STEGER MANUEL (DE)
BÄR JAN (DE)
SCHLEISSINGER FLORIAN (DE)
STÖRNER PATRICK (DE)
EP0875808A2 | 1998-11-04 | |||
CA2814625A1 | 2013-10-27 | |||
EP1700682A2 | 2006-09-13 |
Ansprüche 1. Verfahren zur Herstellung von Werkstoffplatten (12) in einer Produktionsan lage (1), wobei in Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) der Produktionsanlage (1) ein Material (10) zu einem Vlies (11) geformt und zu der Werkstoffplatte (12) verpresst wird, welche bestimmte Qualitätsparameter aufweist, wobei bevorzugt das Material (10) vor dem Formen zu dem Vlies (11) beleimt wird, wobei die Produktionsanlage (1) und/oder die Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) mittels zumindest einer Steuerung (20), welche bevorzugt eine spei cherprogrammierbare Steuerung (21) umfasst, gesteuert oder geregelt wer den und wobei über die Steuerung (20) Eingangsparameter (23) empfangen, verarbeitet und/oder ausgeben werden, dadurch gekennzeichnet, dass die Eingangsparameter (23) zumindest aus einstellbaren Produktpara metern für die herzustellende Werkstoffplatte (12), aus einstellbaren und/o der erfassten Anlagenparametern der Produktionsanlage (1) und/oder der Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) und/oder aus erfassten Materialparame tern gebildet werden, und dass mittels eines Algorithmus (32) auf Basis künstlicher Intelligenz ein Qua litätswert (24) zumindest eines Qualitätsparameters der herzustellenden Werkstoffplatte (12) auf Basis der Eingangsparameter (23) ermittelt wird, wo bei der Algorithmus (32) mittels einer Datenbasis (30) trainiert bzw. gebildet wurde, welche zumindest einen Qualitätsparameter und zu dem Qualitätspa rameter korrelierende Eingangsparameter umfasst. 2. Verfahren nach Anspruch 1 , dadurch gekennzeichnet, dass die Eingangsparameter (23) mit einem Zeitwert und/oder Positionswert erfasst werden. 3. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass die Eingangsparameter (23) normiert und/oder aggregiert werden. 4. Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, dass eine Normierung der Eingangsparameter (23) über die Zeit und/oder die Länge der Produktionsanlage (1) und/oder einer Vorrichtung (2, 3, 4, 5, 6, 7, 8, 9) erfolgt und/oder dass eine Aggregierung der Eingangsparameter (23) durch Bildung von Clus ter, insbesondere innerhalb einer Vorrichtung (2, 3, 4, 5, 6, 7, 8, 9), erfolgt. 5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass die Datenbasis (30) zumindest aus einem Datensatz gebildet wird, wo bei der Datensatz aus Daten zu den Qualitätsparametern und zu den Quali tätsparametern korrelierenden Eingangsparametern gebildet wird, und wobei insbesondere ein Datensatz sich von einem weiteren Datensatz der Datenba sis (30) in zumindest einem Qualitätsparameter und/oder in zumindest einem zu dem Qualitätsparameter korrelierenden Eingangsparameter unterscheidet. 6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Daten und/oder der Datensatz über die Zeit und/oder auf die Länge der Produktionsanlage (1) und/oder einer Vorrichtung (2, 3, 4, 5, 6, 7, 8, 9) normiert werden und/oder durch Bildung von Datencluster aggregiert werden. 7. Verfahren nach einem der Ansprüche 5 oder 6, dadurch gekennzeichnet, dass der Datensatz aus zumindest zehn, bevorzugt zumindest 20, besonders bevorzugt zumindest 30 Qualitätsparameter und aus zumindest 25, bevor zugt zumindest 50, besonders bevorzugt zumindest 100 zu Qualitätsparame tern korrelierenden Eingangsparametern gebildet wird. 8. Verfahren nach einem nach einem der Ansprüche 5 bis 7, dadurch gekenn zeichnet, dass die Datenbasis zumindest 100, bevorzugt zumindest 500, besonders bevorzugt zumindest 1000 Datensätze umfasst. 9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass der Algorithmus (32) mit einer Testdatenbasis (33) überprüft wird, wo bei die Testdatenbasis (33) Testdatensätze mit Qualitätsparametern sowie zu den Qualitätsparametern korrelierende Eingangsparameter umfasst, und wobei die Testdatensätze sich von den Datensätzen der Datenbasis (30) un terscheiden. 10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass der ermittelte Qualitätswert (24) visualisiert wird. 11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass eine Änderung in den Eingangsparametern (23), insbesondere die Än derung zumindest eines Produktparameters, vorab mittels des Algorithmus (32) auf eine Auswirkung auf den ermittelten Qualitätswert (24) überprüft wird, insbesondere dass der ermittelte Qualitätswert (24) in einem vorbe stimmten Bereich liegt. 12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass in einem Optimierungsrechner (22) der Steuerung (20) mittels des Algo rithmus (32) und/oder zumindest eines weiteren Algorithmus (34) auf Basis künstlicher Intelligenz, welcher durch Training mit der Datenbasis (30) und/o der einer weiteren Datenbasis gebildet wurde, der Qualitätswert (24) opti miert wird. 13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass zur Optimierung des Qualitätswerts (24) in dem Optimierungsrechner (22) geänderte Eingangsparameter (28) bestimmt und optional visualisiert werden, und insbesondere dass die geänderten Eingangsparameter (28) von einem Bediener der Produktionsanlage (1) manuell, nach einer Freigabe durch den Bediener automatisch und/oder vollautomatisch in der Steuerung (20) geändert und an die Produktionsanlage (1 ) und/oder die Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) ausgegeben werden. 14. Verfahren zumindest nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Optimierung des Qualitätswerts (24) vor und/oder zu Produktions beginn und/oder während der Produktion durchgeführt wird und/oder dass die Optimierung des Qualitätswerts (24) nach einem Zeitintervall überprüft wird. 15. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass bei einer Abweichung des ermittelten Qualitätswerts (24) von einem vorgegebenen Sollwert bzw. einem Sollwertbereich eine Warnung ausgege ben und/oder der Optimierungsrechner (22) eingeschaltet wird und/oder dass unter Einhaltung des Qualitätswerts (24) im Sollwertbereich bei geän derten Eingangsparametern (28) eine Meldung ausgegeben wird, wobei vor zugsweise die geänderten Eingangsparameter (28) dem Bediener dargestellt werden. 16. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass der zumindest eine Algorithmus (32, 34) auf zumindest einer Methode oder einer Abwandlung hiervon aus einer der folgenden Gruppen basiert o- der diese umfasst: einfache Methoden, wie beispielsweise Linear Regression, Polynomal Re gression, Functional Regression; und/oder fortgeschrittene Methoden wie beispielsweise K Nearest Neighbors Re gression, Random Forest Regression, Support Vector Regression, Neural Networks, Recurrent Neural Networks, Convolutional Neural Networks, Residual Networks, Bayesian Networks; und/oder Klassifikations-basierte Methoden wie beispielsweise K Nearest Neigh bors Classification, Decision Trees, Random Forests, Naive Bayes, Sup port Vector Machines. 17. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass ein physikalisches Modell, insbesondere eine mathematische Beschrei bung eines oder mehrerer ablaufenden Prozesse im Zuge der Herstellung von Werkstoffplatten (1), in den Algorithmus (32) für die Ermittlung des Qua litätswerts (24) einfließt und insbesondere verändert wird oder dass auf ein detailliertes physikalisches Modell für die Ermittlung des Quali tätswerts (24) im Wesentlichen verzichtet wird. 18. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass mehrere Algorithmen (32, 34), insbesondere auf Basis künstlicher Intel ligenz, neben- und/oder hintereinander zur Ermittlung des Qualitätswerts (24) für den zumindest einen Qualitätsparameter verwendet werden. 19. Verfahren nach Anspruch 18, dadurch gekennzeichnet, dass die von den verschiedenen Algorithmen (32, 34) ermittelten Qualitäts werte (24) miteinander verrechnet, beispielsweise durch Mittelwertbildung o- der mittels statistischer Modelle, und/oder verglichen werden, wobei vor zugsweise ein zusammengefasstes Ergebnis erstellt und/oder als Grundlage für die Optimierung verwendet wird. 20. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass im Optimierungsrechner (22) eine Grafikkarte, bevorzugt in der Steue rung (20) der Produktionsanlage (1), verwendet wird und/oder dass die Anla genparameter und/oder Materialparameter mittels Sensoren erfasst werden. 21. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass aus den Eingangsparametern Informationen zum Verschleiß und/oder von Fehlverhalten abgeleitet und/oder mittels des Algorithmus (32, 34) prog nostiziert und insbesondere visualisiert werden, vorzugsweise für eine Zu standsüberwachung und/oder vorausschauende Wartungs- und/oder Aus fallerkennung. 22. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass vor und/oder während einer laufenden Produktion der Algorithmus (32, 34) überprüft wird, vorzugweise durch Vergleich des ermittelten Qualitäts werts (24) mit einem gemessenen Qualitätswert des Qualitätsparameters der Werkstoffplatte (12), und dass optional bei Feststellung von einer Abwei chung zwischen dem ermittelten und gemessenen Qualitätswert (24), welche über einem festgelegten Schwellenwert liegt, der Algorithmus (32, 34) nach trainiert wird. 23. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass der zumindest eine Algorithmus (32, 34) und/oder zumindest ein Daten satz der Produktionsanlage (1) und/oder die Datenbasis (30) über eine Schnittstelle (25) übertragen und/oder empfangen werden. 24. