Die vorliegende Erfindung betrifft ein Verfahren zum Optimieren des

Abfüllens eines Behälters, insbesondere im Rahmen von Getränkebehältern, wie zum Beispiel Flaschen, Dosen oder Kegs durch Füllmaschinen in der Getränkeindustrie. Beim Abfüllen eines Behälters strömt das abzufüllende Produkt durch das Füllventil einer Füllmaschine in den Getränkebehälter, bei dem es sich beispielsweise, aber nicht beschränkend um eine PET-Flasche handeln kann. Die maximale Füllgeschwindigkeit, die beim Abfüllen des Produkts erzielt werden kann, ist abhängig von unterschiedlichen Faktoren, wie z.B. der Dichte und der Viskosität des Produkts und dessen CO ₂ -Gehalt.

In der Regel wird das Produkt nicht durch eine zusätzliche

Druckbeaufschlagung in den Behälter abgefüllt, sondern es läuft aufgrund seines Eigengewichts und/oder die vorliegende geodätische Gefälle zwischen Füllgutspiegel und Abgabeöffnung des Füllventils durch das Füllventil in den Behälter.

Die Fließgeschwindigkeit beim Abfüllen, kurz gesagt die Füllgeschwindigkeit, kann somit eingestellt werden über den Öffnungsquerschnitt des geöffneten Füllventils, wobei der Öffnungsquerschnitt gegebenenfalls durch ein

Regelventil variierbar ist.

Prinzipiell wird angestrebt, die gesamte Prozesszeit für das Füllen des Behälters so kurz wie möglich zu halten.

In diesem Zusammenhang wird unter der Prozesszeit für das Füllen die Zeitspanne verstanden, die notwendig ist für das Öffnen des Füllventils, das Befüllen des Behälters, das Schließen des Füllventils, das Beruhigen des Füllgutes im Behälter und für das eigentliche Verschließen selbst.

Eine Verkürzung der Prozesszeit könnte theoretisch dadurch erzielt werden, dass man den Öffnungsquerschnitt des Füllventils so groß wie möglich

1 1314 WO macht, was apparatetechnisch und aufgrund der realen geometrischen Gestalt der Behälter nur beschränkt möglich ist.

Grenzen bei der Minimierung der eigentlichen Füllzeit sind insbesondere durch einen CO2-Gehalt der Produkte gesetzt, der zu einem Aufschäumen des Produkts beim Einfüllen führt, unabhängig von der Tatsache, ob das Einfüllen unter einem Druck erfolgt oder ohne.

Üblicherweise erfolgt das Einfüllen eines CO2-haltigen Getränks unter einem Gegendruck, dem so genannten Fülldruck, der zumindest dem

Sättigungsdruck des in dem Produkt gelösten CO ₂ entspricht, um das

Austreten des CO ₂ aus dem Getränk in Grenzen zu halten. Dieses ist notwendig, da insbesondere beim Einströmen des Füllgutes in den Behälter das physikalisch im Füllgut gelöste CO2 aus dem Produkt freigesetzt wird.

Deshalb wird die Füllgeschwindigkeit über die Zeit des Abfüllvorganges in Art eines Füllgeschwindigkeitsprofils variiert, derart, dass einerseits eine geringe Schaumbildung erfolgt und andererseits das Produkt möglichst schnell in den Behälter überführt wird.

Die mögliche Füllgeschwindigkeit ist des Weiteren noch von anderen

Parametern abhängig, wie zum Beispiel der Viskosität des Produkts, die zum Beispiel durch den Sirup oder Getränkekonzentratgehalt im Wasser bestimmt wird, durch die Löslichkeit des CO ₂ im Produkt, durch die

Umgebungstemperatur, den Fülldruck und natürlich apparatetechnische Parameter der Füllmaschine.

Anstatt der Füllgeschwindigkeit kann auch die Öffnungsstellung eines Füllbzw. Regelventils über die Zeit des Abfüllvorganges als Steuergröße verwendet werden. Ein Verfahren dieser Art ist zum Beispiel aus der EP 2 975 486 A2 bekannt. Es ist Ziel der vorliegenden Erfindung, ein Verfahren zu schaffen, das eine effizientere Abfüllung von unterschiedlichen Produkten ermöglicht.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 gelöst. Vorteilhafte Weiterbildungen der Erfindung sind Gegenstand der abhängigen Ansprüche. Vorteilhafte Weiterbildungen der Erfindung sind ebenfalls in der Beschreibung und in den Zeichnungen offenbart.

