EP4106966A2 - Verfahren und vorrichtung zum betreiben einer produktionsanlage - Google Patents

Verfahren und vorrichtung zum betreiben einer produktionsanlage

Info

Publication number
EP4106966A2
EP4106966A2 EP21711471.9A EP21711471A EP4106966A2 EP 4106966 A2 EP4106966 A2 EP 4106966A2 EP 21711471 A EP21711471 A EP 21711471A EP 4106966 A2 EP4106966 A2 EP 4106966A2
Authority
EP
European Patent Office
Prior art keywords
production
virtual sensor
measured values
sensors
parameters
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.)
Pending
Application number
EP21711471.9A
Other languages
English (en)
French (fr)
Inventor
Jürgen WOLL
Jan BÄR
Manuel STEGER
Patrick STÖRNER
Florian SCHLEISSINGER
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.)
Dieffenbacher GmbH Maschinen und Anlagenbau
Original Assignee
Dieffenbacher GmbH Maschinen und Anlagenbau
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 Dieffenbacher GmbH Maschinen und Anlagenbau filed Critical Dieffenbacher GmbH Maschinen und Anlagenbau
Publication of EP4106966A2 publication Critical patent/EP4106966A2/de
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B27—WORKING OR PRESERVING WOOD OR SIMILAR MATERIAL; NAILING OR STAPLING MACHINES IN GENERAL
    • B27N—MANUFACTURE BY DRY PROCESSES OF ARTICLES, WITH OR WITHOUT ORGANIC BINDING AGENTS, MADE FROM PARTICLES OR FIBRES CONSISTING OF WOOD OR OTHER LIGNOCELLULOSIC OR LIKE ORGANIC MATERIAL
    • B27N1/00—Pretreatment of moulding material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B27—WORKING OR PRESERVING WOOD OR SIMILAR MATERIAL; NAILING OR STAPLING MACHINES IN GENERAL
    • B27N—MANUFACTURE BY DRY PROCESSES OF ARTICLES, WITH OR WITHOUT ORGANIC BINDING AGENTS, MADE FROM PARTICLES OR FIBRES CONSISTING OF WOOD OR OTHER LIGNOCELLULOSIC OR LIKE ORGANIC MATERIAL
    • B27N1/00—Pretreatment of moulding material
    • B27N1/02—Mixing the material with binding agent
    • B27N1/029—Feeding; Proportioning; Controlling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B30—PRESSES
    • B30B—PRESSES IN GENERAL
    • B30B15/00—Details of, or accessories for, presses; Auxiliary measures in connection with pressing
    • B30B15/26—Programme control arrangements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B27—WORKING OR PRESERVING WOOD OR SIMILAR MATERIAL; NAILING OR STAPLING MACHINES IN GENERAL
    • B27N—MANUFACTURE BY DRY PROCESSES OF ARTICLES, WITH OR WITHOUT ORGANIC BINDING AGENTS, MADE FROM PARTICLES OR FIBRES CONSISTING OF WOOD OR OTHER LIGNOCELLULOSIC OR LIKE ORGANIC MATERIAL
    • B27N3/00—Manufacture of substantially flat articles, e.g. boards, from particles or fibres
    • B27N3/08—Moulding or pressing
    • B27N3/20—Moulding or pressing characterised by using platen-presses
    • B27N3/203—Moulding or pressing characterised by using platen-presses with heating or cooling means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B27—WORKING OR PRESERVING WOOD OR SIMILAR MATERIAL; NAILING OR STAPLING MACHINES IN GENERAL
    • B27N—MANUFACTURE BY DRY PROCESSES OF ARTICLES, WITH OR WITHOUT ORGANIC BINDING AGENTS, MADE FROM PARTICLES OR FIBRES CONSISTING OF WOOD OR OTHER LIGNOCELLULOSIC OR LIKE ORGANIC MATERIAL
    • B27N3/00—Manufacture of substantially flat articles, e.g. boards, from particles or fibres
    • B27N3/08—Moulding or pressing
    • B27N3/24—Moulding or pressing characterised by using continuously acting presses having endless belts or chains moved within the compression zone
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37537—Virtual sensor
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37546—Compare two positions measured with different methods, alarm if difference too high
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning