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekenn zeichnet, dass in der Produktionsanlage (1) Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) zur Zerkleinerung, Sortierung, Einstellung der Mischverhältnisse des Materials, Bereitstellung eines Bindemittels, Beleimung, Lagerung, Klimatisierung des Materials, zur Wägung, zur Überwachung und/oder Prüfung des Materials (10) oder des Vlieses (11), zur Vorpressung, zur Einstellung der Feuchte, Temperatur, Breite und/oder Höhe des Vlieses (11), zur Messung von Para metern der Edukte und von Produktparametern und/oder Qualitätsparame tern der Werkstoffplatten (12), zur Temperierung der Werkstoffplatte (12) und dgl. vorgesehen sind. 25. Produktionsanlage (1) zur Herstellung von Werkstoffplatten (12), welche be stimmte Qualitätsparameter aufweisen, wobei die Produktionsanlage (1) zu mindest Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) zur Formung eines Vlieses (11) aus einem Material (10) und dessen Verpressung zu Werkstoffplatten (12) aufweist sowie bevorzugt zur Beleimung des Materials (10) vor der Formung zu dem Vlies (11), wobei die Produktionsanlage (1) und/oder deren Vorrich tungen (2, 3, 4, 5, 6, 7, 8, 9) eine Steuerung (20), bevorzugt mit einer spei cherprogrammierbaren Steuerung (21), zur Steuerung oder Regelung der Produktionsanlage (1) und/oder der Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) um fasst, und wobei über die Steuerung (20) Eingangsparameter (23) empfang bar, verarbeitbar und/oder ausgebbar sind, dadurch gekennzeichnet, dass die Eingangsparameter (23) zumindest aus einstellbaren Produktpara metern für die herzustellende Werkstoffplatte (12), aus einstellbaren und/o der erfassbaren Anlagenparametern der Produktionsanlage (1) und/oder der Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) und/oder aus erfassbaren Materialpara metern gebildet sind, und dass die Steuerung derart ausgebildet ist mittels eines Algorithmus (32) auf Basis einer künstlichen Intelligenz einen Qualitätswert (24) zu zumindest ei nem Qualitätsparameter auf Basis der Eingangsparameter (23) zu ermitteln, wobei der Algorithmus (32) mittels einer Datenbasis (30) trainierbar bzw. bildbar ist, welche zumindest einen Qualitätsparameter und zu dem Quali tätsparameter korrelierende Eingangsparameter umfasst. 26. Produktionsanlage (1) nach Anspruch 25, dadurch gekennzeichnet, dass dem Eingangsparameter (23) ein Zeitwert und/oder Positionswert zuge ordnet ist. 27. Produktionsanlage (1) nach einem der Ansprüche 25 oder 26, dadurch ge kennzeichnet, dass die Produktionsanlage (1) eine Anzeige (26) umfasst, auf welcher der ermittelte Qualitätswert (24) darstellbar ist, und/oder eine Schnittstelle (25) für einen Zugriff auf die Datenbasis (30) und/oder zu einem Transfer von In formationen mit einem Nutzer der Produktionsanlage (1), einem Hersteller der Produktionsanlage (1), einer anderen Produktionsanlage (1) und/oder ei ner Cloud umfasst. 28. Produktionsanlage (1) nach einem der Ansprüche 25 bis 27, dadurch ge kennzeichnet, dass die Eingangsparameter (23) normiert und/oder aggregiert sind, wobei vorzugweise die Eingangsparameter (23) über die Zeit und/oder auf die Länge der Produktionsanlage (1) und/oder einer Vorrichtung (2, 3, 4, 5, 6, 7, 8, 9) normiert sind, und/oder wobei vorzugsweise eine Aggregierung der Eingangsparameter (23) durch Bildung von Cluster, insbesondere innerhalb einer Vorrichtung (2, 3, 4, 5, 6, 7, 8, 9), erfolgt. 29. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 28, dadurch gekennzeichnet, dass die Datenbasis (30) zumindest einen Datensatz umfasst, wobei der Da tensatz Daten mit Qualitätsparameter und zu dem Qualitätsparameter korre lierende Eingangsparameter umfasst, und wobei insbesondere ein Datensatz von einem weiteren Datensatz der Datenbasis (30) in zumindest einem Qua litätsparameter und/oder in zumindest einem zu dem zumindest einen Quali tätsparameter korrelierenden Eingangsparameter unterscheidbar ist. 30. Produktionsanlage (1) nach einem der Ansprüche 29, dadurch gekennzeich net, dass die Daten und/oder Datensätze über die Zeit und/oder auf die Länge der Produktionsanlage (1) und/oder einer Vorrichtung (2, 3, 4, 5, 6, 7, 8, 9) normiert sind und/oder durch Bildung von Datencluster aggregiert sind. 31 . Produktionsanlage (1) nach einem der Ansprüche 29 oder 30, dadurch ge kennzeichnet, dass ein Datensatz der Datenbasis (30) zumindest zehn, bevorzugt zumin dest 20, besonders bevorzugt zumindest 30 Qualitätsparameter und zumin dest 25, bevorzugt zumindest 50, besonders bevorzugt zumindest 100 zu den Qualitätsparametern korrelierende Eingangsparameter umfasst. 32. Produktionsanlage (1) nach einem nach einem der Ansprüche 29 bis 31 , dadurch gekennzeichnet, dass die Datenbasis zumindest 100, bevorzugt zumindest 500, besonders bevorzugt zumindest 1000 Datensätze umfasst. 33. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 32, dadurch gekennzeichnet, dass der Algorithmus (32) mit einer Testdatenbasis (33) überprüfbar ist, wo bei die Testdatenbasis (33) Testdatensätze mit Qualitätsparametern sowie zu den Qualitätsparametern korrelierende Eingangsparameter umfasst, und wobei die Testdatensätze von den Datensätzen der Datenbasis (30) unter scheidbar sind. 34. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 33, dadurch gekennzeichnet, dass in der Steuerung (20) mittels des Algorithmus (32) eine Änderung in den Eingangsparametern (23), insbesondere die Änderung zumindest eines Produktparameters, und eine Auswirkung dessen auf den ermittelten Quali tätswert (24) simulierbar ist. 35. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 34, dadurch gekennzeichnet, dass die Steuerung (20) weiter einen Optimierungsrechner (22) umfasst, mit tels welchem auf Basis des Algorithmus (32) und/oder eines weiteren Algo rithmus (34) auf Basis von künstlicher Intelligenz zumindest ein Qualitätswert (24) optimierbar ist. 36. Produktionsanlage (1) nach Anspruch 35, dadurch gekennzeichnet, dass im Optimierungsrechner (22) für den optimierten Qualitätswert (24) ge änderte Eingangsparameter (28) bestimmbar und optional visualisierbar sind, wobei vorzugsweise die geänderten Eingangsparameter (28) von einem Be diener der Produktionsanlage (1) manuell, nach einer Freigabe durch den Bediener automatisch und/oder vollautomatisch in der Steuerung (20) änder bar und an die Produktionsanlage (1) und/oder die Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) ausgebbar sind. 37. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 36, dadurch gekennzeichnet, dass mehrere Algorithmen (32, 34) neben- und/oder hintereinander zur Er stellung des Qualitätswerts (24) ausgebildet sind und/oder im Optimierungs rechner (22) eine Schnittstelle zur Überarbeitung und/oder Normierung der Ergebnisse angeordnet ist. 38. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 37, dadurch gekennzeichnet, dass der zumindest eine Algorithmus (32, 34) auf einer Methode oder einer Abwandlung hiervon aus seiner der folgenden Gruppen erstellbar ist: einfache Methoden, wie beispielsweise Linear Regression, Polynomal Re gression, Functional Regression; und/oder fortgeschrittene Methoden, wie beispielsweise Random Forest Regres sion, Support Vector Regression, K Nearest Neighbors Regression, Neu ral Networks, Recurrent Neural Networks, Convolutional Neural Networks, Residual Networks, Bayesian Networks; und/oder Klassifikations-basierte Methoden, wie beispielsweise K Nearest Neigh bors Classification, Decision Trees, Random Forests, Naive Bayes, Sup port Vector Machines. 39. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 38, dadurch gekennzeichnet, dass der Optimierungsrechner (22) eine Grafikkarte umfasst und/oder dass in der Produktionsanlage (1) zumindest Vorrichtungen (2, 3, 4, 5, 6, 7, 8, 9) wie eine Zerkleinerungsvorrichtung, eine Sortiervorrichtung, eine Einstellvor richtung für das Mischverhältnis innerhalb des Materials, zumindest einer Bereitstellungsvorrichtung für das Bindemittel, eine Lagerungsvorrichtung, Prüfvorrichtung, Messvorrichtung für das Material und/oder die Werkstoff platten, und/oder dergleichen angeordnet ist. 40. Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 39, dadurch gekennzeichnet, dass bei einer Abweichung des ermittelten Qualitätswerts (24) für den zumin dest einen Qualitätsparameter von einem Sollwert bzw. einem Sollwertbe reich mittels der Steuerung eine Warnung ausgebbar und/oder der Optimie rungsrechner (22) einschaltbar ist und/oder dass unter Einhaltung des Qualitätswerts (24) im Sollwertbereich bei geän derten Eingangsparametern (28) eine Meldung ausgebbar ist, wobei vorzugs weise die geänderten Eingangsparameter (28) dem Bediener darstellbar sind. 41 . Produktionsanlage (1) nach einem der vorhergehenden Ansprüche 25 bis 40, dadurch gekennzeichnet, dass die Steuerung (20), insbesondere der Optimierungsrechner (22), nach rüstbar ausgebildet ist. 42. Computerprogrammprodukt mit einem computerlesbaren Speichermedium, auf dem Befehle eingebettet sind, die, wenn sie von einer Steuerung (20) ausgeführt werden, bewirken, dass die Steuerung (20) dazu eingerichtet ist, ein Verfahren zur Herstellung von Werkstoffplatten (12) nach einem der An sprüche 1 bis 24 auszuführen, insbesondere in einer Produktionsanlage (1) nach einem oder mehreren Ansprüche 25 bis 41. 43. Verwendung eines Computerprogrammprodukts nach Anspruch 42, in einer Produktionsanlage (1) zur Herstellung von Werkstoffplatten (12) aus ligozel- lulosehaltigem Material (10), insbesondere Holz, und/oder aus Recyclingma terial oder Kunststoff. |
Beschreibung
Die Erfindung betrifft ein Verfahren zur Herstellung von Werkstoffplatten nach dem Oberbegriff des Anspruchs 1 sowie eine Produktionsanlage zur Herstellung von Werkstoffplatten nach dem Oberbegriff des Anspruchs 25. Des Weiteren be trifft die Erfindung ein Computerprogrammprodukt nach Anspruch 42 sowie die Verwendung eines Computerprogrammprodukts nach Anspruch 43.
