters Ceased EP3448798A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016108053.5A DE102016108053A1 (de) 2016-04-29 2016-04-29 Verfahren zum Optimieren des Abfüllens eines Behälters
PCT/EP2017/059775 WO2017186708A1 (de) 2016-04-29 2017-04-25 Verfahren zum optimieren des abfüllens eines behälters

Publications (1)

Publication Number Publication Date
EP3448798A1 true EP3448798A1 (de) 2019-03-06

Family

ID=58632403

Family Applications (1)

Application Number Title Priority Date Filing Date
EP17719258.0A Ceased EP3448798A1 (de) 2016-04-29 2017-04-25 Verfahren zum optimieren des abfüllens eines behälters

Country Status (4)

Country Link
US (1) US10618790B2 (de)
EP (1) EP3448798A1 (de)
DE (1) DE102016108053A1 (de)
WO (1) WO2017186708A1 (de)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016104185A1 (de) * 2016-03-08 2017-09-14 Khs Gmbh Füllelement
DE102017126159B4 (de) * 2017-11-08 2019-08-14 András Lelkes Befülleinrichtung
EP3495911A1 (de) * 2017-12-11 2019-06-12 Siemens Aktiengesellschaft System und verfahren zum füllen eines behälters mit einem fluid und/oder zum betrieb eines mischsystems
DE102019125329A1 (de) * 2019-09-20 2021-03-25 Krones Ag Verfahren und Vorrichtung zum Befüllen eines Behälters mit einem Füllprodukt
DE102020126355A1 (de) 2020-10-08 2022-04-14 Krones Aktiengesellschaft Verfahren zum Betreiben einer Maschine in einer Verarbeitungsanlage für Behälter und Maschine zur Behandlung von Behältern
US20250181085A1 (en) * 2022-01-04 2025-06-05 Amgen Inc. Characterization and Method Transfer of Drug Product Filling Recipes
CN117735467A (zh) * 2023-12-22 2024-03-22 上海工业自动化仪表研究院有限公司 自动扎啤机的自动消沫系统
DE102024001651A1 (de) * 2024-05-22 2025-11-27 Krohne Messtechnik Gmbh Verfahren zum Betreiben einer Abfüllanlage und Abfüllanlage

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008016846A1 (de) * 2008-04-01 2009-10-15 Khs Ag Verfahren und Vorrichtung zum Füllen von insbesondere großvolumigen Behältern

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5282261A (en) * 1990-08-03 1994-01-25 E. I. Du Pont De Nemours And Co., Inc. Neural network process measurement and control
DE19714254C1 (de) 1997-04-07 1998-09-03 Henkel Kgaa Verfahren zur Herstellung einer Einrichtung zum Auffangen von Leckflüssigkeiten
DE19720170C2 (de) * 1997-04-29 1999-09-02 Till Gea Gmbh & Co Verfahren und Vorrichtung zum Füllen von Gebinden
DE10341762B4 (de) 2002-09-11 2014-05-15 Fisher-Rosemount Systems, Inc. Handhabung der Realisierbarkeit von Beschränkungen und Grenzen in einem Optimierer für Prozesssteuerungssysteme
US7376472B2 (en) * 2002-09-11 2008-05-20 Fisher-Rosemount Systems, Inc. Integrated model predictive control and optimization within a process control system
DE102009016084A1 (de) * 2009-04-03 2011-05-12 Khs Gmbh Füllelement zum Füllen von Behältern mit einem flüssigen Füllgut, Füllmaschine sowie Verfahren zum Füllen von Behältern
DE102010006005A1 (de) 2010-01-27 2011-07-28 Elopak Systems Ag Dosiervorrichtung und Dosierverfahren für Flüssigkeiten
DE102014110161A1 (de) 2014-07-18 2016-01-21 Krones Aktiengesellschaft Verfahren zum Befüllen eines Behälters mit einem Füllprodukt mittels eines Proportionalventils

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008016846A1 (de) * 2008-04-01 2009-10-15 Khs Ag Verfahren und Vorrichtung zum Füllen von insbesondere großvolumigen Behältern

Also Published As

Publication number Publication date
DE102016108053A1 (de) 2017-11-02
US20190127198A1 (en) 2019-05-02
WO2017186708A1 (de) 2017-11-02
US10618790B2 (en) 2020-04-14

Similar Documents

Publication Publication Date Title
EP3448798A1 (de) Verfahren zum optimieren des abfüllens eines behälters
EP2376783B1 (de) Simulationsgestütztes verfahren zur steuerung bzw. regelung von druckluftstationen
DE19743600B4 (de) Verfahren zur Überwachung eines zyklischen Produktionsprozesses
EP4047431B1 (de) Verfahren und vorrichtung zum automatisierten bestimmen einer optimierten prozesskonfiguration eines prozesses zur herstellung oder bearbeitung von produkten
EP2975486B2 (de) Verfahren zum befüllen eines behälters mit einem füllprodukt mittels eines proportionalventils
DE19518804A1 (de) Verfahren zur Überwachung eines Produktionsprozesses
DE10149473A1 (de) Verfahren zum Abfüllen einer definierten Menge eines Mediums in ein Behältnis
EP0756219A2 (de) Verfahren zur Überwachung von Produkteigenschaften und Verfahren zur Regelung eines Herstellungs-prozesses
DE102005050540A1 (de) Verfahren und Vorrichtung zur Anpassung von Fahrparametern von Fahrzeugen
DE102021133164B3 (de) Verfahren zum Durchführen eines Einstellbetriebs einer Behältnisinspektionsvorrichtung und Behältnisinspektionsvorrichtung
WO2019076785A1 (de) Verfahren und vorrichtung zur regelung eines prozesses innerhalb eines systems, insbesondere eines mahlprozesses in einer mahlvorrichtung
WO2021037838A1 (de) Automatisierte erkennung eines anormalen verhaltens eines verkehrsteilnehmers
WO2011003765A1 (de) Steuerverfahren für eine beeinflussungseinrichtung für ein walzgut
EP2917145B1 (de) Verfahren und vorrichtung zum herstellen von getränkebehältnissen
DE102019214640A1 (de) Steuervorrichtung und steuerverfahren
WO2021129922A1 (de) Verfahren zum betreiben eines automatisierungssystems und automatisierungssystem
EP2804709B1 (de) Steuerungsvorrichtung für giesskolbenvorschubbewegung
EP2995927A1 (de) Verfahren zum bestimmen einer brennstoffmasse und einer brennstoffdichte
DE102016120052A1 (de) Verfahren zur Ermittlung von Stützpunkten eines Versuchsplans
DE102016216387A1 (de) Verfahren zur Steuerung einer Faserstoffbahnherstellungsmaschine
EP2555889A1 (de) VERFAHREN UND VORRICHTUNG ZUM EINSTELLEN DER LAGE DER SUMPFSPITZE IN EINEM GIEßSTRANG
AT519777A1 (de) Verfahren zur Erkennung des normalen Betriebszustands eines Arbeitsprozesses
DE10059567A1 (de) Verfahren und Vorrichtung zur Berechnung von Prozessgrößen eines industriellen Prozesses
DE102019220453A1 (de) Verfahren und Vorrichtung zum Erstellen einer Sicherheitsfunktion für das Vermessen eines Fertigungssystems
EP3736518A1 (de) Verfahren zum betreiben einer verfahrenstechnischen anlage

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20181129

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: KHS GMBH

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20201223

REG Reference to a national code

Ref country code: DE

Ref legal event code: R003

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN REFUSED

18R Application refused

Effective date: 20250429