Definitions

  • the invention relates to a method for operating a production plant according to the preamble of patent claim 1.
  • the invention also relates to a device for operating a production plant according to the preamble of patent claim 29.
  • Intermittent presses or continuously operating single or double belt presses are generally used for the production of material panels made of plastics and / or raw materials based on biological raw materials (wood, plants).
  • the raw material is prepared, usually dried and, if necessary, mixed with a binding agent, for example with a liquid or dry glue, in a predetermined mixing ratio.
  • a binding agent for example with a liquid or dry glue
  • the material is poured or scattered in a scattering device, optionally in predetermined layers and / or area weight ratios, to form a material fleece and fed to a press.
  • the material fleece is preferably produced on an endlessly revolving molding belt and introduced into a continuously operating press, where it is pressed under pressure and with the supply of heat to form a material plate.
  • Post-processing can also influence the quality of the product, for example through the type and manner of storage, and in particular through the temperature profile until the ambient temperature is reached.
  • the object of the present invention is to create a production plant and a method for operating a production plant with which it is possible to optimize the control and regulation of the production plant in a generic production plant by increasing or improving the usable measurement results.
  • the method is preferably used for operating a production plant for the production of material panels, the production system having at least devices for forming a fleece from the material and pressing it into material panels and for producing a material panel, product parameters of the material panel to be produced and system parameters of the production system are set, with the production plant and / or its devices have sensors for determining measured values and computers that are operatively connected to them for control and / or regulation.
  • the object for the method is achieved in that at least one virtual sensor transmits measured values to the computers for controlling and / or regulating the production plant or its devices.
  • the simulation parameters can automatically adapt to the aging of the machine and / or the replacement of components.
  • deviations can also be detected so that the system can be retrained manually or automatically; as a result, more precise values result for the virtual sensor.
  • virtual sensors can be used for testing in parallel to sensors that are actually present, in order to test whether sensor savings are possible through virtual sensors or to carry out a test operation with virtual sensors.
  • the virtual signal can temporarily be generated parallel to the real measurement signal and after successful test operation, this or future production systems can do without the real sensors at this tried and tested location.
  • Virtual sensors especially if they have been trained, can continue to produce with the virtual signal in the event of a sensor failure until a replacement sensor has been delivered.
  • the measured values of the virtual sensor are created from a measured value of a different type with a correction factor and / or from several correlated non-type measured values from actual value sensors.
  • This has the advantage that measured values can be generated and used for the control and / or regulation of the production system, which are otherwise only available via very expensive measuring devices or measuring devices that often fail and thus cannot be brought into proportion to cost-effective production. It may also be that no measuring devices can be attached at certain locations in a complex production plant or that measuring devices for this application do not exist.
  • a virtual sensor which receives measured values from neighboring or other (unrelated) actual value sensors, can create or deliver measured values that can be sensibly used in a control or regulation system.
  • the input data, the output data and / or the measured values of the virtual sensor are preferably provided with a, preferably system-synchronous, time stamp, or they are already there. This means that the measured values can always be assigned to a current event or a specific production time in a simple manner.
  • the measured values of the virtual sensor can be taken from a database or current production data with measured values from earlier production cycles, preferably taking into account predetermined marginal and / or time data. This can be used, for example, to train a virtual sensor or to support the creation of a neural network as part of the virtual sensor.
  • an actual value sensor can be accompanied by a virtual sensor and, in the event of deviations outside of a predetermined range, trigger a reaction, preferably a notification function, to an operator and / or allow a corresponding notification entry to be made in a database.
  • a reaction preferably a notification function
  • the documentation requirement and the notification requirement can be sufficiently fulfilled.
  • selected actual value sensors in the production plant could be accompanied by a virtual sensor and thus checked at predetermined intervals.
  • a virtual sensor could take over the generation of the measured values; this generation of the measured values could preferably start automatically, and in particular take place accompanied by alarm information to the operator.
  • the production plant could be optimized step by step to the extent that, after appropriate test runs with virtual sensors, the actual value sensors are step by step reduced or switched off. This is preferably used to minimize errors caused by sensor systems that often fail and to make production safer and more optimized.
  • a database with correct measured values can be created during regular production and, in the event of a failure, one or more actual value sensors can be used to generate the missing measured data from the virtual sensor.
  • selected actual value sensors could be simulated as virtual sensors with the aid of a neural network.
  • these neural networks can be implemented advantageously. It may also be advantageous to generate product parameters and / or system parameters, preferably which are without current or existing actual value sensors, with the help of a virtual sensor, supported by an artificial neural network.
  • the measured values of the virtual sensor can be transmitted as product parameters and / or system parameters to the computer for controlling and / or regulating the production system or its devices.
  • the input parameters for the neural network can be normalized and / or aggregated, in particular for the use of the input parameters also for other production systems or their controls / regulators.
  • a virtual sensor can be checked and / or trained in an ongoing production, preferably using actual value sensors from a local or other production facility.
  • a neural network is understood here to be an algorithm based on artificial intelligence.
  • this is understood to mean process-based algorithms that are used in the development of artificial intelligence.
  • An algorithm based on artificial intelligence advantageously comprises or is based on at least one method or a modification thereof from the following groups: simple methods such as linear regression, polynomial regression, functional regression; and / or classification-based methods such as,
  • limits are preferably given to the algorithm for certain parameters in which the algorithm can move freely.
  • one or more mapping layers and weighting factors are specified, with the weightings in particular being optimized by training with the database.
  • the measured values of the virtual sensor or sensors can be written into a database, preferably with a time stamp, or visualized together with the actual values of the production system.
  • the program code of the virtual sensor can be set to a specific interface description, but it can be executed independently of the actual value sensor to be replaced.
  • a virtual sensor can be used, in particular in the course of a comparison with an actual value sensor, for status monitoring and / or predictive maintenance and / or failure detection.
  • an optimization of the production or the quality and / or a reduction of material input or scrap can be carried out, particularly preferably using an optimization computer which, with the help of one or more virtual sensors, a program for Predicts production quality and visualizes its results.
  • the operating personnel thus receives information about the probable production quality and, if this is desired, the results generated by the virtual sensor are enabled and used for controlling and / or regulating the production system. This can even take place automatically within specified limits.
  • the optimization computer that is in operative connection with the production system can receive measured material, product and / or system parameters from the production system and / or its devices.
  • devices for shredding, sorting, setting the mixing ratios of the material providing the binding agent, gluing, storage, air conditioning of the material, for weighing, for monitoring and / or testing the material or the material fleece, for pre-pressing, for setting the humidity, temperature, width and / or height of the material fleece, for measuring parameters of the educts and material panels, for temperature control of the material panel and the like.
  • devices for shredding, sorting, setting the mixing ratios of the material providing the binding agent, gluing, storage, air conditioning of the material, for weighing, for monitoring and / or testing the material or the material fleece, for pre-pressing, for setting the humidity, temperature, width and / or height of the material fleece, for measuring parameters of the educts and material panels, for temperature control of the material panel and the like.
  • a corresponding device preferably for implementing the aforementioned method, has the generic features.
  • a computer is not necessarily to be understood as an independent computer, but rather a device on which a program code runs, whereby it is now common to run several program codes on a computer at the same time, which communicate with one another and are thus in operative connection with one another.
  • the computer can be connected to actual value sensors of the same and / or a different type, preferably with the option of using their measured values with a correction factor and / or from several correlated non-specific measured values to create the virtual sensor map.
  • the virtual sensor can be in operative connection with a device for issuing a, preferably system-synchronous, time stamp
  • a database or current production data with measured values from earlier production cycles can be arranged for the transmission of measured values to the virtual sensor.
  • a neural network is arranged to form the virtual sensor.
  • a device for normalizing and / or aggregating the values can be arranged upstream and / or downstream of the virtual sensor, as well as alternatively integrated.
  • Devices for comminution, sorting, setting the mixing ratios of the material, provision of the binding agent, gluing, storage, air conditioning of the material, for weighing, for monitoring and / or testing the material or the material fleece, are preferred in the production plant
  • Product parameters are variables with which the characteristics of the material plate to be produced are recorded. For the necessary optimization and control purposes, no exact analytical determination of all product properties, including laboratory values, is necessary, but only essential product parameters are sufficient to be included.
  • the invention understands glued material not only as liquid gluing, in which the binder is sprayed, for example, and applied to the material, but also the production of mixing ratios of material / binder in the dry process.
  • the teaching and the knowledge of the invention can also be implemented in a hydraulic injection molding press, metal forming machines, recycling plants and / or other production plants.
  • the invention can particularly preferably be used in special machine construction if the values are standardized and / or aggregated and thus can be easily ported to other production systems, preferably of the same type.
  • the algorithm based on artificial intelligence is used to perform an iterative optimization on the specification of one or several product parameters (quality, thickness, width of the material panel).
  • the automatic iterative optimization is implemented in that a higher-level optimization computer is separated from the system control or the controls of the individual system components (device for gluing, device for forming the mat fleece, press, ...) with the help of a neural network, measured value sets and processes the process variables of past, theoretical or in individual cases specified values are calculated and the process is iteratively transferred to the optimal operating point.
  • the higher-level optimization computer will output key figures for controlling and / or regulating the production plant after the optimization has been completed. It is checked at specified intervals whether the process parameters are within the specified tolerance limits and whether the pressing time is shorter or the pressing speed is greater than the previous one.
  • an algorithm based on artificial intelligence, a neural network means, among other things, the use of machine learning, in which no model is coherently specified based on mathematical and / or physical values and the model parameters are then adjusted, but rather the use of preferably artificial neural networks in which parts or the complete algorithm are adapted through training processes.
  • Mathematical or physical Models can be used to generate training data / methods.
  • One or more layers of a network can thus be defined and / or created, as well as starting values for the weighting parameters from previous experience.
  • neural networks can also be multilayered and can have different structures. What they have in common is that in the design step, there is no modeling in the actual sense, but only a framework structure is specified for how the network is constructed and then an optimization algorithm optimizes the parameters. This optimization algorithm does not need or has any information about the process that is being simulated and only adapts all network parameters so that the output variables in the training data matched the specified target variables as closely as possible.
  • An example of a neural network from another industry is e.g. AlexNet which is used for face recognition.
  • independent retraining can take place or the operator can be requested to initiate the automated adjustment manually.
  • the virtual sensor will preferably be freely configurable, so that configuration files or computer program products can be created for the production system in which the input and output parameters and the algorithm used for the simulation are specified.
  • a virtual sensor defines a sensor that does not actually exist for creating a measured value in the production plant, which computer program product tries to approximate a current actual value from other known values (possibly also historical values), states and changes in state and outputs this accordingly. For example, you can travel, pressure, or e.g. also replace humidity sensors with a virtual sensor. Alternatively, you can try to optimize or correct real results with the help of a virtual sensor.
  • the production plant can be tested and compared during operation as to which algorithms are used to obtain which quality of the estimate of a certain sensor value and whether sensor savings / compensation for a temporary failure of the signal is possible without complex software adjustments to have to make in the computers or their software of the production plant.
  • a similar application example would be the chip size distribution after comminution. This is carried out manually for the training on the basis of one or more material samples, stored in a database and the virtual sensor can use the Shredding systems and density measurement of the material before gluing, shaping or the press estimate which chip size distribution is currently being processed. With a corresponding sensor quality of the virtual sensor, samples can be taken much less frequently in order to still be able to guarantee the same (measurement) information for the setting of the production system or process changes / damage in system components can be detected at an early stage.
  • External data sources are any data sources that exist apart from the installed measurement data acquisition system and provide data together with time information about their acquisition.
  • forward-looking production and quality control should be emphasized. It should preferably also be possible to carry out a quality assessment or prediction for the product as a function of the characteristics / states of the production plant and / or the reactants present. In this context, it should finally be possible to optimize the operation of the production plant as a function of the product, in particular from previous experience.
  • one or more virtual sensors can, for example, map quality-forming properties of the product (product parameters), which set a reference variable as fictitious / virtual measured values, on the basis of which the production system is controlled and / or regulated in order to supply this product obtain.
  • product parameters for example, map quality-forming properties of the product (product parameters), which set a reference variable as fictitious / virtual measured values, on the basis of which the production system is controlled and / or regulated in order to supply this product obtain.
  • the computer, or a computer program product on this computer will fall back on previous empirical values from previous production processes in order to adjust the production plant according to the reference variable or to regulate it during operation.
  • an algorithm based on artificial intelligence iteratively revising an initial assessment of the parameters to be set until the result is that all the necessary parameters in the production plant are optimized in such a way that a product will be manufactured with an almost certain probability that reflects the quality-forming properties of the reference variable .
  • the fluctuating input variables that occur in complex production systems should be briefly referred to.
  • marginal changes can lead to serious defects in production quality or cause a difference between A and B goods.
  • This also applies, for example, to maintenance intervals at which wear parts affecting the material are replaced, to changes in the aggregates (binding agent or the like) due to batch changes or to changes in temperature (day / night operation).
  • a data source is used as a table from previous production processes including production results, which the neural network can access in order to self-optimize to determine a predictive scenario for production and for setting a large number of parameters in the production plant.
  • Calculation structures are not specified on the basis of mathematical or physical models, but a single or multi-layer neural network can independently select a currently suitable set from the data source (table) of previous production values, which preferably also contain the product parameters or the quality features of the products Determine production values.
  • the algorithm for artificial intelligence can therefore take previous production values, but preferably also the product values, from the data source. This can be presented to an operator or a controlling computer program product before it enables production.
  • the algorithm will carry out its own weighting of the parameters on the basis of artificial intelligence and the previously usual weighting by technologists or mathematical preset algorithms is dispensed with and only data sets from previous and / or current productions are used.
  • anomalies By comparing the raw data and / or the aggregated data, anomalies can be better identified. In doing so, data errors or incorrect data records can be eliminated in a meaningful way.
  • the raw data or the aggregated data for use in a computer for controlling and / or regulating a production plant relate to advantageously to real production parameters and / or production plants that are correlated with real quality parameters. These are particularly preferably linked with a time stamp, most preferably with a concurrent or readable time stamp over the production time, so that the associated material or its course through the production system can be assigned to each product.
  • a time base is used that assigns a product the previously spaced values with a different time stamp. Especially in systems with a material flow of the educt of several minutes or hours, this can be decisive if parameters could change at this point in time.
  • the virtual quality of a produced product can be "measured” and displayed immediately or this can be specified as a target in the virtual sensor. This opens up the new possibilities of the present invention.
  • the invention puts a production plant into automatic mode in which it independently optimizes the production plant for the production of a high-quality product during production.
  • a maintenance plan can particularly preferably be generated and optimized by the method, in particular with regard to pending production orders.
  • the storage or the input material (s) will be the subject of optimization processes in order to control the type of material used or the mixing ratios
  • productivity can be increased with a virtual sensor in conjunction with an algorithm based on artificial intelligence, if the start-up and cooling times of the machines can be calculated in the event of a production change or start of production and thus the previous system areas (preheating, gluing) and the same can set and, if necessary, adjust to ensure an even or necessary heat input.
  • system parts can be adjusted accordingly in advance so that they are properly pressed when the new material mixtures arrive.
  • the virtual sensor can display various values virtually, but it can also be used to specify a virtual product parameter.
  • an algorithm based on artificial intelligence can undertake the further parameters for the system setting and preferably undertake optimizations for the parameterization of the system based on the material and / or its chemical / physical properties.