Taktpressen oder kontinuierlich arbeitende Ein- oder Doppelbandpressen wer den allgemein zur Herstellung von Werkstoffplatten aus Kunststoffen und/oder auf biologischen Rohstoffen basierenden Rohmaterialien wie beispielsweise Holz oder Ein- und Mehrjahrespflanzen verwendet. Hierzu wird das jeweilige Rohmaterial zunächst aufbereitet, in dem es gereinigt und zerkleinert wird, in der Regel getrocknet und gegebenenfalls mit einem Bindemittel in einem vorge gebenen Mischungsverhältnis versetzt. Als Bindemittel wird üblicherweise ein Leim verwendet, welcher in einer Flüssigbeleimung oder in einer Trockenbelei mung auf das Material aufgebracht wird. Das so aufbereitete Rohmaterial wird anschließend in einer Streuvorrichtung in vorgegebenen Schichten und/oder Flächengewichtsverhältnissen und/oder Orientierungen zu einem Vlies gelegt o- der gestreut und einer Presse als Vorrichtung zum Verpressen zugeführt, wobei das Vlies in der Presse unter Druck und Wärmezufuhr zu einer Werkstoffplatte verpresst wird. Insbesondere erfolgt eine Herstellung von Werkstoffplatten in ei nem kontinuierlichen Betrieb, wobei das Vlies hierfür auf einem endlos umlau fenden Formband gebildet und in einer kontinuierlich arbeitenden Presse zu ei nem Werkstoffplattenstrang verpresst wird, welcher anschließend zu Werkstoff platten aufgeteilt wird.
Bei der Herstellung wird zur Erhöhung der Produktivität und Einhaltung der Qua lität die Beherrschung einer Vielzahl an Parametern angestrebt, die nicht nur die Einstellungen für die Anlage respektive der darin angeordneten Einzelmaschi nen zum Inhalt hat, sondern auch die Einflussnahme auf die Materialgüte und die physikalischen Eigenschaften der herzustellenden Werkstoffplatte.
In der Praxis stützt sich ein technologisch erfahrener Naturwissenschaftler, ins besondere eine Holz-Technologe, auf seine bisherigen Erfahrungen und legt die Werte für die Produktionsanlage im Vorfeld fest, beispielsweise für die Bindemit telmenge pro Materialeinheit, die Höhe und/oder das Flächengewicht des zu ei nem Vlies gestreuten Materials, der Druck und die Wärmezufuhr in der Presse über den Zeitraum der Verpressung des Vlieses zu der Werkstoffplatte bzw. dem Werkstoffplattenstrang, wie auch die Produktionsgeschwindigkeit. Anschlie ßend versucht er zürn Beispiel die Produktionsgeschwindigkeit, die Temperatur und den Druck, gegebenenfalls auch die Temperatur- und Druckkurven in der Presse zu optimieren um die herzustellende Werkstoffplatte in Ihren Eigenschaf ten zu verbessern und/oder die Menge an Werkstoffplatten pro Zeiteinheit zu er höhen. Dabei nimmt der technologisch erfahrene Naturwissenschaftler Ist- und Messwerte aus der Produktion zur Hilfe und versucht basierend auf seinen früheren Erfahrungen nun probeweise und mit Fingerspitzengefühl verschiedene einstellbare und änderbare Parameter der Produktionsanlage zu optimieren um schlussendlich die Qualität der Werkstoffplatte und die Menge oder das Volu men an Werkstoffplatten pro Zeiteinheit zu erhöhen.
Zur Ermittlung der Eigenschaften und von Qualitätsdaten einer Werkstoffplatten ist es bekannt einen Laborschnitt aus einer Werkstoffplatte bzw. einem Werk stoffplattenstrang zu entnehmen und in teils aufwändigen Verfahren in einem Labor auf dem Gelände der Produktionsanlage oder extern zu analysieren. Ins besondere bei der Ermittlung von Eigenschaften von Werkstoffplatten kann es mehrere Stunden bis hin zu einigen Tagen dauern, bis entsprechende Daten zur Qualität für den Laborschnitt bestimmt wurden, beispielsweise weil der Labor schnitt auskühlen muss oder bestimmte Messungen die Analyse des Labor schnitts über einen längeren Zeitraum erfordern. Die Totzeit zwischen dem Er stellen des Laborschnitts und der Ermittlung der Eigenschaften der Werkstoff platte sowie von Qualitätsdaten ist somit hoch, wodurch die Gefahr besteht, dass über einen längeren Zeitraum hinweg Ausschuss produziert wird. Weiter ist es ebenfalls bekannt durch die Sammlung von Erfahrungswerten und einer Vielzahl an bisherigen Herstellungsszenarien, welche insbesondere Daten von Messergebnissen vor und nach der Verpressung der Werkstoffplatte darstel len, Qualitätsvorhersagen zu treffen und die Einstellung der Produktionsanlage im Vorfeld mittels eines physikalischen Modells zu optimieren. Das verwendete physikalische Modell oder auch die Verwendung mehrerer physikalischer Mo delle beruht hierbei auf der Basis von Kennwerten, Kennlinien oder Kennfeldern, die naturwissenschaftlich oder im laufenden Betrieb ermittelt wurden. Aus die sen Kennzahlen heraus wird ein physikalisches Modell durch mathematische Formeln beschrieben, wobei maschinenspezifische oder prozessspezifische Charakteristika berücksichtigt werden. Hierbei können neben Istwerten auch La borwerte zurückgelesen und gegebenenfalls auch Sollwerte berücksichtigt wer den.
Dieses Prinzip hat sich zwar bewährt, leidet aber an dem Nachteil, dass die Werte und Parameter manuell oder mit adaptiven Verfahren unter Eingabe von Vorschlagswerten bestätigt werden müssen. Auch hat sich gezeigt, dass bei zu vielen oder wechselnden Parametern, besonders wenn diese nur wenig er forscht oder ihrer Wechselwirkungen untereinander schwankend sind, eine Er fassung der Parameter und deren Auswirkungen im physikalischen Modell nur aufwendig und nur schwer nachvollziehbar sind. Insbesondere steigt der Auf wand der Modellbildung exponentiell mit den zu berücksichtigten Parametern an, wodurch diesem Verfahren eine gewisse Grenze gesetzt ist.
Zudem ist es nachteilig an diesem Prinzip, dass das Modell auf die jeweilige Produktionsanlage, Produktionsbedingungen und insbesondere für das jeweilige Produkt angepasst werden muss. Eine Vielzahl an notwendigen Qualitätsdaten kann zudem erst nach der Herstellung mittels Laborprüfverfahren ermittelt wer den, insbesondere erst nach der Auskühlung und Restaushärtung der Werkstoff platte. Bereits hier können Fehleinschätzungen entstehen, da beispielsweise die Daten eines „Laborschnittes“, also eines speziell aus dem Produktstrang abge schnittenen Werkstoffplattenteils, nicht hundertprozentig mit den Werten einer warm ausgelagerten Werkstoffplatte übereinstimmen können. Eine unmittelbar nach dem Austritt aus der Presse in einen Plattenstapel zu liegen kommende Werkstoffplatte wird sich allein durch diese Form der Lagerung, welche durch die Stapelbildung einen geringeren Abkühlungsgradienten aufweist, anders ver halten und insbesondere Abkühlen, als ein Laborschnitt, welcher einzeln für sich lagert und dabei zügig auskühlt. Die Aufgabe der vorliegenden Erfindung besteht darin, ein Verfahren und eine Produktionsanlage zur Herstellung von Werkstoffplatten, sowie ein Computer programmprodukt und die Verwendung eines Computerprogrammprodukts anzu geben, mit der es ermöglicht wird in einer Produktionsanlage Qualitätswerte während der Herstellung der Werkstoffplatten einfach zu ermitteln.
Es ist eine weitere Aufgabe der vorliegenden Erfindung, ein Verfahren sowie eine Produktionsanlage zur Herstellung von Werkstoffplatten und ein Computer programmprodukt anzugeben, welche eine zuverlässige Prognose von Werk- stoffplatten-Eigenschaften in Produktionsanlagen von Werkstoffplatten jeglicher Art ermöglicht.