Erfindungsgemäß wird ein Optimierungsverfahren mit einer Lernphase durchgeführt, in welcher die folgenden Verfahrensschritte angewandt werden: a) wenigstens ein Füllparameter, beispielsweise die

Füllgeschwindigkeit, wird auf einen Startwert, insbesondere dem Wert des Füllparameters eines ähnlichen Produkts eingestellt, b) mit dem eingestellten Füllparameter wird das Produkt abgefüllt, wobei die dem eingestellten Füllparameter zugeordnete

Schaumbildung und/oder Gesamtabfülldauer des Abfüllvorgangs, das heißt vorzugsweise bis zum Beruhigen des Getränks im Behälter, als

Zielwert gemessen wird/werden,

c) zwischen dem eingestellten Füllparameter und dem Zielwert werden Zusammenhänge in einem das Verhalten der Füllmaschine für das Produkt simulierenden Datenmodell erfasst und gespeichert, d) der gespeicherte Zielwert wird mittels einer Bewertungsfunktion zur Ermittlung eines besten Zielwerts evaluiert,

wobei gemäß Schritt e) bei Erreichen eines Abbruchkriteriums zu Schritt g) gesprungen wird, in welchem der dem besten Zielwert zugeordnete Füllparameter als optimaler Füllparameter für das Produkt in dem Datenmodell gespeichert wird und h) der optimale Füllparameter beim Abfüllen des Produkts in einer

Füllmaschine verwendet wird.

Das Abbruchkriterium ist definiert zum Beispiel durch Ablauf einer gewissen Zeitspanne oder bei Erreichen einer gewissen Qualität des Zielwerts oder bei einer bestimmten Konvergenz des Zielwertes nach mehreren

Optimierungsrunden b) bis f).

Solange das Abbruchkriterium nicht erreicht wird, wird gemäß Schritt f) der eingestellte Füllparameter basierend auf einem insbesondere selbstlernenden Algorithmus insbesondere unter Nutzung des

Datenmodells variiert und es wird zu Schritt b) zurückgesprungen, wo ein erneuter Abfüllvorgang mit dem variierten Füllparameter

durchgeführt wird und wiederum der zugehörige Zielwert bestimmt und ausgewertet wird.

Durch dieses Verfahren lässt sich für ein Produkt der Abfüllvorgang optimieren, das heißt insbesondere der zeitliche Verlauf der

Füllgeschwindigkeit bzw. der zeitliche Verlauf der Stellung bzw. Hubhöhe des Füllventils und erlaubt so die Optimierung der Füllgeschwindigkeitsprofile und damit eine optimierte Regelung der Regelventile/Füllventile der Füllelemente einer Füllmaschine während des Füllprozesses, wodurch letztlich eine Reduzierung der Prozesszeit erreicht wird.

Der produktspezifische und gegebenenfalls maschinenspezifische optimierte Füllparameter kann dann in dem Datenmodell gespeichert werden. Das Datenmodell kann zum Beispiel in einem Speicher der Steuerung einer Laborfüllanlage liegen, in welcher Optimierungstests für den Füllvorgang eines neuen Produkts durchgeführt werden. Zudem können Zielwerte und korrespondierende optimale Füllparameter bzw. allgemein die Daten des Datenmodells oder das Datenmodell selber in einer Datencloud abgelegt werden, so dass zum Beispiel ein Abfüller oder Getränkehersteller global Zugriff auf diese Werte hat. Beide können somit auf bereits optimierte

Füllparameter zurückgreifen, wenn er ein bereits bekanntes Produkt einfüllt, oder aber bei Vorliegen eines neuen Produkts können die Füllparameter eines ähnlichen Produkts als Startpunkt für ein Optimierungsverfahren verwendet werden. Die Erfindung erlaubt damit nicht nur für bekannte

Produkte, sondern auch für neue Produkte eine sehr schnelle und effektive Optimierung des Füllvorgangs.

Als Füllparameter wird hierbei insbesondere die Füllgeschwindigkeit bzw. Stellung des Füllventils/Regelventils optimiert, insbesondere dessen zeitlicher Verlauf über die Zeit des Füllvorgangs (Öffnen des Füllventils bis zum Schließen des Füllventils).

In einer vorteilhaften Weiterbildung der Erfindung wird der/werden die optimale(n) Füllparameter des Produkts zusammen mit seinen

Produktparametern in dem Datenmodell abgespeichert und in wechselseitige Beziehung gesetzt, um Füllparameter für Produkte mit ähnlichen

Produktparametern abzuleiten. Dies erlaubt eine schnelle Berechnung und Optimierung von Füllparametern neuer Produkte.

Vorzugsweise wird als Algorithmus ein selbstlernender Algorithmus verwendet, beispielsweise ein evolutionärer Algorithmus, bei welchem selbstlernende Strukturen insbesondere in der Art eines neuronalen

Netzwerkes vorgesehen sind. Ein derartiger selbstlernender Algorithmus entwickelt eine gewisse kognitive Fähigkeit und kann somit die Optimierung wenigstens eines Füllparameters des Produkts wesentlich vereinfachen bzw. beschleunigen. XXX

Die Arbeitsweise evolutionärer Algorithnnen oder Verfahren sind dem

Fachmann bereits seit 1968 bekannt. In diesem Jahr wurde ein Fallbeispiel vorgestellt, bei dem es für die Optimierung eines Stromerzeugers für

Satelliten, welcher nach dem magnetohydrodynamischen Prinzip arbeitete, notwendig war, die Leistung einer Zweiphasen-Überschalldüse zu

optimieren.