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Wood Science & Technology (AREA)
  • Forests & Forestry (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Dry Formation Of Fiberboard And The Like (AREA)
  • General Factory Administration (AREA)

Abstract

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Betreiben einer Produktionsanlage zur Herstellung von Werkstoffplatten, wobei die Produktionsanlage zumindest Vorrichtungen zur Formung eines Vlieses aus Material und dessen Verpressung zu Werkstoffplatten aufweist und zur Herstellung einer Werkstoffplatte Produktparameter der zu fertigenden Werkstoffplatte und Anlagenparameter der Produktionsanlage eingestellt werden, wobei die Produktionsanlage und/oder deren Vorrichtungen Sensorik zur Ermittlung von Messwerten und damit wirkverbundene Computer zur Steuerung und/oder Regelung aufweisen. Die Erfindung besteht im Wesentlichen darin, dass zumindest ein virtueller Sensor Messwerte an die Computer zur Steuerung und/oder Regelung der Produktionsanlage respektive deren Vorrichtungen übermittelt.

Description

VERFAHREN UND VORRICHTUNG ZUM BETREIBEN EINER PRODUKTIONSANLAGE
Die Erfindung betrifft eine Verfahren zum Betreiben einer Produktionsanlage nach dem Oberbegriff des Patentanspruches 1. Die Erfindung betrifft weiter eine Vorrichtung zum Betreiben einer Produktionsanlage nach dem Oberbegriff des Patentanspruches 29.
Taktpressen oder kontinuierlich arbeitende Ein- oder Doppelbandpressen werden allgemein zur Herstellung von Werkstoffplatten aus Kunststoffen und/oder auf biologischen Rohstoffen basierenden Rohmaterialien (Holz, Pflanzen) benutzt. Das Rohmaterial wird hierzu aufbereitet, in der Regel getrocknet und ggf. mit einem Bindemittel, beispielsweise mit einer Flüssig oder Trockenbeleimung in einem vorgegebenen Mischungsverhältnis versetzt. Anschließend wird in einer solchen Produktionsanlage das Material in einer Streuvorrichtung gegebenenfalls in vorgegebenen Schichten und/oder Flächengewichtsverhältnissen zu einem Materialvlies geschüttet oder gestreut und einer Presse zugeführt. Vorzugsweise wird für eine kontinuierliche Produktion das Materialvlies auf einem endlos umlaufenden Formband hergestellt und in eine kontinuierlich arbeitende Presse eingeführt und dort unter Druck und Wärmezufuhr zu einer Werkstoffplatte verpreßt.
Im Nachgang findet sich nach einer Presse die Endfertigung, in welcher basierend auf den Produkten verschiedene Vorrichtungen angeordnet sind, wie Besäum- oder Diagonalsägen, Schleifvorrichtungen, Transporteinrichtungen, Kühlvorrichtungen, Stapelsysteme und meist auch Messvorrichtungen zur Prüfung der Qualität. Auch die Nachbearbeitung kann Einfluss auf die Qualität des Produktes nehmen, beispielsweise durch die Art und Weise der Lagerung, und insbesondere durch den Temperaturverlauf bis zum Erreichen der Umgebungstemperatur.
Bekannt ist bei großen Produktionsanlagen einen Leitwarte zu etablieren, in der die gesamten Produktionsanlage graphisch mittels Monitoren dargestellt wird. Neben den einzelnen Teilen oder Einzelvorrichtungen finden sich die allgemeinen Statuswerte und Zustandsdaten von Sensoren und Steuerungen. Komplexe Auswertungen, Steuer- und Regelalgorithmen sind unproblematisch implementierbar, wenn alle notwendigen Messwerte hierfür vorliegen.
Bei allen technischen bekannten Messverfahren ist es aber möglich, dass in einer Produktionsanlage Bereiche gibt, in denen keine Messgeräte verbaut werden können, Messgeräte gegenüber dem Messerfolg preislich nicht rentabel sind, oder physikalische Messgrenzen in Übergangsbereichen nicht fassbar sind.
Die Aufgabe der vorliegenden Erfindung besteht darin, eine Produktionsanlage und ein Verfahren zum Betreiben einer Produktionsanlage zu schaffen, mit der es möglich ist in einer gattungsgemäßen Produktionsanlage durch eine Erhöhung oder Verbesserung der verwendbaren Messergebnisse die Steuerung- und Regelung der Produktionsanlage zu optimieren.
Insbesondere soll es möglich sein, in einer komplexen Anlage mit einem oder mehreren Materialströmen durch verschiedene Vorrichtung zur Ausübung des Produktionsverfahrens, vorausschauende Produktion und Qualitäts beeinflussung zu ermöglichen. Beispiel können Produktänderungen zu Veränderungen des Materials, der Materialmenge pro Zeiteinheit sowie der Zuschläge (Additive, Bindemittel) führen, welche wiederum den Energieeintrag für Druck und/oder Wärme beeinflussen. Hier sollen proaktiv Lastwechsel in eine komplexe Anlage derart durchführbar sein, dass Ausschuss minimiert und die Produktionsänderung möglichst fließend durchgeführt werden kann.
In einer Erweiterung der Aufgabe soll es ermöglicht werden den sicheren und optimalen Betrieb einer Produktionsanlage sicherzustellen, auch wenn wesentliche Sensoren zur Ermittlung von Messwerten ausfallen oder falsche Werte liefern. Gleichzeitig soll es möglich sein das gesamte Sensorikspektrum einer Produktionsanlage regelmäßig zu überprüfen, zu warten und abzusehende Ausfällen der Sensorik bei Wartungsstillständen der Produktionsanlage präventiv durch Austausch zuvorzukommen.
Daneben soll es im Zuge der Modernisierung von Anlagen möglich sein virtuelle Testläufe für Veränderungen der Anlage, insbesondere der Mess- und Regeltechnik, aber auch durch Implementierung von zusätzlichen Maschinen, durchzuführen.
Bevorzugt wird das Verfahren zum Betreiben einer Produktionsanlage zur Herstellung von Werkstoffplatten verwendet, wobei die Produktionsanlage zumindest Vorrichtungen zur Formung eines Vlieses aus dem Material und dessen Verpressung zu Werkstoffplatten aufweist und zur Herstellung einer Werkstoffplatte Produktparameter der zu fertigenden Werkstoffplatte und Anlagenparameter der Produktionsanlage eingestellt werden, wobei die Produktionsanlage und/oder deren Vorrichtungen Sensorik zur Ermittlung von Messwerten und damit wirkverbundene Computer zur Steuerung und/oder Regelung aufweisen.
Die Aufgabe für das Verfahren wird dadurch gelöst, dass zumindest ein virtueller Sensor Messwerte an die Computer zur Steuerung und/oder Regelung der Produktionsanlage respektive deren Vorrichtungen übermittelt. Durch die Einbindung von virtuellen Sensoren und die Anzeige dieser Werte als Messwerte werden die folgenden Vorteile verwirklicht:
- Abweichungen vom regulären Verhalten sind schnell offensichtlich und helfen bei der Fehlerdiagnose.
- Prozeßsteuerungen und -regelungen erhalten einen zusätzlichen Wert zur Berechnung ihrer Steuer- oder Regelstrecken und können somit feiner respektive mit höhere Auflösung Vorgehen.
- Durch die Verwendung von maschinellen Lernverfahren können sich die Simulationsparameter automatisch an das Altern der Maschine und/oder den Austausch von Komponenten anpassen.
- Bei Parametern ohne in-situ-Messung besteht die Möglichkeit externe Datenquellen zu verwenden und die Offline-Messergebnisse für das Training anhand des Zeitstempels mit den jeweiligen Eingangs Größen zu korrelieren.
In diesem Zusammenhang können ebenfalls Abweichungen detektiert werden, so dass die Anlage manuell oder automatisch nach-trainiert werden kann; in der Folge ergeben sich präzisere Werte für den virtuellen Sensor.
- Bei einer laufenden Anlage können parallel zu real vorhandenen Sensoren testweise virtuelle Sensoren eingesetzt kann, um zu testen ob Sensor-Einsparungen durch virtuelle Sensoren möglich sind bzw. auch um einen Testbetrieb mit virtuellen Sensoren durchzuführen kann. Das virtuelle Signal kann zeitweise parallel zum echten Messsignal gebildet werden und nach erfolgreichem Testbetrieb kann diese oder zukünftige Produktionsanlagen an dieser erprobten Stelle ganz auf die reale Sensorik verzichten.
- Virtuelle Sensoren können, insbesondere wenn sie angelernt sind, bei einem Sensorausfall mit dem virtuellen Signal weiter produzieren bis ein Ersatz- Sensor geliefert wurde.
Besonders bevorzugt werden die Messwerte des virtuellen Sensors aus einem Messwert anderer Art mit einem Korrekturfaktor und/oder aus mehreren in Korrelation gesetzten artfremden Messwerten von Ist-Wert-Sensoren erstellt. Dies hat den Vorteil, dass Messwerte für die Steuerung und/oder Regelung der Produktionsanlage erzeugt und verwendet werden können, die sonst nur über sehr teure Messgeräte oder oft ausfallende Messgeräte erhältlich sind und somit nicht im Verhältnis zu einer kostengünstigen Produktion gebracht werden können. Auch mag es sein, dass an bestimmten Orten einer komplexen Produktionsanlage keine Messgeräte anbringbar sind oder Messgeräte für diesen Anwendungsfall nicht existieren. Hier kann ein virtueller Sensor, welcher aus benachbarten oder anderen (artfremden) Ist-Werte-Sensoren Messwerte erhält, Messwerte erstellen oder liefern, welche sinnvoll in einer Steuerung oder Regelung verwendet werden können.
Bevorzugt werden die Eingangsdaten, die Ausgangsdaten und/oder die Messwerte des virtuellen Sensors mit einem, bevorzugt anlagensynchronen, Zeitstempel versehen oder sie sind es bereits. Damit können in einfacher Art und Weise die Messwerte immer einem aktuellen Ereignis oder einer bestimmten Produktionszeit zugeordnet werden.
Alternativ oder kumulativ können die Messwerte des virtuellen Sensors aus einer Datenbank oder aktuellen Daten der Produktion mit Messwerten früherer Produktionszyklen, bevorzugt unter Berücksichtigung vorgegebener Rand- und/oder Zeitdaten, entnommen werden. Dies kann beispielsweise dem Training eines virtuellen Sensors dienen oder die Erstellung eines neuronalen Netzwerkes als Teil des virtuellen Sensors unterstützen.