Weiter ist es eine weitere Aufgabe der vorliegenden Erfindung, ein Verfahren und eine Produktionsanlage zur Herstellung von Werkstoffplatten sowie ein Computerprogrammprodukt anzugeben, mit der eine Optimierung von Qualitäts- parameter im Betrieb ermöglicht wird.
Ebenfalls Aufgabe der vorliegenden Erfindung ist es, ein Verfahren und eine Produktionsanlage zur Herstellung von Werkstoffplatten sowie ein Computerpro grammprodukt anzugeben, mit der ein schneller Produktwechsel zwischen Werk- stoffplatten unterschiedlicher Art sowie die Herstellung von Kleinserien mit ge ringem Ausschuss ermöglicht wird.
Ein Produktwechsel bezieht sich im vorliegenden Fall hierauf, dass für die Werk stoffplatten das gleiche oder zumindest ähnliches Ausgangsmaterial verwendet wird, die Werkstoffplatten sich jedoch in ihren Produktparametern, beispiels weise der Dicke oder Stärke der Werkstoffplatte unterscheiden.
Diese und weitere Aufgaben werden gelöst durch ein Verfahren mit den Merk malen des Anspruchs 1 sowie durch eine Vorrichtung mit den Merkmalen des Anspruchs 25. Weitere Lösungen sind gegeben durch ein Computerprogramm produkt mit den Merkmalen des Anspruchs 42 sowie durch die Verwendung ei nes Computerprogrammprodukts mit den Merkmalen des Anspruchs 43.
Vorteilhafte Ausgestaltungsformen des Verfahrens finden sich in den Ansprü chen 2 bis 24, vorteilhafte Ausgestaltungsformen der Vorrichtung sind in den Ansprüchen 26 bis 41 dargelegt.
Das erfindungsgemäße Verfahren ist insbesondere zur Ausführung auf der erfin dungsgemäßen Produktionsanlage ausgebildet, insbesondere auf einer vorteil haften Ausgestaltung hiervon. Die erfindungsgemäße Produktionsanlage ist ins besondere zur Durchführung des erfindungsgemäßen Verfahrens oder einer vor teilhaften Ausgestaltung hiervon ausgebildet. Das Verfahren zur Herstellung von Werkstoffplatten ist insbesondere ein Verfahren zur Prozessoptimierung einer Produktionsanlage zur Herstellung von Werkstoffplatten. Die Produktionsanlage zur Herstellung von Werkstoffplatten ist insbesondere eine Vorrichtung zur Pro zessoptimierung einer Produktionsanlage zur Herstellung von Werkstoffplatten.
Bei dem Verfahren zur Herstellung von Werkstoffplatten in einer Produktionsan lage wird in Vorrichtungen der Produktionsanlage ein Material zu einem Vlies geformt und zu der Werkstoffplatte verpresst, welche bestimmte Qualitätspara meter aufweist, wobei bevorzugt das Material vor dem Formen zu dem Vlies be- leimt wird, wobei die Produktionsanlage und/oder die Vorrichtung mittels zumin dest einer Steuerung, die bevorzugt eine speicherprogrammierbare Steuerung umfasst, gesteuert oder geregelt werden, und wobei über die Steuerung Ein gangsparameter empfangen, verarbeitet und/oder ausgegeben werden. Bevor zugt kann es sich bei dem Vlies auch um eine Matte handeln.
Das erfindungsgemäße Verfahren zeichnet aus, dass die Eingangsparameter zumindest aus einstellbaren Produktparametern für die herzustellende Werk stoffplatte, aus einstellbaren und/oder erfassten Anlagenparametern der Produk tionsanlage und/oder der Vorrichtungen und/oder aus erfassten Materialparame tern gebildet werden, und das mittels eines Algorithmus auf Basis künstlicher In telligenz ein Qualitätswert zumindest eines Qualitätsparameters der herzustel lenden Werkstoffplatte auf Basis der Eingangsparameter ermittelt wird, wobei der Algorithmus mittels einer Datenbasis trainiert bzw. gebildet wurde, welche zumindest einen Qualitätsparameter und zu dem Qualitätsparameter korrelie rende Eingangsparameter umfasst.
Die Erfindung basiert im Wesentlichen auf der Erkenntnis, dass durch die Er mittlung eines Qualitätswerts für zumindest einen Qualitätsparameter im Zuge der Herstellung von Werkstoffplatten bereits frühzeitig Qualitätsaussagen getrof fen werden können oder gegebenenfalls schnell Maßnahmen ergriffen werden können, die einen Ausschuss an Werkstoffplatten reduzieren. Somit kann wäh rend des laufenden Betriebs einer Produktionsanlage im Zuge der Herstellung von Werkstoffplatten eine Aussage über die Qualität der hergestellten Werk stoffplatte getroffen werden. Zur Ermittlung der Qualität der produzierten Werk stoffplatte ist daher ein Laborschnitt idealerweise nicht mehr notwendig, so dass die Anzahl der Laborschnitte im Rahmen der Qualitätsbestimmung reduziert werden kann.
Vorrichtungen einer Produktionsanlage umfassen Einrichtungen der Produkti onsanlage, welche zu Herstellung von Werkstoffplatten eingesetzt werden. Ins besondere handelt es hierbei um Einrichtungen, denen eine bestimmte Aufgabe im Rahmen der Herstellung von Werkstoffplatten, beispielsweise das Zerklei nern von Material, das Streuen oder das Pressen des Materials zugeordnet ist. Vorzugsweise handelt es sich bei den Vorrichtungen um Einzelmaschinen oder Gruppen von Einzelmaschinen.
Mittels des Algorithmus wird zumindest ein Qualitätswert ermittelt, wobei bevor zugt Qualitätswerte für mehrere Qualitätsparameter ermittelt werden, um die hergestellte Werkstoffplatte möglichst vollständig zu charakterisieren.
Der Algorithmus auf Basis künstlicher Intelligenz bildet sich im Wesentlichen ei genständig durch das Training mit der Datenbasis aus. Als Ergebnis kann insbe sondere auf eine Ermittlung eines Qualitätswerts auf Basis eines physikalischen Modells verzichtet werden kann, so dass insbesondere auf Modellvorgaben für den Algorithmus durch die physikalische Beschreibung bestimmter Prozesse im Wesentlichen verzichtet werden kann. Jedoch können physikalische Modelle auch in den Algorithmus einfließen und beispielsweise einen Ausgangspunkt bil den, wobei insbesondere auf eine aufwendige Anpassung des Modells an die Produktionsanlage oder Produktionsbedingungen verzichtet werden kann. Damit können die Qualitätswerte einfacher ermittelt werden, ohne dass hierbei eine Anpassung des Algorithmus an die anlagenspezifischen oder verfahrensspezifi schen Gegebenheiten erforderlich ist.
Unter einem Algorithmus auf Basis künstlicher Intelligenz wird ein Algorithmus verstanden, der auf Verfahren basiert, die in der Entwicklung künstlicher Intelli genz eingesetzt werden. In vorteilhafter Weise umfasst oder basiert ein Algorith mus auf Basis künstlicher Intelligenz auf zumindest einer Methode oder eine Ab wandlung hiervon aus den folgenden Gruppen: einfache Methoden, wie bei spielsweise Linear Regression, Polynomal Regression, Functional Regression; und/oder fortgeschrittene Methoden wie beispielsweise Random Forest Regres sion, Support Vector Regression, K Nearest Neighbors Regression, Neural Net works, Recurrent Neural Networks, Convolutional Neural Networks, Residual Networks, Bayesian Networks; und/oder klassifikations-basierte Methoden wie beispielsweise K Nearest Neighbors Classification, Decision Trees, Random Fo- rests, Naive Bayes, Support Vector Machines.
Unter einer einfachen Methode wie beispielsweise Linear Regression, Polyno mal Regression, Functional Regression werden insbesondere weitverbreitete Verfahren verstanden, welche aus dem Bereich der Statistik stammen und zu Zwecken des Machine Learnings einsetzbar sind.
Unter einer fortgeschrittenen Methode wie beispielsweise Random Forest Re gression, Support Vector Regression, K Nearest Neighbors Regression, Neural Networks, Recurrent Neural Networks, Convolutional Neural Networks, Residual Networks, Bayesian Networks werden insbesondere Verfahren verstanden, die fast ausschließlich in den Bereich der des Machine Learnings fallen und außer halb dieser Domäne kaum Relevanz haben. Auch klassifikations-basierte Metho den wie beispielsweise K Nearest Neighbors Classification, Decision Trees, Random Forests, Naive Bayes, Support Vector Machines können als eine Unter gruppe der fortgeschrittenen Methoden angesehen werden.
Bevorzugt werden dem Algorithmus neben einer mathematischen Methode, ins besondere mit Abbildungsfunktionen und/oder Nachbarfunktionen, vorzugsweise Grenzen für bestimmte Parameter vorgegeben werden, in welchen sich der Al gorithmus im Rahmen derer er sich frei bewegen kann. Für eine Methode auf Basis neuronaler Netze werden beispielsweise eine oder mehrere Abbildungs schichten sowie Gewichtungsfaktoren vorgegeben, wobei insbesondere die Ge wichtungen durch das Training mit der Datenbasis optimiert wird.
