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.