Ausgehend von einer konventionell geformten Venturidüse wurde eine größere Anzahl von Abschnitten erstellt, wobei diese Abschnitte jeweils Bohrungen unterschiedlicher Durchmesser aufwiesen. Durch die zufällige Kombination von dieser Abschnitt und der Ermittlung der jeweiligen Leistung der jeweils gebildeten Düse, konnte nach einer überschaubaren Anzahl von Neukombinationen der Abschnitte eine Form gefunden werden, deren

Leistung, bzw. Wirkungsgrad erheblich über denen einer konventionellen Venturidüse lag. Die Form dieser neuen leistungsstarken Düse war nicht vorhersehbar und zur damaligen Zeit auch nicht berechenbar. Im Rahmen dieser evolutionären Algorithmen werden also zufällige Anordnungen auf ihre Leistung getestet und bewertet. Weisen diese neuen Anordnungen

verbesserte Eigenschaften auf, weiten diese Anordnungen aus

Ausgangspunkt für weitere Änderungen der Anordnung verwendet, weist die neue Anordnung verschlechterte Eigenschaften auf, so werden die

Änderungen, die zu dieser schlechteren Anordnung geführt haben verworfen.

Als Produktparameter eines Produkts sind insbesondere der

Getränkekonzentrat- bzw. Sirupgehalt, die Temperatur des Produkts, der Geträn kekonzentrattyp, die Viskosität, die Dichte, der CO ₂ -Gehalt und/oder die Löslichkeit des CO2 im Produkt zu nennen. Selbstverständlich kann auch der Bestandteil bestimmter löslicher oder unlöslicher Getränkekomponenten als weiterer Produktparameter aufgeführt werden. Für den Fall, dass die einzelnen Produktparameter unterschiedlich starke Einflüsse auf die Fülleigenschaften des Produkts aufweisen, ist vorzugsweise vorgesehen, dass diese unterschiedlichen Gewichtungen in dem Algorithmus durch entsprechende Gewichtungsfaktoren berücksichtigt werden.

Auf diese Weise wird für das Datenmodell die Bestimmung der für das Füllverhalten wesentlichen Produkteigenschaften des Produkts vereinfacht. Eine wesentliche Produkteigenschaft ist zum Beispiel die Viskosität des Produktes, weil die in wesentlichem Maße die Füllgeschwindigkeit beim Durchlaufen des Füllventils beeinflusst.

Vorzugsweise wird zur Ermittlung des optimalen Füllparameters, bzw. zur Ermittlung des optimalen zeitlichen Verlaufs eines Füllparameters, für ein neues Produkt der zugeordnete optimale Füllparameter wenigstens eines ähnlichen Produkts abgefragt und als Startpunkt in Schritt a) des Verfahrens verwendet.

Auf diese Weise liegt man mit dem Startpunkt für das Optimierungsverfahren bereits in einem günstigen Bereich, so dass man durch den

Optimierungsprozess schneller zu einem optimalen Füllparameter gelangt.

Natürlich können als Startpunkt erst einmal Standardwerte oder Werte aus der Erfahrung eines Entwicklers verwendet werden. Selbstverständlich lassen sich durch das erfindungsgemäße Verfahren mehrere Füllparameter gleichzeitig optimieren. Hierbei werden jedoch vorzugsweise die Füllparameter nacheinander optimiert und nicht mehrere Füllparameter gleichzeitig, weil dies zu komplex wäre. Es ist jedoch möglich, einen bereits optimierten Füllparameter nach der Optimierung anderer Füllparameter erneut zu optimieren, weil nach der Veränderung anderer Füllparameter der optimale Wert des Füllparameters nun leicht verschoben werden kann. Somit wird zur Ermittlung eines weiteren Füllparameters das erfindungsgemäße Verfahren nach Schritt g) wieder zum Schritt a) zurückgeführt, wobei in den weiteren Schritten a) bis g) dann der weitere bzw. neue Füllparameter optimiert wird. Auf diese Weise lässt sich

nacheinander eine beliebige Anzahl von Füllparametern optimieren.

Andere Parameter, wie zum Beispiel die Temperatur, lassen sich durch das Datenmodell zum Beispiel rechnerisch erfassen und korrigieren. Somit kann zum Beispiel von einer optimierten Füllverlaufskurve bei 25°C auf eine optimierte Füllverlaufskurve bei 20°C gerechnet werden, ohne dass hierfür ein separater Optimierungsprozess notwendig ist. Es kann jedoch auch ein separater Optimierungsprozess hinsichtlich der Temperatur durchlaufen werden, wobei das Datenmodell hierbei bekannte Temperaturbeziehungen von anderen Produkten verwenden kann. Auch hier führt das Datenmodell insbesondere unter Berücksichtigung selbstlernender Algorithmen und Strukturen zu einer schnellen Erzielung eines optimierten Füllparameters.