Vorzugsweise kommt ein künstlich neuronales Netz zum Einsatz. Unter dem Einsatz von künstlichen neuronalen Netz verstehen man den Einsatz von Ma schinenlernen, bei dem kein Modell auf Basis von physikalischen Werten zu sammenhängend vorgegeben wird und dann die Modellparameter angepasst werden, sondern den Einsatz von künstlichen neuronalen Netzen, bei dem Teile oder der komplette Algorithmus durch Trainingsverfahren angepasst werden. Eine oder mehrere Lagen eines künstlich neuronalen Netzes können damit defi niert und/oder erstellt werden sowie Startwerte für die Gewichtungs-Parameter aus den bisherigen Erfahrungen. Die neuronalen Netze können auch mehrlagig sein und können unterschiedliche Strukturen aufweisen. Gemein ist ihnen, dass im Design-Schritt keine Modellbildung im eigentlichen Sinne erfolgt, sondern le diglich eine Rahmen-Struktur vorgegeben wird wie das künstlich neuronale 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 übereinstimmen.
Bei Qualitätsparameter handelt es sich vorliegend um Eigenschaften und/oder Parameter der hergestellten Werkstoffplatte, mittels welcher die Qualität oder Güte der Werkstoffplatte charakterisierbar ist. Qualitätsparameter für eine Werk stoffplatte können beispielsweise die Festigkeit für eine Hauptachse oder eine Nebenachse, die Querzugfestigkeit für eine Hauptachse oder eine Nebenachse, dass E-Modul für eine Hauptachse oder eine Nebenachse oder die Oberflächen güte der Werkstoffplatte sein. Mittels Analysen, beispielsweise die Analyse ei nes Laborschnitts, können Werte der Qualitätsparameter bestimmt werden. Mit tels des Algorithmus sollen Qualitätswerte für zumindest einen Qualitätsparame ter ermittelt werden, so dass bessere Angaben zur Qualität der hergestellten werkstoffplatte bei einer reduzierten Anzahl an Laborschnitten ermöglicht wird.
Als Eingangsparameter werden vorliegend alle Parameter angesehen, die in die Steuerung automatisch oder manuell einfließen, und somit zur Ermittlung des Qualitätsparameters beitragen. Die Eingangsparameter umfassen dabei Pro duktparameter, Anlagenparameter und Materialparameter. Vorzugsweise umfas sen die Eingangsparameter nur für die Herstellung der Werkstoffplatte und in Bezug auf die Werkstoffplatte relevanten Parameter.
Als Produktparameter werden einstellbare Parameter der Werkstoffplatte gese hen, welche direkt oder indirekt vorgegeben werden oder festgelegt sind. Insbe sondere kann es sich bei den Produktparametern um die Art der Werkstoffplatte, beispielsweise für Holzwerkstoffplatten können dies insbesondere im Allgemei nen Spanplatten, MDF oder OSB oder Ausprägungen hiervon sein, oder die Di cke bzw. Stärke der Werkstoffplatte handeln.
Unter Anlagenparameter sind vorliegend Parameter der gesamten Produktions anlage bzw. der einzelnen Vorrichtungen der Produktionsanlage zu verstehen, die insbesondere festgelegt oder vorgegeben sind, in die Steuerung eingegeben und/oder mittels Sensoren ermittelt werden. Beispielsweise werden die Anlagen parameter gebildet durch die Pressenlänge der Vorrichtung zum Pressen, durch eine Streubreite, in welcher das Vlies gestreut wird, durch eine Anzahl an Streu köpfen zum Steuern des Vlieses, sowie durch die Verwendung und Art einer Vorwärmung für das Vlies. Daneben kann es sich bei den Anlagenparametern auch um den Pressdruck einzelner Zylinder in der Presse, die Temperatur von Heizplatten, die Füllstände von Zwischenspeichern oder die Temperatur einer Trocknungsstufe zur Trocknung des Materials vor der Bildung eines Vlieses handeln. Bei den Anlagenparametern kann es sich insbesondere auch um Soll werte handeln, welche bevorzugt von einem Bediener oder einem technologi schen Mitarbeiter der Produktionsanlage in die Steuerung eingegeben werden oder festgelegt sind, wie auch um Istwerte, welche beispielsweise mittels Sen soren gemessen werden. Auch Verbrauchswerte für die Produktionsanlage oder deren Vorrichtungen, wie beispielsweise die Stromaufnahme, sind in den Anla genparametern umfasst. Neben den direkten Parametern der Produktionsanla gen sowie deren Vorrichtungen umfassen die Anlagenparameter auch die Um gebungsbedingungen, wie beispielsweise Raumtemperatur oder Luftfeuchte.
Weiter sind unter Materialparameter alle Parameter des verwendeten Materials zu verstehen, die bekannt sind oder auch mittels Sensoren ermittelt werden. Für die Herstellung von Holzwerkstoffplatten handelt es sich bei Materialparametern beispielsweise um die Holzart, die Dichte des Materials, die Feuchtigkeit des Materials, die Zusammensetzung des verwendeten Materials, insbesondere das Verhältnis aus Frisch- und Recyclingmaterial, das verwendete Bindemittel sowie die eingesetzte Menge an Bindemittel, wie auch die Temperatur des Materials in einem Zwischenspeicher oder vor dem Eintreten in die Presse. Insbesondere umfassen die Materialparameter Parameter des Materials, welche in den einzel nen Stufen der Verarbeitung des Materials von der Anlieferung über das ge streute Vlies bis hin zu Werkstoffplatte erfassbar sind. Auch die Materialparame ter können jeweils sowohl Sollwerte wie auch gemessene Istwerte umfassen.
Vorzugsweise ist für die vorliegenden Zwecke keine exakte analytische Bestim mung aller Produkteigenschaften, einschließlich Laborwerten, notwendig, son dern es ist insbesondere ausreichend nur bestimmte Produkteigenschaften ein zubeziehen.
Die einzelnen zu einer Produktionsanlage gehörenden Fördereinrichtungen oder sonstigen Anlagenkomponenten, die zwar notwendig für den Produktionspro zess aber prozessökonomisch keine Auswirkung aufweisen, sind vorliegend nicht extra erwähnt, können aber in den Steuerungsprozess einbezogen sein. 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 abge fördert werden.
Eine vorteilhafte Ausgestaltungsform des Verfahrens sieht vor, dass die Ein gangsparameter mit einem Zeitwert und/oder Positionswert erfasst werden.
Durch die Erfassung eines Zeitwerts können die Eingangsparameter einem er mittelten Qualitätswert zugeordnet werden, wobei durch den Zeitwert der Verlauf des Materials in der Produktionsanlage ermittelbar ist. Damit können auch einer einzelnen Werkstoffplatte die ihr zu Grunde gelegten Eingangsparameter sowie der ermittelte Qualitätswert unmittelbar zugeordnet werden. Der Zeitwert kann auch einen Zeitbereich umfassen. Der Zeitbereich kann beispielsweise die Zeit spanne zwischen zwei Zeitpunkten sein, zu welchen der Eingangsparameter er fasst wurde. Insbesondere kann über einen Zeitbereich der Eingangsparameter im Wesentlichen unverändert sein oder der Eingangsparameter gemittelt worden sein. Der Positionswert ermöglicht eine Zuordnung des Eingangsparameters zu einer bestimmten Position in der Produktionsanlage und/oder in einer Vorrichtung hiervon, wodurch insbesondere auch der der Verlauf des Materials in der Pro duktionsanlage ermittelbar ist.
Vorzugsweise werden die Eingangsparameter normiert und/oder aggregiert.
Eine Normierung der Eingangsparameter soll eine möglichst universelle Verwen dung dieser für eine Vielzahl von Anlagen ermöglichen, wodurch anlagenspezifi sche Besonderheiten eliminiert werden können. Eine Normierung der Ein gangsparameter erfolgt insbesondere auf einen statistischen Mittelwert null und eine Standardabweichung eins. Mit einer Aggregierung der Eingangsparameter kann die Anzahl der zu verarbeitenden Daten deutlich reduziert werden, wodurch eine schnellere Verarbeitung ermöglicht wird. Besonders bevorzugt er folgt die Aggregierung durch Interpolation, Extrapolation und/oder Mittelwertbil dung.
Insbesondere erfolgt eine Normierung der Eingangsparameter über die Zeit und/oder die Länge der Produktionsanlage und/oder einer Vorrichtung hiervon. Hierdurch können weitere anlagenspezifische Einflüsse auf die Eingangspara meter reduziert werden, wodurch die Daten auch gleich verarbeitet werden kön nen.
Alternativ oder vorzugsweise ergänzend erfolgt eine Aggregierung der Ein gangsparameter durch Bildung von Cluster, insbesondere durch Bildung von Cluster an Eingangsparametern innerhalb einer Vorrichtung. In einem Cluster werden somit mehrere Eingangsparameter zu einem Bereich zusammengefasst, wodurch die Datenmenge weiter reduziert wird. Besonders bevorzugt erfolgt die Aggregierung durch Interpolation, Extrapolation und/oder Mittelwertbildung.
Insbesondere innerhalb einer Vorrichtung bietet sich die Bildung von einem oder mehreren Clustern an, da in einer Vorrichtung ein Teilprozess im Verfahren zur Herstellung von Werkstoffplatten abläuft. Beispielsweise können in einer Presse als Vorrichtung zum Pressen Cluster durch eine Reihe von Zylindern quer und/oder längs zu einer Produktionsrichtung erfolgen oder auch durch eine Un- terteilung einer kontinuierlichen Presse in einen Einlaufbereich, Hochdruckbe reich und Auslaufbereich. Weiter beispielhaft kann eine Aggregierung von Ein gangsparameter in der Vorrichtung zum Streuen aus mehreren einzelnen Streu einheiten für die einzelnen Streueinheiten erfolgen. Besonders bevorzugt erfolgt eine Aggregierung der Daten über jeweils für jede Vorrichtung der Produktions anlage.