In einer bevorzugten Ausführungsform kann ein Ist-wert-Sensor von einem virtuellen Sensor begleitet werden und bei Abweichungen außerhalb eines vorgegebenen Bereichs eine Reaktion, bevorzugt eine Hinweisfunktion an einen Bediener auslösen und/oder ein entsprechender Hinweiseintrag in einer Datenbank erfolgen lassen. Damit ist die Dokumentationspflicht und die Hinweispflicht ausreichend erfüllbar. Besonders bevorzugt könnten in vorgegebenen Abständen in der Produktionsanlage ausgewählte Ist-Wert-Sensoren von einem virtuellen Sensor begleitet und damit überprüft werden. Durch eine regelmäßige Prüfung der realen Sensorik können Meßfehler durch mechanische Defekte (Kabel, Sensor oder dgl.) frühzeitig erkannt werden, insbesondere im Zuge der vorausschauenden Wartung.
Zur Vermeidung von Produktionsausfällen könnte bei Ausfall oder offensichtlicher Fehlmessung eines Ist-Werte-Sensors ein virtueller Sensor die Erzeugung der Messwerte übernehmen, bevorzugt könnte diese Erzeugung der Messwerte vorzugsweise automatisiert starten, und insbesondere in Begleitung einer Alarm Information an den Bediener stattfinden.
In einer fortgeschrittenen Ausführungsform könnte Zug um Zug die Produktionsanlage insoweit optimiert werden, dass nach entsprechenden Testläufen mit virtuellen Sensoren die Ist-Werte-Sensorik Zug um Zug reduziert oder abgeschaltet wird. Dies dient bevorzugt der Möglichkeit Fehler durch oft ausfallende Sensorik zu minimieren und die Produktion sicherer und optimierter zu Gestalten.
In Zusammenhang mit einem oder mehreren der oben genannten vorteilhaften Ausgestaltungen kann während der regulären Produktion eine Datenbank mit korrekten Messwerten erstellt und im Falle eines Ausfalles einer oder mehrere Ist-Werte-Sensorik zur Generierung der fehlenden Messdaten der virtuellen Sensor verwendet werden.
In einer besonders bevorzugten und optimierten Ausführungsform könnten mit Hilfe eines neuronalen Netzwerkes ausgewählte Ist-Wert-Sensoren als virtuelle Sensoren nachgebildet werden. Durch einfache oder fortgeschrittene Algorithmen, wie später näher beschrieben, können diese neuronalen Netze vorteilhaft umgesetzt werden. Auch mag es von Vorteil sein Produktparameter und/oder Anlagenparameter, bevorzugt welche ohne aktuelle oder vorhandene Ist-Wert-Sensoren sind, mit Hilfe eines virtuellen Sensors, unterstützt durch ein künstliches neuronales Netzwerkes, zu generieren.
Alternativ oder kumulativ können die Messwerte des virtuellen Sensors als Produktparameter und/oder Anlagenparameter an die Computer zur Steuerung und/oder Regelung der Produktionsanlage oder deren Vorrichtungen übermittelt werden.
Alternativ oder kumulativ können die Eingangsparameter für das neuronale Netz normiert und/oder aggregiert werden, insbesondere zur Verwendung der Eingangsparameter auch für andere Produktionsanlagen bzw. deren Steuerungen/Regelungen.
Es wäre von Vorteil, wenn die Ergebnisse des neuronalen Netzes und/oder des virtuellen Sensors vor der Verwendung an der hiesigen oder Weitergabe an andere Produktionsanlagen normiert und/oder aggregiert werden.
Besonders bevorzugt können in einer laufenden Produktion ein virtueller Sensor überprüft und/oder trainiert werden, bevorzugt unter Anwendung von Ist-Wert- Sensoren einer hiesigen oder anderen Produktionsanlage.
Unter neuronalem Netz wird hier ein Algorithmus auf Basis künstlicher Intelligenz verstanden. In dieser Erfindung werden darunter verfahrensbasierte Algorithmen verstanden, die in der Entwicklung künstlicher Intelligenz eingesetzt werden. In vorteilhafter Weise umfasst oder basiert ein Algorithmus auf Basis künstlicher Intelligenz auf zumindest einer Methode oder eine Abwandlung hiervon aus den folgenden Gruppen: einfache Methoden, wie beispielsweise Linear Regression, Polynomal Regression, Functional Regression; und/oder klassifikations-basierte Methoden wie beispielsweise,
K Nearest Neighbors Classification, Decision Trees, Random Forests, Naive Bayes, Support Vector Machines; und/oder fortgeschrittene Methoden wie beispielsweise Random Forest Regression, Support Vector Regression, K Nearest Neighbors Regression, Neural Networks, Recurrent Neural Networks, Convolutional Neural Networks, Residual Networks, Bayesian Networks. Insbesondere werden dem Algorithmus neben einer mathematischen Methode, insbesondere mit Abbildungsfunktionen und/oder Nachbarfunktionen, vorzugsweise Grenzen für bestimmte Parameter vorgegeben werden, in welchen sich der Algorithmus im Rahmen derer er sich frei bewegen kann. Für eine Methode auf Basis neuronaler Netze werden beispielsweise eine oder mehrere Abbildungsschichten sowie Gewichtungsfaktoren vorgegeben, wobei insbesondere die Gewichtungen durch das Training mit der Datenbasis optimiert wird.
Alternativ oder kumulativ können die Messwerte des oder der virtuellen Sensoren, bevorzugt mit Zeitstempel, in eine Datenbank geschrieben oder zusammen mit den Ist-Werten der Produktionsanlage visualisiert werden.
Alternativ oder kumulativ kann der Programmcode des virtuellen Sensors auf eine bestimmte Schnittstellenbeschreibung festgelegt sein, aber unabhängig von dem zu ersetzenden Ist-Wert-Sensor ausgeführt werden.
Alternativ oder kumulativ kann ein virtueller Sensor, insbesondere im Zuge einer Vergleichsbetrachtung mit einem Ist-Wert-Sensor zur Zustandsüberwachung und/oder vorausschauende Wartungs- und/oder Ausfallerkennung verwendet werden.
Alternativ oder kumulativ kann im Zuge der automatisierten Verwendung der Produktionsanlage eine Optimierung der Produktion oder der Qualität und/oder eine Reduzierung von Materialeinsatz oder Ausschuss durchgeführt werden, besonders bevorzugt unter Einsatz eines Optimierungsrechners, welcher die mit Hilfe eines oder mehreren virtuellen Sensoren ein Programm zur Vorhersage der Produktionsqualität durchführt und dessen Ergebnisse visualisiert. Das Bedienpersonal erhält somit Informationen über die wahrscheinliche Produktionsqualität und wenn diese gewünscht wird, werden die durch den virtuellen Sensor erstellten Ergebnisse zur Steuerung und/oder Regelung der Produktionsanlage freigeschaltet und verwendet. Dies kann sogar in vorgegebenen Grenzen automatisiert stattfinden.
Alternativ oder kumulativ kann der in Wirkverbindung mit der Produktionsanlage stehende Optimierungsrechner gemessene Material-, Produkt- und/oder Anlagenparameter von der Produktionsanlage und/oder ihren Vorrichtungen übermittelt bekommen.
In einer solchen Produktionsanlage können weiter Vorrichtungen zur Zerkleinerung, Sortierung, Einstellung der Mischverhältnisse des Materials, Bereitstellung des Bindemittels, Beleimung, Lagerung, Klimatisierung des Materials, zur Wägung, zur Überwachung und/oder Prüfung des Materials oder des Materialvlieses, zur Vorpressung, zur Einstellung der Feuchte, Temperatur, Breite und/oder Höhe des Materialvlieses, zur Messung von Parametern der Edukte und Werkstoffplatten, zur Temperierung der Werkstoffplatte und dgl. vorgesehen sein. .
Eine entsprechende Vorrichtung, bevorzugt zur Umsetzung des vorgenannten Verfahrens, weist die gattungsgemäßen Merkmale auf.
Die Aufgabe wird für eine solche Vorrichtung dadurch gelöst, dass unter Verwendung eines Computers zumindest ein virtueller Sensor betrieben wird und dieser Computer zur Übermittlung der virtuellen Messwerte mit den Computern zur Steuerung und/oder Regelung der Produktionsanlage respektive deren Vorrichtungen in Wirkverbindung angeordnet ist. Als Computer ist nicht zwingend ein eigenständiger Computer zu verstehen, sondern eine Vorrichtung auf der ein Programmcode abläuft, wobei es mittlerweile üblich ist, auf einem Computer mehrere Programmcodes gleichzeitig ablaufen zu lassen, die miteinander kommunizieren und somit in Wirkverbindung miteinander stehen.
Alternativ oder kumulativ kann zum Betreiben des virtuellen Sensors der Computer mit Ist-Wert-Sensoren gleicher und/oder anderer Art in Verbindung steht, bevorzugt mit der Möglichkeit aus deren Messwerten mit einem Korrekturfaktor und/oder aus mehreren in Korrelation gesetzten artfremden Messwerten den virtuellen Sensor abzubilden.
Alternativ oder kumulativ kann der virtuelle Sensor in Wirkverbindung mit einer Einrichtung zur Abgabe eines, bevorzugt anlagensynchronen, Zeitstempels stehen
Alternativ oder kumulativ kann zur Übertragung von Messwerten an den virtuellen Sensor eine Datenbank oder aktuellen Daten der Produktion mit Messwerten früherer Produktionszyklen, bevorzugt unter Berücksichtigung vorgegebener Rand- und/oder Zeitdaten, angeordnet sein.
Alternativ oder kumulativ ist zur Ausbildung des virtuellen Sensors ein neuronales Netzwerk angeordnet.
Alternativ oder kumulativ kann dem virtuellen Sensor vor und/oder nachgeschaltet, sowie alternativ integriert, eine Einrichtung zur Normierung und/oder Aggregation der Werte angeordnet sein.
Bevorzugt sind in der Produktionsanlage Vorrichtungen zur Zerkleinerung, Sortierung, Einstellung der Mischverhältnisse des Materials, Bereitstellung des Bindemittels, Beleimung, Lagerung, Klimatisierung des Materials, zur Wägung, zur Überwachung und/oder Prüfung des Materials oder des Materialvlieses, zur Vorpressung, zur Einstellung der Feuchte, Temperatur, Breite und/oder Höhe des Materialvlieses, zur Messung von Parametern der Edukte und Werkstoffplatten, zur Temperierung der Werkstoffplatte und dgl. vorgesehen. Produktparameter sind Variablen, mit denen die Merkmale der herzustellenden Werkstoffplatte erfasst werden. Für die notwendigen Optimierungs- und Regelungszwecke sind keine exakten analytischen Bestimmung aller Produkteigenschaften, einschließlich Laborwerten, notwendig, sondern es ist ausreichend nur wesentliche Produktparameter einzubeziehen. Diese könnten sein: Produktname, Mischungsverhältnis Material bzw. Material/Bindemittel, Grundfeuchte des Ausgangs oder vermischten Materials, Pressfaktor, Wärmeeintrag, Temperatur, Produktionsgeschwindigkeit, geometrische Merkmale des Querschnitts (Schichtaufbau), Pressbarkeit, Qualitätsindex, .... Es sei auf das offensichtliche hingewiesen, dass die einzelnen zu einer Anlage gehörenden Fördereinrichtungen oder sonstigen Anlagenkomponenten, die zwar notwendig für den Produktionsprozess aber prozessökonomisch keine Auswirkung aufweisen, nicht extra erwähnt, aber in den Steuerungsprozess einbezogen sind. Beispielsweise werden in Abhängigkeit von der Produktionsgeschwindigkeit der Presse die notwendigen Förder- und Transportanlagen entsprechend angepasst und gesteuert, damit die Edukte oder die Produkte entsprechend zu- oder abgefördert werden.