Obwohl als zu optimierender Füllparameter in der Regel die

Füllgeschwindigkeit bzw. der zeitliche Verlauf der Füllgeschwindigkeit bzw. Füllventilstellung verwendet wird, können auch andere Füllparameter optimiert werden, wie zum Beispiel Füllzeit, Temperatur, Fülldruck, Füllstand des Produkts im abgefüllten Behälter, CO ₂ -Freisetzung beim Abfüllen. Vorzugsweise kann zum Beispiel die Variation eines Füllparameters im Laufe der Optimierung entweder die Größe oder den zeitlichen Verlauf des

Füllparameters umfassen oder beides gleichzeitig.

Wenn so zum Beispiel als Füllparameter die Füllgeschwindigkeit variiert wird, wird vorzugsweise der zeitliche Verlauf der Füllgeschwindigkeit über den Abfüllvorgang, das heißt ein Füllgeschwindigkeitsprofil, optimiert. Anhand dieses Füllgeschwindigkeitsprofils kann für den Fachmann relativ schnell das Füllverhalten eines Produkts erkennbar sein. Auch für das Datenmodell ist ein derartiges Füllgeschwindigkeitsprofil leicht zu verarbeiten und zu bewerten. In dem Füllgeschwindigkeitsprofil können zum Beispiel unterschiedliche Merkmale wie Wendepunkte, Maxima, Minima bzw. erste oder zweite Ableitung als Charakteristika für das Füllverhalten verwendet werden. Im Rahmen eines optimierten Füllparameters können dann diese Charakteristika abgespeichert und für die Verwendung in einem Füllprozess beim Abfüllen eines Getränks durch eine Füllmaschine verwendet werden.

Die Erfindung erfasst ebenfalls ein Computerprogrammprodukt, gespeichert auf einem computerlesbaren Datenspeicher, das geeignet ist zur

Durchführung des oben genannten erfindungsgemäßen Verfahrens, wobei das Computerprogrammprodukt in den Arbeitsspeicher eines Rechners gespeichert ist, der mit einer Füllmaschinensteuerung verbunden ist oder verbindbar ist. Das Datenmodell kann zum Beispiel von dem Computer einer Laborfüllanlage, welche Optimierungstests durchführt, in eine Cloud geladen werden, von der aus dann der Getränkehersteller oder Abfüller die entsprechend optimierten Füllparameter für die Füllmaschinen in Verbindung mit einer Serienabfüllung der entsprechenden Produkte verwendet.

Auf diese Weise wird der Abfüllprozess vereinheitlicht und optimiert, was zu einer reproduzierbareren Getränkequalität und zu einem zeitlich optimierten Abfüllprozess führt.

Die Erfindung kann auch auf folgende Weise charakterisiert werden:

Mit Hilfe von Suchalgorithmen (evolutionären Algorithmen) wird die

Füllgeschwindigkeit bzw. das Füllgeschwindigkeitsprofil im Abfüllprozess während einer Lernphase (Training) optimiert. Die Regelgröße ist

vorzugsweise die Aufschäumung während oder bei abgeschlossenem Füllvorgang, die sensorisch über eine Kamera und eine entsprechende Bildauswertung oder einen oder mehrere elektrische Kontakte oder auf andere geeignete Art und Weise bestimmt wird.

Ziel ist es, verschiedenartige Getränke mit möglichst geringer Aufschäumung schnell abzufüllen durch die Möglichkeit, die Abfüllgeschwindigkeiten während des Abfüllvorgangs zu variieren. Das Optimieren der

Füllgeschwindigkeitsregelung mit dem Zielwert der Lebensdauer eines Füllventils kann ebenso sinnvoll sein, da Reparatur und/oder der Austausch von Komponenten wie Faltenbälgen oder kompletten Füllventilen aufwändig und teuer sind und aufgrund der für die genannten Maßnahmen notwendigen Produktionsunterbrechungen ebenfalls hohe Kosten verursachen.

Die beschriebene Vorgehensweise kann insbesondere bei Abfüllbetrieben mit einer Vielzahl von unterschiedlichen Getränken und Behälterformen von großem Nutzen sein und/oder bei der Abfüllung neuer Getränkesorten/ Behälterformen. Das Bestimmen eines optimierten Geschwindigkeitsprofils des

Volumenstroms während des Füllvorgangs geschieht vorzugsweise automatisiert z.B. über künstliche neuronale Netze oder Referenztrajektorie oder andere bekannte regelungstechnische Methoden. Ein Lernalgorithmus nähert sich z.B. einem vorgegebenen Optimum an, z.B. durch Änderung der Gewichtung und Anpassung der Schwellenwerte.