Eine bevorzugte Ausführungsform zeichnet aus, dass die Datenbasis zumindest aus einem Datensatz gebildet wird, wobei der Datensatz aus Daten zu den Qua litätsparametern und zu den Qualitätsparametern korrelierenden Eingangspara metern gebildet wird. Bei einer Datenbasis aus mehreren Datensätzen unter scheiden sich insbesondere die Datensätze der Datenbasis in zumindest einen Qualitätsparameter und/oder in zumindest einem zu dem Qualitätsparameter korrelierenden Eingangsparameter.
In dem Datensatz werden somit einerseits Daten zu zumindest einem Qualitäts parameter und andererseits zu dem Qualitätsparameter korrelierende Ein gangsparameter zusammengefasst, wobei es sich bei den Daten zu den Quali tätsparametern im Datensatz der Datenbasis bevorzugt um gemessene und/oder über Laborschnitte ermittelte Werte handelt.
Vorzugsweise werden die Daten und/oder der Datensatz über die Zeit und/oder auf die Länge der Produktionsanlage und/oder einer Vorrichtung hiervon nor miert. Eine Normierung ermöglicht eine universelle Verwendung des Datensat zes für eine Vielzahl von Produktionsanlagen, da durch eine Normierung anla genspezifische Gegebenheiten eliminiert werden können.
Alternativ oder vorzugsweise ergänzend werden die Daten und/oder der Daten satz durch Bildung von Datencluster aggregiert. Insbesondere die zu den Quali tätsparametern korrelierenden Eingangsparameter können durch eine Aggregie rung zu Datencluster reduziert werden. Zudem kann eine Aggregierung auch, insbesondere in Verbindung mit einer Normierung der Daten und/oder der Da tensätze, zu einer für eine Vielzahl von Produktionsanlagen verwendbaren Da tenbasis führen, da hierdurch ebenfalls anlagenspezifische Besonderheiten in den Daten eliminiert werden können. In vorteilhafter Weise wird der Datensatz aus zumindest zehn, bevorzugt zumin dest 20, besonders bevorzugt zumindest 30 Qualitätsparameter und aus zumin dest 25, bevorzugt zumindest 50, besonders bevorzugt zumindest 100 zu den Qualitätsparametern korrelierenden Eingangsparametern gebildet. Eine Vielzahl von Qualitätsparameter sowie zu diesen Qualitätsparametern korrelierende Ein gangsparameter verbessern den Datensatz insgesamt, wodurch nicht nur die Er mittlung eines Qualitätswerts, sondern auch von mehreren Qualitätswerten für verschiedene Qualitätsparameter ermöglicht wird. Insbesondere kann der Da tensatz auch eine Vielzahl von Datencluster umfassen.
In einer nochmals weiteren vorteilhaften Ausgestaltungsform des Verfahrens umfasst die Datenbasis zumindest 100, bevorzugt zumindest 500, besonders bevorzugt zumindest 1000 Datensätze. Durch eine breite Datenbasis mit einer Vielzahl von Datensätzen kann der Algorithmus auf Basis künstlicher Intelligenz einerseits besser trainiert werden, wodurch die Ermittlung des Qualitätswerts für den zumindest einen Qualitätsparameter verbessert wird.
Bevorzugt sind die Datensätze der die Datenbasis so ausgebildet, dass diese ei nen breiten Bereich von Daten für die Qualitätsparameter und/oder zu den Qua litätsparametern korrelierende Eingangsparameter, insbesondere von einstellba ren Produktparametern, wie beispielsweise die Soll-Plattendicke der herzustel lenden Werkstoffplatte, abbilden. Durch eine breit gestreute Datenbasis kann der Algorithmus auf Basis künstlicher Intelligenz in der Trainingsphase besser trainiert werden. Die Ermittlung von Qualitätswerten wird durch eine breite Da tenbasis für einen breiten Bereich an einstellbaren Produktenparametern ermög licht.
Vorzugsweise wird der Algorithmus mit einer Testdatenbasis überprüft, wobei die Testdatenbasis Testdatensätze mit Qualitätsparametern sowie zu den Quali tätsparametern korrelierenden Eingangsparametern umfasst, wobei die Testda tensätze sich von den Datensätzen der Datenbasis unterscheiden. Die Unter scheidung zwischen Testdatensätzen und Datensätzen ermöglicht es Qualitäts werte für bestimmte Eingangsparameter zu ermitteln, mit denen der Algorithmus nicht trainiert wurde. Für die Überprüfung des Algorithmus mit der Testdatenba sis werden die zu den Qualitätsparametern korrelierenden Eingangsparameter als Basis für die Ermittlung eines Qualitätswerts verwendet, wobei der auf Basis des Testdatensatzes ermittelte Qualitätswert eines Qualitätsparameters mit dem im Testdatensatz hinterlegten Qualitätsparameter verglichen wird. Somit wird der Algorithmus mit der Testdatenbasis dahingehend überprüft, ob die durch den Algorithmus ermittelten Qualitätswerte für den zumindest einen Qualitätspa rameter mit den im Testdatensatz hinterlegten Qualitätsparametern im Wesentli chen übereinstimmen, wobei als Basis hierfür die zu dem Qualitätsparameter korrelierenden Eingangsparameter verwendet werden.
Der mit dem Algorithmus ermittelte Qualitätswert des Qualitätsparameters sollte vorzugsweise mit dem Wert des Qualitätsparameters in dem Testdatensatz im Wesentlichen übereinstimmen. Die Abweichung zwischen dem ermittelten Quali tätswert und den Wert des Qualitätsparameters in dem Testdatensatz sollte ins besondere kleiner 10 %, bevorzugt kleiner 5 %, besonders bevorzugt kleiner 3 % betragen.
Bei einer Abweichung des ermittelten Qualitätswert von dem Wert des Qualitäts parameters im Testdatensatz, insbesondere bei der Feststellung von Abwei chungen für einen Teil der Testdatensätze oder der gesamten Testdatenbasis, wird der Algorithmus auf Basis künstlicher Intelligenz mit einer gegenüber der zum Training verwendenden Datenbasis erweiterten Datenbasis weiter trainiert oder sogar von neuem trainiert. Hierdurch wird die Ermittlung des Qualitätswer tes des zumindest einen Qualitätsparameter verbessert, wodurch auch die Zu verlässigkeit und Aussagekraft des Algorithmus auf Basis künstlicher Intelligenz bei der Ermittlung des Qualitätswerts weiter verbessert wird.
Vorzugsweise wird der ermittelte Qualitätswert visualisiert. Eine Visualisierung kann hierbei gegenüber dem Bediener der Produktionsanlage, insbesondere in einem Leitstand der Produktionsanlage erfolgen. Auch kann eine Visualisierung und Abfrage des ermittelten Qualitätswerts über weitere Computerprogramme oder Anzeigen erfolgen. Beispielsweise kann eine Visualisierung in der Web oberfläche oder auf einem mobilen Gerät ortsungebunden erfolgen. Durch eine Visualisierung des ermittelten Qualitätsparameters hat beispielsweise ein Bedie ner oder auch ein technologisch versierter Naturwissenschaftler diesen stets im Blick und kann bei Bedarf auch manuell eingreifen, um beispielsweise einem Abfall des Qualitätswertes entgegenzuwirken oder den Qualitätswert weiter zu optimieren. Besonders bevorzugt wird eine Änderung in den Eingangsparametern, insbeson dere eine Änderung zumindest eines Produktparameters, vorab mittels des Al gorithmus im Hinblick auf den ermittelten Qualitätswert überprüft, insbesondere dass der Qualitätswert in einem vorbestimmten Bereich liegt. Vor einer Ände rung in den Eingangsparametern kann somit mittels des Algorithmus überprüft werden, in wie weit sich die Änderung auf den Qualitätswert auswirkt. Insbeson dere kann vor einem Produktwechsel, beispielsweise dem Wechsel von einer Herstellung einer dicken Werkstoffplatte zu der Herstellung einer dünnen Werk stoffplatte, welche mit der Änderung von Produktparametern einhergeht, somit simuliert werden, in wie weit sich die Änderung auf die Qualität auswirkt. Durch die Vorab-Überprüfung kann die Produktionsanlage schneller anlaufen oder ein Produktwechsel schneller erfolgen.
Eine bevorzugte Ausführungsform des Verfahrens zeichnet aus, dass in einem Optimierungsrechner der Steuerung mittels des Algorithmus und/oder zumindest eines weiteren Algorithmus auf Basis künstlicher Intelligenz, welcher durch Trai ning mit der Datenbasis und/oder einer weiteren Datenbasis gebildet wurde, der Qualitätswert optimiert wird.
Vorzugsweise werden zur Optimierung des Qualitätswerts in dem Optimierungs rechner geänderte Eingangsparameter bestimmt und optional visualisiert wird.
Unter einer Optimierung des Qualitätswerts wird bevorzugt die Verbesserung des Qualitätswerts an sich verbunden mit einer Optimierung der Qualität der Werkstoffplatte gesehen. Weiter kann bevorzugt eine Optimierung des Qualitäts werts auch darin liegen, dass ein gleichbleibender Qualitätswert unter geänder ten Eingangsparametern, insbesondere durch einen geringeren Einsatz an Roh-, Hilfs- und Betriebsstoffen, erzielt und/oder bei gleichbleibenden Qualitätswert eine höhere Produktion ermöglicht wird.