Die Erfindung versteht unter beleimten Material nicht nur eine Flüssigbeleimung, bei der das Bindemittel beispielsweise versprüht und auf das Material aufgebracht wird, sondern auch die Herstellung von Mischverhältnissen aus Material/Bindemittel im Trockenverfahren.
Wenn auch die Verwendung der Erfindung auf eine Produktionsanlage zur Herstellung von Werkstoffplatten angepasst ist, so lassen sich die Lehre und die Erkenntnisse der Erfindung auch in einer hydraulischen Spritzgusspresse, Metallumformmaschinen, Recyclinganlagen und/oder anderen Produktionsanlagen durchaus umsetzen. Besonderes bevorzugt ist die Erfindung im Sondermaschinenbau verwendbar, wenn die Werte normiert und/oder aggregiert werden und somit sich ein einfacher Art und Weise auf andere Produktionsanlagen, bevorzugt gleichen Typs, portieren lassen.
In vorteilhafter Weise ist die Reduktion der Produktparameter auf einige wesentliche Parameter (Aggregation) möglich, insbesondere wenn diese untereinander eine Korrelation aufweisen.
Schließlich wird der Algorithmus auf Basis künstlicher Intelligenz, , dazu benutzt auf die Vorgabe eines oder einiger Produktparameter (Qualität, Dicke, Breite der Werkstoffplatte) ein iterative Optimierung durchzuführen. Beispielsweise wird die automatische iterative Optimierung dadurch realisiert, dass ein übergeordneter Optimierungsrechner getrennt von der Anlagensteuerung bzw. den Steuerungen der einzelnen Anlagenkomponenten (Vorrichtung zur Beleimung, Vorrichtung zur Formung des Mattenvlieses, Presse, ....) mit Hilfe eines neuronalen Netzwerkes Messwertsätze sowie Verläufe der Prozessgrößen vergangener, theoretischer oder im Einzelfall vorgegebener Werte durchrechnet und den Prozess iterativ in den optimalen Betriebspunkt überführt. Dazu wird der übergeordnete Optimierungsrechner nach Abschluss der Optimierung Kennzahlen zur Steuerung und/oder Regelung der Produktionsanlage ausgeben. In vorgegebenen Abständen wird überprüft, ob die Prozessparameter in den vorgegebene Toleranzgrenzen liegen und ob die Presszeit kürzer bzw. die Pressgeschwindigkeit größer als bei der bisherigen ist.
Unter dem Einsatz eines Algorithmus auf Basis künstlicher Intelligenz, einem neuronalen Netz, versteht man unter anderem den Einsatz von Maschinenlernen, bei dem kein Modell auf Basis von mathematischen und/oder physikalischen Werten zusammenhängend vorgegeben wird und dann die Modellparameter angepasst werden, sondern den Einsatz von bevorzugt künstlichen neuronalen Netzen, bei dem Teile oder der komplette Algorithmus durch Trainingsverfahren angepasst werden. Mathematische oder physikalische Modelle können zur Erzeugung von Trainingsdaten/-verfahren herangezogen werden. Eine oder mehrere Lagen eines Netzwerks können damit definiert und/oder erstellt werden sowie Startwerte für die Gewichtungs-Parameter aus den bisherigen Erfahrungen.
Im Falle eines Einsatzes von neuronalen Netzen können diese auch mehrlagig sein und können unterschiedliche Strukturen aufweisen. Gemein ist ihnen, dass im Design-Schritt keine Modellbildung im eigentlichen Sinne erfolgt, sondern lediglich eine Rahmen-Struktur vorgegeben wird wie das Netz aufgebaut ist und dann ein Optimierungsalgorithmus die Parameter optimiert. Dieser Optimierungsalgorithmus benötigt bzw. hat keine Informationen über den Prozess welcher nachgebildet wird und passt lediglich sämtliche Netzparameter so an, dass bei den Trainingsdaten die Ausgangsgrößen möglichst gut mit den vorgegebenen Zielgrößen übereinstimmten. Beispiel für ein neuronales Netz aus einer anderen Industrie ist z.B. das AlexNet welches zur Gesichtserkennung eingesetzt wird.
Wird erkannt, dass der Algorithmus nicht mehr optimal funktioniert, kann ein selbstständiges Nach-Trainieren stattfinden oder der Betreiber kann dazu aufgefordert werden die automatisierte Anpassung manuell einzuleiten.
Bevorzugt wird der virtuelle Sensor frei konfigurierbar sein, so dass für die Produktionsanlage Konfigurationsdateien bzw. Com puterprogramm produkte erstellbar sind, in denen der Eingangs- und Ausgangsparameter, sowie der verwendeten Algorithmus zur Simulation festgelegt ist. Unter einem virtuellen Sensor ist ein nicht real vorhandener Sensor zur Erstellung eines Messwertes in der Produktionsanlage definiert, welcher Computerprogrammprodukt aus anderen bekannten Werten (ggf. auch historische Werte), Zuständen, und Zustandsänderungen einen aktuellen Ist-Wert anzunähern versucht und diesen entsprechend ausgibt. Beispielsweise kann man Weg-, Druck-, oderz.B. auch Feuchte-Sensoren durch einen virtuellen Sensor ersetzen. Alternativ kann man auch reale Ergebnisse mit Hilfe eines virtuellen Sensors versuchen zu optimieren oder korrigieren.
Insbesondere von Vorteil ist, dass in der Produktionsanlage im laufenden Betrieb getestet und verglichen werden kann, mit welchen Algorithmen man welche Qualität der Schätzung eines bestimmten Sensorwertes erhält und ob eine Sensoreinsparung/die Kompensation eines zeitweiligen Ausfalls des Signals möglich ist, ohne komplexe Software-Anpassungen in den Computern respektive deren Software der Produktionsanlage vornehmen zu müssen.
Ein weiterer wichtiger Anwendungsfall ist die Schätzung von Werten die nicht oder nur mit hohem Aufwand während der Produktion bestimmt werden können.
Ein Beispiel hierfür wäre die Bestimmung des Kunststoff-Anteils eines Recycling-Rohmaterials. Der Anteil des ,Nicht-Holz-Materials‘ wird bisher von Mitarbeitern manuell ermittelt werden, welche diese Werte dann z. B. zusammen mit dem Zeitpunkt der Proben-Entnahme in eine Tabelle einer Datenbank eintragen können. Beim einem virtuellen Training werden diese manuell erfassten Messwerte dann in Verbindung mit Prozessdaten und/oder Kamerabildern gebracht so dass im Anschluss eine kontinuierliche Inline- Kunststoff-Anteil-Messung durchgeführt werden kann und diese Informationen (z.B. auch starke Schwankungen in diesem Wert) in die Verbesserung des Produktionsprozesses einfließen können.
Ein ähnliches Anwendungsbeispiel wäre die Spangrößenverteilung nach der Zerkleinerung. Diese wird für das Training manuell auf Basis von einer oder mehrerer Materialproben durchgeführt, in einer Datenbank gespeichert und der virtuelle Sensor kann auf Basis von Motortemperaturen der Zerkleinerungsanlagen und Dichtemessung des Materials vor der Beleimung, der Formung oder der Presse schätzen welche Spangrößenverteilung aktuell verarbeitet wird. Bei entsprechender Sensorgüte des virtuellen Sensors können Proben deutlich seltener genommen werden, um dennoch die gleiche (Mess-) Information für die Einstellung der Produktionsanlage gewährleisten zu können bzw. Prozessveränderungen/Schäden in Anlagen-Komponenten können frühzeitig erkannt werden.
Unter externe Datenquellen versteht man jegliche Daten-Quellen die abseits des installierten Messdaten-Erfassungssystems existieren und Daten gemeinsam mit einer Zeit-Information über deren Erhebung zur Verfügung stellen.
Um die obigen Einzelmerkmale und damit einhergehenden Vorteile nochmals zu vertiefen und zu erläutern werden nachstehend weitere Ausführungsbeispiele beschrieben, die eigenständig oder in Kombination mit den vorhergehenden Merkmalen Vorteile gegenüber dem Stand der Technik bieten.
Insbesondere soll auf eine vorausschauende Produktion und Qualitätsbeein flussung abgehoben werden. Dabei soll es vorzugsweise auch möglich sein, eine Qualitätsbeurteilung oder Vorhersage für das Produkt in Abhängigkeit von den Eigenarten/Zuständen der Produktionsanlage und/oder der vorliegenden Edukte durchzuführen. In diesem Zusammenhang soll es schließlich möglich sein den Betrieb der Produktionsanlage Produktabhängig, insbesondere aus früheren Erfahrungswerten, zu optimieren.
Hierbei kann ein oder mehrere virtuelle Sensoren beispielsweise qualitäts bildende Eigenschaften des Produktes (Produktparameter) abbilden, die als fiktive/virtuelle Messwerte eine Führungsgröße einstellen, anhand derer die Produktionsanlage gesteuert und/oder geregelt wird, um dieses Produkt zu erhalten. Hierzu wird der Computer, respektive ein Computerprogrammprodukt auf diesem Computer, auf bisherige Erfahrungswerte früherer Produktionsabläufe zurückgreifen, um die Produktionsanlage entsprechend der Führungsgröße einzustellen oder im Betrieb zu regeln.
Besonders bevorzugt wird hierbei ein Algorithmus auf Basis künstlicher Intelligenz eine erste Einschätzung der einzustellenden Parameter iterativ überarbeiten, bis im Ergebnis alle notwendigen Parameter in der Produktionsanlage derart optimiert sind, dass mit nahezu sicher geltender Wahrscheinlichkeit ein Produkt hergestellt wird, welches die qualitätsbildenden Eigenschaften der Führungsgröße abbildet.