Die Lernphase wird beispielsweise eingeteilt in 5 Schritte:

- 1 ) Vorhersage

- 2) Abfüllen/Testen

- 3) Messen/Erkennen

- 4) Analysieren

- 5) Ändern/ Anpassen der Parameter

Die Lernphase wird vorzugsweise mehrfach wiederholt. Schritt 1 )

Die Vorhersage kann von ähnlichen Getränken, die in ähnliche Behälter mit ähnlichen Füllventilen abgefüllt werden, abgeleitet werden. Es ist denkbar, dass die Prozessdaten (Geschwindigkeitsprofile, Druck, Temperatur etc.), Getränkeparameter (CO ₂ -Gehalt, Viskosität, Dichte, Inhaltsstoffe etc.) der Füllventile und die Füllventilart weltweit in einer Cloud abgespeichert werden, auf die für die neue Einstellung zurückgegriffen werden kann.

Charakteristisch für abzufüllende Getränke sind insbesondere Temperatur, CO ₂ -Gehalt, Druck und Viskosität. Bei ähnlichen Werten kann an beliebigen Orten auf der Welt eine Datenbank genutzt werden, und so das

Abfüllverhalten vorhergesagt werden. Die Datenbank kann in

Zusammenhang der Getränke- und Abfüllparametern stetig ergänzt werden. Die Datenbank kann Eigentum eines Getränkeherstellers und Abfüllers sein.

Schritt 1 ist nicht unbedingt notwendig, führt aber dazu, dass die Optimierung des Geschwindigkeitsprofils schneller erfolgen kann. Falls keine Datenbank mit abgespeicherten Füllparametern ähnlicher Produkte vorhanden ist, wird mit Schritt 2 begonnen.

Schritt 2)

Mit den eingestellten Füllparametern (entweder aus Schritt 1 oder aber zufälliger oder festgelegter Startwert) wird der Füllvorgang durchgeführt.

Schritt 3)

Der Zielwert, z.B. die Füllzeit oder Aufschäumung, wird gemessen, z.B. per Kamera oder elektrische Kontakte.

Schritt 4) Die Zusammenhänge werden analysiert. Schritt 5) Die Fullparameter werden basierend auf den in der Datenbank abgelegten Daten oder willkürlich Revolutionär) geändert oder angepasst. Ergibt sich eine Verbesserung zu vorherigen Abfüllungen, werden die Einstellungen beibehalten bzw. durch Wiederholung der Schritte 2-5 mit leichten

Veränderungen des Geschwindigkeitsprofils durchgeführt. Im Anschluss wird ein Datenmodell mit zugeordneten Zielwerten und optimierten

Füllparametern gebildet (jeweils für eine Getränkesorte in einer Behältersorte und eine Füllventilart).

Die getränkespezifischen Daten könnten in der beschriebenen Cloud- Datenbank, insbesondere im Rahmen des Datenmodells abgelegt werden, um Füllparameter vorhandener Produkte schnell an der Hand zu haben, bzw. in der Lage zu sein, die von neuen Produkten schnell zu optimieren. Es handelt sich bei dem Datenmodell vorzugsweise um eine datenbasierte Modellierung korrelierender Produkt- und Füllparameter verschiedener Produkte, gegebenenfalls auch unter Berücksichtigung verschiedener

Füllventil- oder Füllmaschinentypen. Diese Modelldaten lassen sich für ein selbstlernendes Füllventil, insbesondere mit Regelventil, verwenden.

Im Falle der Nutzung eines Regelventils kann man die Geschwindigkeit des Füllguts bei der Füllung so in einen Regelkreis einbinden, dass sie

viskositätsabhängig geregelt ist, bzw. mittels des selbstlernenden

Algorithmus die Füllgeschwindigkeiten unterschiedlicher Produkte während des Füllvorgangs selbsttätig eingestellt werden.

Durch die Erfindung können Charakteristiken wie bestimmte Wendepunkt sowie Zeiten bis zum Erreichen der maximalen Geschwindigkeit (wie oben beschrieben) als wesentliche Punkte eines Füllparameters in dem

Optimierungsverfahren verwendet werden, um so den Füllvorgang in

Abhängigkeit von Getränk und Füllventil zu optimieren insbesondere zu beschleunigen, vorzugsweise durch Minimierung der Aufschäumung. Es ist für den Fachmann offensichtlich, dass die oben genannten

Ausführungsbeispiele der Erfindung in beliebiger weise miteinander kombiniert werden können. Folgende Ausdrücke werden synonym verwendet: Getränk - Produkt;

Behälter - Flasche-Dose-Keg; Durchflussmesser - MID;

Die Erfindung wird weiterhin beispielsweise in der schematischen Zeichnung beschrieben. In dieser zeigen:

Fig. 1 eine schematische Darstellung des Füllventils einer Füllmaschine, wie es in modernen Füllmaschinen zum Abfüllen von Getränken verwendet wird, Fig. 2 ein schematisches Blockschaltbild eines selbstlernenden Algorithmus mit den Stell- und Steuergrößen, welche in dem Algorithmus optimiert werden,

Fig. 3 die Darstellung eines Strömungsprofils beim Starten eines

Füllvorgangs in dem Produktkanal eines Füllelements,

Fig. 4 ein optimiertes Füllgeschwindigkeitsprofil, welches rein theoretisch nicht in dieser Weise abgeleitet werden kann, Fig. 5 ein zeitlicher Verlauf der Öffnungsstellung des Füllventils in analoger Weise zum Füllgeschwindigkeitsprofil gemäß Fig. 3,

Fig. 6 ein Profil des zeitlichen Ablaufs der abgefüllten Produktmenge, und Fig. 7 die Erfassung charakteristischer Werte aus der ersten und zweiten Ableitung des zeitlichen Verlaufs der abgefüllten Produktmenge zur Charakterisierung des Füllparameters. Fig. 1 zeigt schematisch ein Füllventil 10, welches in einer Füllmaschine zur Abfüllung eines Behälters, wie zum Beispiel einer Flasche 12, verwendet wird. Das Füllelement 10 enthält einen Produktkanal 14, in dessen Verlauf ein magnetisch induktiver Durchflussmesser 16 (MID) zur Ermittlung der beim Abfüllen durch den Produktkanal 14 fließenden Produktmenge

(Volumen) konzipiert ist als auch ein Füllventil 20 angeordnet ist, welches hinsichtlich seines Öffnungshubes steuerbar ist, um auf diese Weise den Füllstrom über den zeitlichen Verlauf des Abfüllvorgangs regeln zu können. Weiterhin ist im Einfüllbereich ein optischer Sensor 22 zur Erfassung der

Schaumbildung beim Einfüllen des Produkts ausgebildet. Die Anordnung von MID 16 und Füllventil 20 kann beliebig sein. Das Füllventil 20 kann ein Auf/Zu Ventil, ein 2-stufiges Ventil oder ein Regelventil sein. Statt eines Durchflussmessers 16 kann auch eine Wägezelle und/oder ein

Füllstandssensor verwendet werden.

Gemäß Fig. 2 weist das Datenmodell, in welchem produktspezifisch wenigstens einer, vorzugsweise mehrere Füllparameter, wie zum Beispiel der zeitliche Verlauf der Füllgeschwindigkeit, optimiert werden, einen selbstlernenden Algorithmus 30 auf, welchem Zielwerte 32 eingegeben werden, wie zum Beispiel die Abfüllzeit eines Abfüllvorgangs, die

Schaumbildung oder die Füllhöhe des Getränks im Behälter. Weiterhin werden dem selbstlernenden Algorithmus 30 Produktparameter 34 zugeführt wie beispielsweise die Viskosität des Produkts, die Temperatur des Produkts, der CO2-Gehalt, die Getränkeinhaltsstoffe. Ausgangs- bzw. Stell/Regelgröße ist ein Stellsignal für das Füll/Regelventil 20. Es kann somit über den zeitlichen Verlauf des Stellsignals ein zeitlicher Verlauf der

Füll/Regelventilstellung während des Füllvorganges eingestellt werden, der zu einer minimalen Schaumbildung bzw. zu einer kurzen Gesamtfüllzeit führt.

Darüber hinaus werden dem selbstlernenden Algorithmus beispielsweise auch vorbekannte oder ähnliche Füllparameter 36 z.B. als Startwerte zugeführt, wie zum Beispiel Füllgeschwindigkeit, Füllstand im Behälter, Schaumbildung, Abfüllzeit. Der selbstlernende Algorithmus 30 ist Bestandteil eines Datenmodells 40, in welchem die korrelierten Produktparameter, Füllparameter und Zielwerte eines Produkts in Wechselbeziehung mit dem selbstlernenden Algorithmus 30 abgespeichert und als Modell gepflegt werden. Dieses Modell ermöglicht eine schnelle Optimierung der für die Serienabfüllung wesentlichen Füllparameter, insbesondere die Stellung des Füllventils während des Abfüllvorgangs für ein definiertes Produkt. Dieser zeitliche Verlauf der Füllventilstellung (falls diese ein Regelventil ist bzw. aufweist) kann beispielsweise über eine Datencloud in allen von dem Getränkehersteller und/oder Abfüller verwendeten Füllmaschinen verwendet werden, was zur Folge hat, dass alle Füllmaschinen mit den gleichen optimierten Füllparametern arbeiten und global eine reproduzierbare Qualität beim Abfüllen des Produkts erzielt wird. Alternativ und/oder ergänzend können in der Datencloud auch die entsprechenden Parameter zumindest einiger der, von dem Maschinenhersteller hergestellten Maschinen gespeichert werden, wobei diese Parameter vorzugsweise auch

Füllgutspezifisch abgerufen werden können.