Die Optimierung des Qualitätswerts erfolgt stets dahingehend, dass der ermit telte Qualitätswert in einem vorgegebenen Bereich liegt bzw. einen vorgegebe nen Mindest-Qualitätswert nicht unterschreitet. Durch eine untere Grenze für den Qualitätswert wird sichergestellt, dass die hergestellten Werkstoffplatten eine Mindest-Qualität erfüllen, sodass kein Ausschuss produziert wird. Der Min- dest-Qualitätswert kann beispielsweise durch eine Norm für die Werkstoffplatten vorgegeben sein.
In dem Bereich des Qualitätswerts kann dieser dahingehend optimiert werden, dass der Qualitätswert verbessert wird und/oder durch Reduzierung des Materi aleinsatzes gleichbleibt und/oder sogar auf ein Mindestwert reduziert wird. Zu dem kann eine Optimierung des Qualitätswerts auch dahingehend erfolgen, dass das die Menge an Werkstoffplatten, das Volumen an Werkstoffplatten und/oder die Fläche an Werkstoffplatten pro Zeiteinheit erhöht wird, wobei diese Werkstoffplatten zumindest den Mindest-Qualitätswert aufweisen.
Insbesondere können die geänderten Eingangsparameter für eine Optimierung des Qualitätswerts von einem Bediener der Produktionsanlage manuell über nommen werden, sodass letztendlich der Bediener selbst die Optimierung durchführt und der Optimierungsrechner nur Vorschläge für geänderte Ein gangsparameter zur Optimierung des Qualitätswertes vorgibt. Die geänderten Eingangsparameter werden dann mittels der Steuerung an die Produktionsan lage und/oder deren Vorrichtungen ausgegeben und entsprechend physisch ge ändert.
Alternativ oder vorzugsweise ergänzend können die im Optimierungsrechner er mittelten geänderten Eingangsparameter nach einer Freigabe durch den Bedie ner automatisch oder ohne Eingriff einer Person vollautomatisch in der Steue rung geändert und an die Produktionsanlage und/oder die Vorrichtungen ausge geben werden. Durch eine von einem Bediener freizugeben Änderung der Ein gangsparameter in der Steuerung kann der Bediener die ermittelten geänderten Eingangsparameter nochmals auf Plausibilität überprüfen und bei Bedarf auf Ba sis seiner Erfahrungen, dem Zeitpunkt der Änderung, insbesondere vor einem Wechsel der herzustellenden Werkstoffplatte oder ähnlichem, korrigieren. Bei einer vollautomatischen Änderung der im Optimierungsrechner ermittelten geän derten Eingangsparameter in der Steuerung ist ein Eingriff eines Bedieners für die Optimierung des Verfahrens zur Herstellung von Werkstoffplatten nicht mehr notwendig. In einer bevorzugten Ausgestaltungsform des Verfahrens wird die Optimierung des Qualitätswerts vor und/oder zum Produktionsbeginn und/oder insbesondere während der Produktion durchgeführt. Eine Optimierung des Qualitätswerts vor der Produktion ist generell möglich, da die Ermittlung des Qualitätswerts durch den Algorithmus auf Basis der Eingangsparameter erfolgt, welche zumindest teilweise auch schon vor Produktionsbeginn ermittelt werden können, insbeson dere Sollwerte. Vor Produktionsbeginn bekannte Parameter sind beispielsweise die verwendete Materialart, die Umgebungsbedingungen, die Temperatur der Heizplatten in der Presse oder die Produktionsgeschwindigkeit.
Alternativ oder vorzugsweise ergänzend wird die Optimierung des Qualitäts werts nach einem Zeitintervall überprüft. Die Optimierung muss daher nicht ständig erfolgen, zumal aufgrund von schwankenden Eingangsparametern stän dig neue geänderte Eingangsparameter im Optimierungsrechner bestimmt wer den würden. Das Zeitintervall zur Überprüfung der Optimierung des Qualitäts werts beträgt beispielsweise 5 Minuten, 10 Minuten, 15 Minuten, 30 Minuten o- der auch in Abhängigkeit des Produkts, der Produktionsdauer für ein bestimmtes Produkt und der Stabilität der Eingangsparameter mehr als 30 Minuten.
Vorzugsweise wird bei einer Abweichung des ermittelten Qualitätswerts von ei nem vorgegebenen Sollwert bzw. einen Sollwertbereich eine Warnung ausgege ben. Sobald der ermittelte Qualitätswert nicht mehr in einem Sollwertbereich liegt, sollte eine Handlung durch den Bediener der Produktionsanlage erfolgen oder Maßnahmen durch die Steuerung selbst ergriffen werden, da sonst die Ge fahr besteht, dass Ausschuss produziert wird. Der Bediener kann manuell Ein gangsparameter abändern oder mittels des Optimierungsrechners geänderte Eingangsparameter erstellen lassen und diese übernehmen, um den Qualitäts wert wieder in den Sollwertbereich zu bringen. Mit der Warnung kann auch eine Aufforderung oder Vorschlag zur Änderung der Eingangsparameter verbunden sein.
Alternativ oder vorzugsweise ergänzend wird bei einer durch Optimierung be stimmten Einhaltung des Qualitätswerts im Sollwertbereich bei geänderten Ein gangsparametern eine Meldung ausgegeben, wobei insbesondere die geänder ten Eingangsparameter dem Bediener dargestellt werden. Somit kann der Quali- tätswert im Sollwertbereich derart optimiert werden, dass insbesondere der Ma terialeinsatz insgesamt, insbesondere die Verwendung von Roh-, Hilfs- und Be triebsstoffen, reduziert und/oder der Ausstoß an Werkstoffplatten pro Zeiteinheit erhöht werden kann, ohne dass der ermittelte Qualitätswert den Sollwertbereich verlässt. Die geänderten Eingangsparameter zur Einhaltung des Qualitätswert im Sollwertbereichs kann der Bediener wiederum manuell in der Steuerung än dern und/oder die ermittelten geänderten Eingangsparameter automatisch in die Steuerung übertragen lassen. Alternativ kann die Meldung für einen Bediener dahingehend ausgebildet sein, dass die geänderten Eingangsparameter vollau tomatisch eingestellt werden.
Eine bevorzugte Ausführungsform des Verfahrens zeichnet aus, dass ein physi kalisches Modell, insbesondere eine mathematische Beschreibung eines oder mehrerer ablaufenden Prozesse im Zuge der Herstellung von Werkstoffplatten in den Algorithmus für die Ermittlung des Qualitätswerts einfließt und insbesondere verändert wird. Damit kann das physikalische Modell einen Ausgangspunkt für den Algorithmus bilden, wobei das Modell im Zuge des Trainings des Algorith mus verändert, insbesondere optimiert werden kann. Das physikalische Modell kann insbesondere nur grundlegende physikalische Zusammenhänge, insbeson dere nur in Bezug auf eine Vorrichtung, umfassen. Somit können aus bereits be stehenden Kenntnissen mittels des Algorithmus neue Zusammenhänge ermittelt werden, an welche ein Technologe oder ein Mathematiker bei der Ermittlung des physikalischen Modells nicht gedacht hat. Alternativ oder ergänzend kann das Modell eine Nebenbedingung darstellen.
Eine weitere bevorzugte Ausführungsform des Verfahrens zeichnet aus, dass auf ein detailliertes physikalisches Modell für die Ermittlung des Qualitätswerts im Wesentlichen verzichtet wird. Das vorliegende Verfahren basiert somit da rauf, dass die Herstellung von Werkstoffplatten durch den Algorithmus gerade nicht auf Basis eines physikalischen Modells nachgebildet wird, sondern der Al gorithmus auf Basis künstlicher Intelligenz rein durch das Training mit der Da tenbasis erstellt wird. Dies hat insbesondere den Vorteil, dass durch die vorlie gende Erfindung auch Zusammenhänge zwischen Qualitätsparametern und zu den Qualitätsparametern korrelierenden Eingangsparametern ermittelt werden können, an welche ein Technologe oder ein Mathematiker bei der Nachbildung des physikalischen Modells nicht gedacht hat. Das physikalische Modell hat so mit den Nachteil, dass lediglich die ermittelten und bekannten Zusammenhänge nachgebildet werden können, jedoch nicht zwangsläufig neue Zusammenhänge zwischen den Qualitätsparametern und zu den Qualitätsparametern korrelieren den Eingangsparametern ermittelt werden können.
Vorzugsweise werden mehrere Algorithmen, insbesondere auf Basis künstlicher Intelligenz, neben- und/oder hintereinander zur Ermittlung des Qualitätswerts für den zumindest einen Qualitätsparameter verwendet. Insbesondere bei der Ver wendung mehrerer Algorithmen nebeneinander kann der Qualitätswert auf ver schiedene Arten ermittelt werden und die ermittelten Qualitätswerte entspre chend miteinander verglichen werden. Der Vergleich erlaubt eine Analyse bei spielsweise dahingehend, welche Basis für den Algorithmus am besten geeignet ist.
Bevorzugt werden die von den verschiedenen Algorithmen ermittelten Qualitäts werte miteinander verrechnet, beispielsweise durch Mittelwertbildung oder mit tels statistischer Modelle. Durch eine Verrechnung kann die Ermittlung des Qua litätswerts noch weiter verbessert werden, da dieser auf verschiedenen Algorith men beruht und somit spezielle Schwächen der verschiedenen Algorithmen durch die Verrechnung reduziert oder gar vollständig eliminiert werden können. Insbesondere wird ein zusammengefasstes Ergebnis für den ermittelten Quali tätswert erstellt und/oder als Grundlage für die Optimierung des Qualitätswerts verwendet.