Hierzu sollte kurz nochmal auf die in komplexen Produktionsanlagen auftretenden schwankenden Eingangsgrößen hingewiesen werden. Verschiedene Materialarten, deren Mischungen, Anteile an Zuschlägen, Umgebungstemperaturen, Betriebstemperaturen der Vorrichtungen in der Produktionsanlage, deren Verschleiß und vieles mehr führen bei der Herstellung von Produkten zu volatilen Ausschlägen der Basisparameter in der Produktion. Bei Materialströmen, die mehrere Minuten vom Edukt bis zum Produkt benötigen, können marginale Veränderungen bereits zu gravierenden Mängeln in der Produktionsqualität führen oder einen Unterschied zwischen A- und B-Ware bewirken. Das gilt beispielsweise auch für Wartungsintervalle, bei denen auf das Material wirkende Verschleißteile ausgetauscht werden, auf Veränderungen der Zuschlagstoffe (Bindemittel oder dergleichen) durch Chargenwechsel oder auf Temperaturveränderungen (Tag/Nacht-Betrieb). Durch Bezugnahme auf derartige Veränderungen im Gesamtsystem ist es möglich bei der Verwendung durch virtuelle Sensoren, mithin virtuellen Messwerten, Berechnungsalgorithmen durchlaufen zu lassen und zu optimieren, um Vorgaben für Einzelmaschinen für eine optimierte Produktion zu erhalten. Insbesondere ist es nun möglich bei der Verwendung eines Algorithmus auf Basis künstlicher Intelligenz, welches durch virtuelle Sensoren Vorgaben oder Rahmenbedingungen erhält, eine selbstoptimierende Steuerung für eine Produktionsanlage zu generieren.
Besonders bevorzugt wird hierbei eine Datenquelle als Tabelle aus früheren Produktionsabläufen samt Produktionsergebnissen verwendet, auf die das neuronale Netz zurückgreifen kann, um selbstoptimierend ein vorausschauendes Szenario zur Produktion und zur Einstellung einer Vielzahl an Parametern in der Produktionsanlage zu ermitteln. Dabei werden nicht anhand von mathematischen oder physikalischen Modellen Berechnungsstrukturen vorgegeben, sondern ein ein- oder mehrlagiges neuronales Netz kann sich aus der Datenquelle (Tabelle) früherer Produktionswerte, die bevorzugt auch die Produktparameter bzw. die Qualitätsmerkmale der Produkte enthalten, selbstständig ein aktuell passendes Set aus Produktionswerten ermitteln. Mithin kann der Algorithmus für künstliche Intelligenz aus der Datenquelle frühere Produktionswerte, bevorzugt aber auch die Produktwerte, entnehmen. Dies kann einem Bediener oder einem kontrollierenden Computerprogramprodukt vorgestellt werden, bevor es eine Produktion freischaltet.
Besonders bevorzugt wird der Algorithmus auf Basis künstlicher Intelligenz eine eigene Gewichtung der Parameter vornehmen und es wird auf die bisher übliche Gewichtung durch Technologen oder mathematische voreingestellte Algorithmen verzichtet und nur Datensätze aus früheren und/oder aktuellen Produktionen verwendet.
Damit ist es nun möglich, durch die virtuelle Parametrierung von Größen, eine komplexe Produktionsanlage zu steuern oder zu regeln. Es ist nicht mehr notwendig das Produkt aufwendig und mit entsprechender Wartezeit in einem Labor auf nicht direkt ermittelbare Qualitätsmerkmale zu analysieren, sondern es können bereits vorab Aussagen zur Qualität abgegeben werden.
Diese Aussagen zur Qualität können wiederum Grundlage für neue iterative Verbesserungsberechnungen durch den Algorithmus auf Basis künstlicher Intelligenz sein oder den Bediener auffordern, Maßnahmen einzuleiten, die nicht für eine automatisierte Aktivierung vorgesehen sind.
In einer besonders bevorzugten alternativen oder kumulativen Variante ist es nun auch möglich aus anderen, vorzugsweise vergleichbaren, Produktionsanlagen Erfahrungswerte als Datenquelle für den Algorithmus auf Basis künstlicher Intelligenz zu verwenden. Bevorzugt werden diese Datenquelle als Tabelle vor Inanspruchnahme überarbeitet und ggfs mit entsprechenden Korrekturfaktoren auf die hiesige Produktionsanlage umgerechnet.
Aufgrund der hohen Datenmengen kann es notwendig sein die Datenmenge zu reduzieren oder zu bündeln (clustering). Dies kann beispielsweise bei einer Vielzahl an Presszylindern entlang einer Länge durchgeführt werden oder man führt eine Interpolation respektive Extrapolation ein. Diese aggregierten Werte können auch normiert werden, hinsichtlich physikalischer Eckdaten wie Länge, Frequenzen, Durchlaufzeiten und andere. Dadurch wird es auch möglich verschiedene Pressen oder unterschiedlich große oder ausgeführte Einzelvorrichtungen zur Angleichung vergleichbar zu gestalten. Damit wären diese Daten universell nutzbar.
Durch den Vergleich der Rohdaten und/oder der aggregierten Daten lassen sich Anomalien besser erkennen. Hierbei können Datenfehler oder fehlerhafte Datensätze sinnvoll eliminieren.
Die Rohdaten oder die aggregierten Daten zur Verwendung in einem Computer zur Steuerung und/oder Regelung einer Produktionsanlage beziehen sich in vorteilhafter Weise auf reale Produktionsparameter und /oder Produktionsanlagen, die in Korrelation mit realen Qualitätsparametern stehen. Diese sind besonders bevorzugt mit einem Zeitstempel, höchst bevorzugt mit einem mitlaufenden bzw. auslesbaren Zeitstempel über die Produktionszeit verknüpft, damit jedem Produkt das zugehörige Material bzw. dessen Verlauf durch die Produktionsanlage zugeordnet werden kann.
Je nach Gestaltung wird eine Zeitbasis zugrunde gelegt, die einem Produkt die zeitlich beabstandeten vorherigen Werte mit einem anderen Zeitstempel zuordnet. Gerade bei Anlagen mit einem Materialdurchlauf des Eduktes von mehreren Minuten oder Stunden kann dies entscheidend sein, wenn sich in diesem Zeitpunkt Parameter verändern könnten.
Mit dem vorgeschlagenen Prinzip ist es möglich in einer produzierenden Produktionsanlage die aktuell produzierte Qualität, welche erst später aufgrund von Laborwerten ermittelt werden kann, vorherzusagen und zu optimieren. Diese Optimierungen oder Vorhersagen können dem Bediener visualisiert werden und/oder zur weiteren Optimierung verwendet werden.
Es kann die virtuelle Qualität eines produzierten Produktes sofort „gemessen“ und angezeigt werden oder diese als Zielvorgabe im virtuellen Sensor vorgegeben werden. Hierbei erschließen sich die neuen Möglichkeiten der vorliegenden Erfindung.
In einer bevorzugten Ausführungsform soll es möglich sein, dem Bediener mitzuteilen, dass derzeit eine bestimmte Produktionsart nicht möglich ist, besonderes bevorzugt wird eine Analyse durchgeführt und angezeigt, die darstellt mit wie viel Ausschuss gerechnet werden muss, bis wieder eine optimale Produktion möglich ist. Besonders bevorzugt werden dem Bediener erfolgversprechende Produktionsalternativen angeboten. ln einer anderen bevorzugten Ausführungsform wird durch die Erfindung eine Produktionsanlage in einen Automatikbetrieb versetzt, bei der sie während der Produktion selbstständig die Produktionsanlage zur Herstellung eines hochwertigen Produktes optimiert.
Weiterführend kann es möglich sein, dass die Produktionsanlage selbsttätig ermittelt, wann Wartungen notwendig sind und Wartungsintervalle in den verschiedenen Produktionszellen aufeinander abstimmt, um möglichst kurze Wartungsstillstände zu erzeugen. Besonders bevorzugt kann ein Wartungsplan durch das Verfahren generiert und optimiert werden, insbesondere in Bezug auf anstehende Produktionsaufträge.
Bei einer möglichen Variante wird die Lagerhaltung respektive das oder die Eingangsmaterial Gegenstand von Optimierungsabläufen sein, um die verwendete Materialart oder die Mischungsverhältnisse zu steuern
In einer besonders bevorzugten Ausführungsform kann mit einem virtuellen Sensor in Verbindung mit einem Algorithmus auf Basis künstlicher Intelligenz die Produktivität erhöhen werden, wenn man bei einem Produktionswechsel oder Produktionsstart die Anlauf und Abkühlzeiten der Maschinen einberechnen kann und hiermit die vorherigen Anlagenbereiche (Vorwärmung, Beleimung) und der gleichen einstellen kann und ggfs adjustieren, um einen gleichmäßige oder einen notwendigen Wärmeeintrag sicherzustellen.
Beispielsweise kann man die Vorwärmung des Eduktes an eine noch nicht vollständige aufgeheizte Presse anpassen, indem man die Vorwärmung im Hochlastbereich und langsam in den Dauerbetrieb (Normallast) überführt wohingegen sich die Presse an die aktuelle Last anpasst bzw. sich immer mehr erwärmt. Es ist mithin möglich anstelle von Ausschuss B-Ware oder sogar A- Ware zu produzieren. Proaktiv können Lastwechsel durchberechnet und somit auch durchgeführt werden, indem virtuelle Sensoren benutzt werden um vorausschauend die Maschinen und Anlagenteile auf die geänderte Produktion einzurichten.
Wird beispielsweise anderes Material oder andere Materialmischungen verpreßt, können Anlagenteile vorab entsprechend eingestellt werden, damit diese wenn die neue Materialmischungen ankommen, auch ordentlich verpreßt werden.
In einer besonderen vorteilhaften Ausführungsform wäre es nun möglich durch virtuelle Sensoren bestehende Anlagen „virtuell“ nachzurüsten. Somit sind, ohne den Verbau von erweiterter Messtechnik, bestehende Anlagen quasi in der Lage ein Upgrade durchzuspielen und theoretisch in der Lage Produkte zu produzieren, die sie vorher mangels der notwendigen Sensorik, nicht produzieren konnten. Im Zuge einer geplanten Umrüstung kann damit beispielsweise der Erfolg einer derartigen Umrüstung prognostiziert werden. Die Umrüstung bzw. auch die notwendigen Umrüstungsmaßnamen an Messsensorik können auf Sinnhaftigkeit überprüft werden, so dass beispielsweise nur ein Mindestmaß an realer Messelektronik oder Messfühlern in der Realität verbaut werden muss, um bessere Ergebnisse zu erhalten oder die Betriebssicherheit in Qualität und Menge zu erhöhen.
Zusammenfassend kann der virtuelle Sensor verschiedene Werte virtuell darstellen, aber auch als Vorgabe eines virtuellen Produktparameters benutzt werden. In der Folge kann ein Algorithmus auf Basis künstlicher Intelligenz die weiteren Parameter für die Anlageneinstellung vornehmen und bevorzugt basierend auf dem vorliegenden Material und/oder dessen chemischen/physikalischen Eigenschaften Optimierungen für die Parametrierung der Anlage vornehmen.