Fig. 2 zeigt somit die Funktionsweise der lernenden Regelung mit dem Regelventil als Aktor und insbesondere der Messung des Schaums durch wenigstens einen Sensor. Die Einflüsse für die Füllung von Getränken sind insbesondere abhängig von CO ₂ -Gehalt, Viskosität, Temperatur, Druck und die Inhaltsstoffe des Getränks. Als messbare Zielgröße wird das

Schäumungsverhalten (Höhe und/oder Menge des Schaums) bei Erreichen des Füllstandes oder während des Füllvorgangs gewählt. Dies lässt sich mithilfe einer Kamera oder durch einen elektrischen Kontakt (oder mehrere) realisieren. Durch die optimierten Füllparameter kann somit direkt ein zeitliches Stellsignal für die Füllventile/Regelventile 20 einer Füllmaschine erhalten werden. Fig. 3a bis d zeigt den Produktpegel 50 in dem Produktkanal 14 eines Füllelements 10 in Fig. 1 während des Startens des Füllvorgangs,

labortechnisch theoretisch nachempfunden anhand eines einzelnen

Füllvorganges. In Fig. 3a vor Beginn des Füllvorgangs ist der Produktspiegel eben, das heißt er verläuft quer zur Wandung des Produktkanals 14. In Fig. 3b hat das Füllventil 20 gerade geöffnet, so dass der das Produkt im

Produktkanal beschleunigt und Produktspiegel 50b leicht konvex

eingebaucht ist. Die Einbauchung hängt zum einen ab von der

Beschleunigung und Geschwindigkeit des Produkts in dem Produktkanal 14 und zum anderen von der Viskosität und Adhäsion des Produkts an den Wänden des Produktkanals 14. In den Fig. 3c und 3d ist deutlich zu sehen, wie der Produktspiegel 50c, 50d mit zunehmender

Strömungsgeschwindigkeit in dem Produktkanal 14 in Form einer Ellipse konvex einbaucht.

Fig. 3 verdeutlicht damit, wie Produktparameter, wie zum Beispiel die Dichte [g/l], der Scherwirkung an der Fallrohrwand (Füllventil), die Viskosität des Produkts, die Adhäsion des Produkts an dem Produktkanal 14 mit den Füllparametern zusammenwirken, zu welchem auch der Durchmesser des Produktkanals 14 und die Ausformung des Produktkanals und des Füllventils 20 zählen. Die ermittelten strömungscharakteristischen Werte (korrelierend zur Viskosität) der beginnenden Füllung durch die Beschleunigung im

Füllventil lassen sich dafür nutzen, die oben beschriebene selbstlernende Regelung für ein Geschwindigkeitsprofil des Füllvorgangs zu optimieren.

Vorzugsweise wird bei der Optimierung des Füllvorgangs analog zur

Methode der bionischen Entwicklung technischer Lösungen bzw. bionischer Algorithmen ein Getränke- und Behälter-abhängiges Geschwindigkeitsprofil ermittelt, das, beispielhaft dargestellt, wie folgt aussehen kann: Füllmenge Geschwindigkeit

[ml] [ml/s]

0-2 VO = 50

2-5 V1 = 2

5-10 V2 = 250

10-20 V3 = 100

20-25... V4 = 322

25-45 V5 = 127

45-60 V6 = 322

60-420 V7 = 255

420-425 V8 = 3

425-440 V9 = 1 1

440-500 V10 = 42

Derartige Geschwindigkeitsprofile sind in den Figuren 4 und 5 dargestellt. Möglicherweise ergibt sich bei der erfindungsgemäßen Optimierung ein derartiges Füllgeschwindigkeitsprofil, das aus dem heutigen Stand mit den jetzigen Methoden nicht abgeleitet werden könnte.

In der Optimierung wird zum Beispiel das in Fig. 4 wiedergegebene

Füllgeschwindigkeitsprofil erhalten, in welchem die Füllgeschwindigkeit bzw. Volumenstrom, errechnet aus den gemessenen Daten des MID (Magnetisch induktiver Durchflussmesser) über die Zeit aufgetragen ist. Man sieht in Fig. 4 einen Bereich A, in welchem die Füllgeschwindigkeit während des

Hochfahrens nach dem Öffnen des Füllventils stark variiert. Danach wird in einer Phase B die Füllgeschwindigkeit konstant gehalten bis zum Schließen des Füllventils am Punkt C. Vergleicht man die Profile verschiedener

Flüssigkeiten, so wird sich ein individuelles charakteristisches

Geschwindigkeitsprofil ergeben, aufgetragen als Volumenstrom über der Zeit (z.B. in Fig. 6).