Claims

Patentansprüche
1. Verfahren zum Betreiben einer Produktionsanlage zur Herstellung von Werkstoffplatten, wobei die Produktionsanlage zumindest Vorrichtungen zur Formung eines Vlieses aus Material und dessen Verpressung zu Werkstoffplatten aufweist und zur Herstellung einer Werkstoffplatte Produktparameter der zu fertigenden Werkstoffplatte und Anlagenparameter der Produktionsanlage eingestellt werden, wobei die Produktionsanlage und/oder deren Vorrichtungen Sensorik zur Ermittlung von Messwerten und damit wirkverbundene Computer zur Steuerung und/oder Regelung aufweisen, dadurch gekennzeichnet, dass zumindest ein virtueller Sensor Messwerte an die Computer zur Steuerung und/oder Regelung der Produktionsanlage respektive deren Vorrichtungen übermittelt.
2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Messwerte des virtuellen Sensors aus einem Messwert anderer Art mit einem Korrekturfaktor und/oder aus mehreren in Korrelation gesetzten artfremden Messwerten von Ist-Wert-Sensoren erstellt wird.
3. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Messwerte des virtuellen Sensors mit einem, bevorzugt anlagensynchronen, Zeitstempel versehen sind oder werden.
4. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Messwerte des virtuellen Sensors aus einer Datenbank oder aktuellen Daten der Produktion mit Messwerten früherer Produktionszyklen, bevorzugt unter Berücksichtigung vorgegebener Rand- und/oder Zeitdaten, entnommen werden
5. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein Ist-wert-Sensor von einem virtuellen Sensor begleitet wird und bei Abweichungen außerhalb eines vorgegebenen Bereichs eine Reaktion, bevorzugt eine Hinweisfunktion an einen Bediener ausgelöst wird und/oder ein entsprechender Hinweiseintrag in einer Datenbank erfolgt.
6. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in vorgegebenen Abständen in der Produktionsanlage ausgewählte Ist-Wert-Sensoren von einem virtuellen Sensor begleitet und damit überprüft werden.
7. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei Ausfall oder offensichtlicher Fehlmessung eines Ist-Werte-Sensors ein virtueller Sensor die Erzeugung der Messwerte übernimmt und diese Erzeugung der Messwerte vorzugsweise automatisiert startet, insbesondere in Begleitung einer Alarm Information an den Bediener.
8. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Zug um Zug die Produktionsanlage insoweit optimiert wird, dass nach entsprechenden Testläufen mit virtuellen Sensoren die Ist-Werte-Sensorik Zug um Zug reduziert oder abgeschaltet wird.
9. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass während der regulären Produktion eine Datenbank mit korrekten Messwerten erstellt und im Falle eines Ausfalles einer oder mehrere Sensorik zur Erstellung der Messdaten durch den virtuellen Sensor verwendet wird.
10. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mit Hilfe eines neuronalen Netzwerkes ausgewählte Ist-Wert-Sensoren als virtuelle Sensoren nachgebildet werden und/oder Produktparameter und/oder Anlagenparameter, bevorzugt welche ohne aktuelle Ist-Wert-Sensoren, mit Hilfe eines künstlichen neuronalen Netzwerkes als virtuelle Sensoren nachgebildet werden.
11. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Messwerte des virtuellen Sensors als Produktparameter und/oder Anlagenparameter an die Computer zur Steuerung und/oder Regelung der Produktionsanlage oder deren Vorrichtungen übermittelt werden.
12. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Eingangsparameter für das neuronale Netz normiert und/oder aggregiert werden, insbesondere zur Verwendung der Eingangsparameter auch für andere Produktionsanlagen.
13. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Ergebnisse des neuronalen Netzes und/oder des virtuellen Sensors vor der Verwendung an der hiesigen oder Weitergabe an andere Produktionsanlagen normiert und/oder aggregiert werden.
14. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass während einer laufenden Produktion ein virtueller Sensor überprüft und/oder trainiert wird, bevorzugt unter Anwendung von Ist-Wert-Sensoren.
15. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Messwerte des oder der virtuellen Sensoren, bevorzugt mit Zeitstempel, in eine Datenbank geschrieben oder zusammen mit den Ist-Werten der Produktionsanlage visualisiert werden.
16. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Programmcode des virtuellen Sensors auf eine bestimmte Schnittstellenbeschreibung festgelegt ist aber unabhängig von dem zu ersetzenden Ist-Wert-Sensor ausgeführt wird.
17. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass ein virtueller Sensor, insbesondere im Zuge einer Vergleichsbetrachtung mit einem Ist-Wert-Sensor zur Zustandsüberwachung und/oder vorausschauende Wartungs- und/oder Ausfallerkennung verwendet wird.
18. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass im Zuge der automatisierten Verwendung der Produktionsanlage eine Optimierung der Produktion oder der Qualität und/oder eine Reduzierung von Materialeinsatz oder Ausschuss durchgeführt wird.
19. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der in Wirkverbindung mit der Produktionsanlage stehende Optimierungsrechner gemessene Material-, Produkt- und/oder Anlagenparameter von der Produktionsanlage und/oder ihren Vorrichtungen übermittelt bekommt.
20. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in der Produktionsanlage Vorrichtungen zur Zerkleinerung, Sortierung, Einstellung der Mischverhältnisse des Materials, Bereitstellung des Bindemittels, Beleimung, Lagerung, Klimatisierung des Materials, zur Wägung, zur Überwachung und/oder Prüfung des Materials oder des Materialvlieses, zur Vorpressung, zur Einstellung der Feuchte, Temperatur, Breite und/oder Höhe des Materialvlieses, zur Messung von Parametern der Edukte und Werkstoffplatten, zur Temperierung der Werkstoffplatte und dgl. vorgesehen sind.
21. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zumindest ein virtueller Sensor Parameter des herzustellenden Produktes, insbesondere qualitätsbildende Eigenschaften des Produktes, abbildet.
22. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass Vorhersagen zum Produkt in Abhängigkeit von Eigenarten/Zuständen der Produktionsanlage zur Entscheidung ausgegeben oder visualisiert werden, und bevorzugt zur weiteren Optimierung der Parametrisierung der Produktionsanlage verwendet werden.
23. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass eine Datenquelle, bevorzugt als Tabelle oder Matrix, bestehend aus früheren Produktionsdaten oder der Parametrisierung der Produktionsanlage in Verbindung mit den zugehörigen Qualitätsmerkmalen des hergestellten Produktes dem neuronalen Netz zur Verfügung gestellt wird.
24. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Datenquelle Produktionsdaten sätze aus anderen Produktionsanlagen, ggfs unter Einbeziehung von aggregierten Daten oder Korrekturfaktoren, verwendet werden.
25. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Datenquelle Datensätze einer Produktion verwendet werden, die reduzierte oder gebündelte Datenensätze oder Daten einer Produktion aufweist.
26. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Datenquelle einen Zeitstempel aufweist, der bevorzugt den Durchlauf eines Materials durch die Produktionsanlage abbildet oder zumindest an den Durchlauf des Materials angenähert ist.
27. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass im Sinne einer vorausschauenden Produktion Teile der Produktionsanlage differenziert über die Zeit gesteuert oder geregelt werden, insbesondere um Defizite bei der Bereitstellung von Druck, Wärme, Geschwindigkeit, oder dgl. zu vermeiden oder auszugleichen.
28. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zur Planung oder Überprüfung einer Modernisierung einer Produktionsanlage virtuelle Sensoren verwendet werden, die neue oder zu ändernde Teile der Produktionsanlage abbilden, um Informationen über die Wertigkeit der Modernisierung ohne realen Eingriff in die Produktionsanlage zu erhalten.
29. Vorrichtung zum Betreiben einer Produktionsanlage zur Herstellung von Werkstoffplatten, wobei die Produktionsanlage zumindest Vorrichtungen zur Formung eines Vlieses aus Material und dessen Verpressung zu Werkstoffplatten aufweist und zur Herstellung einer Werkstoffplatte Produktparameter der zu fertigenden Werkstoffplatte und Anlagenparameter der Produktionsanlage eingestellt werden, wobei die Produktionsanlage und/oder deren Vorrichtungen Sensorik zur Ermittlung von Messwerten und damit wirkverbundene Computer zur Steuerung und/oder Regelung aufweisen, dadurch gekennzeichnet, dass unter Verwendung eines Computers zumindest ein virtueller Sensor betrieben dieser Computer zur Übermittlung der virtuellen Messwerte mit den Computern zur Steuerung und/oder Regelung der Produktionsanlage respektive deren Vorrichtungen in Wirkverbindung steht.
30. Vorrichtung nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass zum Betreiben des virtuellen Sensors der Computer mit Ist-Wert-Sensoren gleicher und/oder anderer Art in Verbindung steht, bevorzugt mit der Möglichkeit aus deren Messwerten mit einem Korrekturfaktor und/oder aus mehreren in Korrelation gesetzten artfremden Messwerten den virtuellen Sensor abzubilden.
31. Vorrichtung zumindest nach einem der vorhergehenden Vorrichtungsansprüche, dadurch gekennzeichnet, dass der virtuelle Sensor in Wirkverbindung mit einer Einrichtung zur Abgabe eines, bevorzugt anlagensynchronen, Zeitstempels steht.
32. Vorrichtung zumindest nach einem der vorhergehenden Vorrichtungsansprüche dadurch gekennzeichnet, dass zur Übertragung von Messwerten an den virtuellen Sensor eine Datenbank oder aktuellen Daten der Produktion mit Messwerten früherer Produktionszyklen, bevorzugt unter Berücksichtigung vorgegebener Rand- und/oder Zeitdaten, angeordnet ist.
33. Vorrichtung zumindest nach einem der vorhergehenden Vorrichtungsansprüche dadurch gekennzeichnet, dass zur Ausbildung des virtuellen Sensors ein eine neuronales Netzwerk angeordnet ist.
34. Vorrichtung zumindest nach einem der vorhergehenden Vorrichtungsansprüche dadurch gekennzeichnet, dass dem virtuellen Sensor vor und/oder nachgeschaltet eine Einrichtung zur Normierung und/oder Aggregation der Werte angeordnet ist.
35. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in der Produktionsanlage Vorrichtungen zur Zerkleinerung, Sortierung, Einstellung der Mischverhältnisse des Materials, Bereitstellung des Bindemittels, Beleimung, Lagerung, Klimatisierung des Materials, zur Wägung, zur Überwachung und/oder Prüfung des Materials oder des Materialvlieses, zur Vorpressung, zur Einstellung der Feuchte, Temperatur, Breite und/oder Höhe des Materialvlieses, zur Messung von Parametern der Edukte und Werkstoffplatten, zur Temperierung der Werkstoffplatte und dgl. vorgesehen sind.
EP21711471.9A 2020-02-18 2021-02-18 Verfahren und vorrichtung zum betreiben einer produktionsanlage Pending EP4106966A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020104287.6A DE102020104287A1 (de) 2020-02-18 2020-02-18 Verfahren und Vorrichtung zum Betreiben einer Produktionsanlage
PCT/EP2021/054076 WO2021165428A2 (de) 2020-02-18 2021-02-18 Verfahren und vorrichtung zum betreiben einer produktionsanlage