Während Fig. 4 den zeitlichen Verlauf der Füllgeschwindigkeit bzw. des Produktstroms durch den Produktkanal 14 wiedergibt, kann dieser

Füllparameter auch in einen Hub des Füll- bzw. Regelventils 20

wiedergegeben werden, wie er in Fig. 5 dargestellt ist. Es ist somit möglich, analog zu dem Beispiel oben, anstelle des Volumen- oder Massenstroms, den Hub des Regelventils in Abhängigkeit von der Füllzeit als zu

optimierenden Füllparameter zu verwenden.

Es ist nicht unbedingt notwendig, den Volumenstrom zu bestimmen. So ist es denkbar, durch Einsatz einer Füllstandskontrolle (mittels Kamera oder Kontakt) keinen Durchflussmesser zu verwenden. Ebenso ist es auch möglich eine Wägezelle anstelle des Durchflussmessers zu verwenden. Es können auch unterschiedliche Füllparameter rechnerisch voneinander abgeleitet werden.

Fig. 6 zeigt beispielsweise eine erste Füllkurve P1 eines ersten Produkts und eine Füllkurve P2 für ein zweites Produkt. Die Füllkurve gibt die abgefüllte Produktmenge über der Zeit wieder. Aus den Kurven sind Wendepunkte 60a, b als auch Endpunkte 62a, b erkennbar als auch die Zeit bis zum Erreichen der maximalen Füllgeschwindigkeit, welche wesentliche Parameter der Füllkurve darstellen.

Die Wendepunkte 60a, b dieser Kurven bezeichnet zum Beispiel den

Übergang von zunehmender Füllgeschwindigkeit in abnehmende

Füllgeschwindigkeit, während die Endpunkte 62a, b das Ende des

Füllvorgangs markieren. Durch Verwendung erster und zweiter Ableitungen gemäß Figur 7 erhält man beispielsweise aus einer Füllkurve P3 mittels erster Ableitung die erste Ableitungskurve 70, welche am Wendepunkt 60c der Füllkurve P3 ihr Maximum hat. Die erste Ableitungskurve 70 bezeichnet im Grunde

genommen die den Produktkanal 14 durchlaufende Produktmenge pro Zeiteinheit markiert. So fließt am Wendepunkt 60c der Füllkurve P3 der größte Produktstrom durch den Produktkanal 14 des Füllventils 20, welcher dann zum Ende hin stetig abnimmt. Die zweite Ableitung der Füllkurve P3 ist durch die zweite Ableitungskurve 72 gekennzeichnet. Diese Kurve

bezeichnet z.B. die Steuerungsimpulse zum Betätigen des Füllventils in Öffnungs- bzw. Schließrichtung, wobei die positive Richtung die Betätigung in Öffnungsrichtung und die negative Richtung die Betätigung des regelbaren Füllventils 20 in Schließrichtung zeigt. Der Punkt 74 bezeichnet das

Maximum der ersten Ableitung, d.h. der Zeitpunkt des größten

Volumenstroms bzw. der größten Füllgeschwindigkeit. Für die zweite

Ableitung stellt dies den Nulldurchgang 78 dar. Das Minimum 76 der zweiten Ableitungskurve 72 kennzeichnet den Zeitpunkt, in welchem die Regelung des Ventils 20 in Schließrichtung am größten ist. Somit lassen sich aus den unterschiedlichen Ableitungen 70, 72 der Füllkurve P3 mit den unschädlichen Charakteristika 74, 76, 78 sowohl relevante Größen für die Betätigung des Füll- bzw. Regelventils 20 ableiten als auch Informationen über den

Produktstrom während des Abfüllvorgangs erhalten.

Die Erfindung ist nicht auf das beiliegende Ausführungsbeispiel beschränkt, sondern kann innerhalb des Schutzbereichs der nachfolgenden

Patentansprüche variiert werden. Bezugszeichenliste:

10 Füllelement

12 Behälter - Flasche

14 Produktkanal des Füllelements

16 Durchflussmesser - MID

20 Füll/Regelventil

22 optischer Sensor für Schaumerkennung und/oder Füllstand 30 selbstlernender Algorithmus

32 Zielwerte

34 Produktparameter

36 Füllparameter

40 Datenmodell unterschiedlicher Produkte mit zugeordneten optimierten Füllparameter (evtl. füllmaschinen- bzw.

ventilabhängig)

50a-d Produktspiegel im Laborversuch Venturi-Düse

P1 -P3 Füllkurven unterschiedlicher Produkte

60a-c Wendepunkt

62a-c Endpunkte (Schließen des Füllventils)

70 erste Ableitung der Füllkurve

72 zweite Ableitung der Füllkurve

74 Maximum der ersten Ableitung

76 Minimum der zweiten Ableitung

78 Nulldurchgang der zweiten Ableitung