Publications (1)

Publication Number Publication Date
EP4106966A2 true EP4106966A2 (de) 2022-12-28

Family

ID=74871343

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21711471.9A Pending EP4106966A2 (de) 2020-02-18 2021-02-18 Verfahren und vorrichtung zum betreiben einer produktionsanlage

Country Status (3)

Country Link
EP (1) EP4106966A2 (de)
DE (1) DE102020104287A1 (de)
WO (1) WO2021165428A2 (de)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4242760A1 (de) * 2022-03-11 2023-09-13 Schneider Electric Industries SAS Verfahren zur generierung kontextabhängiger informationen
DE102022002242A1 (de) 2022-06-21 2023-12-21 Mercedes-Benz Group AG Virtueller Sensor und Verfahren zum Betrieb eines virtuellen Sensors

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016216387A1 (de) * 2016-08-31 2018-03-01 Voith Patent Gmbh Verfahren zur Steuerung einer Faserstoffbahnherstellungsmaschine

Also Published As

Publication number Publication date
WO2021165428A3 (de) 2021-10-14
WO2021165428A2 (de) 2021-08-26
DE102020104287A1 (de) 2021-08-19

Similar Documents

Publication Publication Date Title
DE112019001512T5 (de) EINSPRITZGIEßMASCHINENSYSTEM
DE102017011896A1 (de) Vorrichtung zum Schätzen einer Werkzeuglebenszeit
DE102019103825A1 (de) Fehlerdiagnosevorrichtung und maschinelle lernvorrichtung
DE102020104286A1 (de) Verfahren und Vorrichtung zur Prozessoptimierung einer Produktionsanlage
DE102019128177A1 (de) Vorrichtung und verfahren zur zustandsbestimmung
EP4106966A2 (de) Verfahren und vorrichtung zum betreiben einer produktionsanlage
DE102018107233A1 (de) Verfahren zur automatischen Prozessüberwachung und Prozessdiagnose eines stückbasierten Prozesses (batch-Fertigung), insbesondere eines Spritzgießprozesses und eine den Prozess durchführende Maschine oder ein den Prozess durchführender Maschinenpark
EP3077878B1 (de) Computer-implementiertes verfahren und system zur automatischen überwachung und statusermittlung ganzer prozessabschnitte in einer process unit
EP3671632A1 (de) Bildbasierte wartungsvorhersage und detektion von fehlbedienungen
WO2011092012A2 (de) Anordnung und verfahren zur optimierung der arbeitsweise eines versorgungsnetzes
DE102020102370A1 (de) Zustandsbestimmungsvorrichtung und zustandsbestimmungsverfahren
EP3479178B1 (de) Simulations-basierte regelung eines fertigungssystems unter beruecksichtigung eines vorab berechneten verarbeitungsfensters
DE19514535A1 (de) Verfahren zur Überwachung von Produkteigenschaften und Regelung eines Herstellungsprozesses
DE102017127098A1 (de) Gerät und verfahren zum annehmen eines anormalitätsauftretens für teleskopabdeckung
DE102020102368A1 (de) Zustandsbestimmungsvorrichtung und zustandsbestimmungsverfahren
EP4108411A2 (de) Verfahren, system und computerprogrammprodukt zum überwachen eines formgebungsprozesses
DE102017222899A1 (de) Verfahren, Vorrichtung und Computerprogrammprodukt zum Betreiben von Betriebseinheiten
DE202020100886U1 (de) Vorrichtung zur Prozessoptimierung einer Produktionsanlage
EP4356209A1 (de) Überwachung der produktion von werkstoffplatten, insbesondere holzwerkstoffplatten, insbesondere unter verwendung einer selbstorganisierenden karte
DE202020100887U1 (de) Vorrichtung zum Betreiben einer Produktionsanlage
DE102022119952A1 (de) Computerimplementiertes Verfahren und System zur Übermittlung eines Steuerdatensatzes für eine Maschine
DE102007059582A1 (de) Verfahren und Vorrichtung zum Training des Bedienpersonals einer prozesstechnischen Anlage
EP4268963A1 (de) Verfahren und anordnung zur grosstechnischen herstellung einer suspension für eine batterie
EP3890955B1 (de) Kontinuierlich arbeitende presse mit rohdichteprofilregelung
DE202020100888U1 (de) Vorrichtung zur Zustandsüberwachung von hydraulischen Pressen

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: 20220822

AK Designated contracting states

Kind code of ref document: A2

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

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)