Weiter bevorzugt wird im Optimierungsrechner eine Grafikkarte, bevorzugt in der Steuerung der Produktionsanlage, verwendet. Durch die Verwendung einer Grafikkarte im Optimierungsrechner kann die Optimierung beschleunigt werden, wodurch schneller ein Qualitätswert für den zumindest einen Qualitätsparameter ermittelt werden kann.
Weiter bevorzugt werden die Anlagenparameter und/oder Materialparameter mit tels Sensoren erfasst. Die Sensoren können hierbei die Anlagenparameter und/oder Materialparameter direkt messen oder durch Berechnung mittels der von den Sensoren erfassten Parameter ermittelt werden. Vorzugsweise werden aus den Eingangsparametern Informationen zum Ver schleiß und/oder von Fehlverhalten abgeleitet und/oder mittels des Algorithmus prognostiziert und insbesondere visualisiert. Für eine Prognose des Verschlei ßes mittels des Algorithmus umfasst die Datenbasis, insbesondere der Daten satz auch Informationen zu Fehlverhalten und/oder Verschleiß von bestimmten Vorrichtungen und/oder Anlagenteilen. Insbesondere wird die prognostizierte In formation zum Verschleiß und/oder Fehlverhalten für eine Zustandsüberwa chung und/oder vorausschauende Wartungs- und/oder Ausfallerkennung ver wendet.
In einer nochmals weiter bevorzugten Ausführungsform des Verfahrens wird vor und/oder während einer laufenden Produktion der Algorithmus überprüft, vor zugsweise durch Vergleich des ermittelten Qualitätswerts mit einem gemessen Wert des Qualitätsparameters der Werkstoffplatte. Somit kann auch während des laufenden Betriebs und insbesondere während der laufenden Produktion von Werkstoffplatten der Algorithmus auf Basis künstliche Intelligenz, mittels welchem ein Qualitätswert ermittelt wird, überprüft werden. Optional wird der Al gorithmus bei Feststellung einer Abweichung, welche über einen festgelegten Schwellenwert liegt, zwischen den ermittelten Qualitätswerten und den gemes senen Werten für den Qualitätsparameter nachtrainiert. Somit kann der Algorith mus während des Verfahrens ständig verbessert werden.
Vorzugsweise werden der zumindest eine Algorithmus und/oder zumindest ein Datensatz der Produktionsanlage und/oder die Datenbasis über eine Schnitt stelle übertragen und/oder empfangen. Die Schnittstelle kann hierbei eine Über tragung von Informationen und/oder Daten innerhalb des vom Hersteller der Werkstoffplatte verwendeten System ermöglichen, beispielsweise zu einer Cloud oder einem Speicher. Die Schnittstelle kann bevorzugt auch so ausgebildet sein, dass diese eine Übermittlung von Informationen zum Hersteller der Produktions anlage oder von Vorrichtungen hiervon sowie auch den Empfang von Informatio nen vom Hersteller der Produktionsanlage oder von Vorrichtungen hiervon er möglicht. Insbesondere bei einer Schnittstelle zu dem Hersteller der Produkti onsanlage kann eine breite Datenbasis mit einer Vielzahl von Datensätzen für das Training des Algorithmus vom Hersteller bereitgestellt werden und/oder ein bereits bekannter Algorithmus als Startpunkt für das Training in die Steuerung der Produktionsanlage übermittelt werden. Vorzugsweise sind in der Produktionsanlage Vorrichtungen zur Zerkleinerung, Sortierung, Einstellung der Mischverhältnisse des Materials, Bereitstellung eines Bindemittel, Beleimung, Lagerung, Klimatisierung des Materials, zur Wägung, zur Überwachung und/oder zur Prüfung des Materials oder des Vlieses, zur Vor- verpressung, zur Einstellung der Feuchte, der Temperatur, der Breite und/oder der Höhe des Vlieses, zur Messung von Parametern der Produkte und Materia lien und von Produktparametern und/oder Qualitätsparametern der Werkstoff platte, zur Temperaturregulierung der Werkstoffplatte oder dergleichen vorgese hen.
Als eine weitere Lösung wird eine Produktionsanlage zur Herstellung von Werk stoffplatten, welche bestimmte Qualitätsparameter aufweisen, angegeben, wobei die Produktionsanlage zumindest Vorrichtungen zur Formung eines Vlieses aus einem Material und dessen Verpressung zur Werkstoffplatten aufweist sowie be vorzugt zur Beleimung des Materials vor der Formung zu dem Vlies. Die Produk tionsanlage und/oder deren Vorrichtungen umfassen eine Steuerung mit einer speicherprogrammierbaren Steuerung zur Steuerung oder Regelung der Produk tionsanlage und/oder deren Vorrichtungen, wobei über die Steuerung Ein gangsparameter empfangbar, verarbeitbar und/oder ausgebbar sind.
Die Produktionsanlage zeichnet sich dadurch aus, dass die Eingangsparameter zumindest aus einstellbaren Produktparametern für die herzustellenden Werk stoffplatte, aus einstellbaren und/oder erfassbaren Anlagenparametern der Pro duktionsanlage und/oder deren Vorrichtungen und/oder aus erfassbaren Materi alparametern gebildet sind, und dass die Steuerung derart ausgebildet ist mit tels eines Algorithmus auf Basis künstlicher Intelligenz einen Qualitätswert zu zumindest einem Qualitätsparameter auf Basis der Eingangsparameter zu ermit teln, wobei der Algorithmus mittels einer Datenbasis trainierbar bzw. bildbar ist, welche zumindest einen Qualitätsparameter und zu dem Qualitätsparameter kor relierende Eingangsparameter umfasst.
Die Ermittlung des Qualitätswerts auf Basis der Eingangsparameter basiert so mit rein auf einem Algorithmus, welcher im Wesentlichen auf die Nachbildung der physikalischen Prozesse und somit auf eine vorgegebene mathematische Beschreibung der physikalischen Prozesse verzichtet, da der Algorithmus ledig lich auf einer mathematischen Methode und dem Training durch die Datenbasis basiert.
Vorzugsweise ist den Eingangsparametern, insbesondere jedem Eingangspara meter ein Zeitwert und/oder Positionswert zugeordnet. Durch die Zuordnung des Zeitwerts zu einem Eingangsparameter kann beispielsweise der Materialfluss für das Material zumindest nachvollzogen werden. Weiter ermöglicht die Zuordnung eines Zeitwerts zu dem Eingangsparameter, das dem zu einer Werkstoffplatte verpressten Material die entsprechenden Materialparameter, die zeitlich zuvor ermittelt oder gemessen wurden, entsprechend zugeordnet werden können.
Über den Positionswert können Eingangsparameter zu einer konkreten Position innerhalb der Produktionsanlage und/oder der Vorrichtungen erfasst werden.
Alternativ oder vorzugsweise ergänzend umfasst die Anlage eine Anzeige, auf welcher der ermittelte Qualitätswert des Qualitätsparameters darstellbar ist. So mit kann der ermittelte Qualitätswert einem Bediener der Anlage, einem Techno logen der Anlage oder auch dem Anlagenbetreiber jederzeit angezeigt werden. Bei der Anzeige kann es sich beispielsweise um einen Bildschirm in der Leitzen trale der Produktionsanlage handelt, jedoch auch um ein mobiles Endgerät bei spielsweise ein Tablett oder Smartphone, welches an der Anlage angeordnet ist.
Vorzugsweise umfasst die Anlage eine Schnittstelle für einen Zugriff auf die Da tenbasis und/oder zu einem Transfer von Informationen mit einem Nutzer der Produktionsanlage, einem Hersteller der Produktionsanlage, einer anderen Pro duktionsanlage und/oder einer Cloud. Über die Schnittstelle können somit Daten von der Produktionsanlage und/oder deren Vorrichtungen beispielsweise an den Hersteller der Produktionsanlage und/oder der Vorrichtungen übermittelt wer den, wie auch empfangen werden. Zudem erlaubt eine Schnittstelle, dass be stimmte Daten, wie beispielsweise die Datenbasis und/oder der bereits mit der Datenbasis trainierte Algorithmus, auf einem sicheren und schnellen Weg auf die Produktionsanlage, insbesondere auf die Steuerung übertragbar ist.
Besonders bevorzugt sind die Eingangsparameter normiert, wobei vorzugsweise die Eingangsparameter über die Zeit und/oder auf die Länge der Produktionsan lage und/oder einer Vorrichtung normiert sind. Durch eine Normierung wird die Vergleichbarkeit von Daten der Eingangsparameter, verbessert, wodurch sys temspezifische, anlagenspezifische und/oder verfahrensspezifische Einflüsse eliminiert werden können. Beispielsweise können die Eingangsparameter die Presse bzw. die Vorrichtung zum Verpressen betreffend bei einer kontinuierlich arbeitenden Presse über die Länge dieser Presse normiert werden. Hierdurch kann insbesondere der Einfluss der Pressenlänge, welche beispielsweise zwi schen 20 und 70 m variieren kann, aus den Eingangsparameter im Wesentlichen eliminiert werden.
Alternativ oder vorzugsweise ergänzend sind die Eingangsparameter aggregiert, wobei vorzugsweise eine Aggregierung der Eingangsparameter durch Bildung von Cluster, insbesondere innerhalb einer Vorrichtung der Produktionsanlage erfolgt. Durch eine Aggregierung kann die Vergleichbarkeit der Eingangspara meter weiter erhöht werden, wobei gleichzeitig die Datenmenge reduziert wird. Wiederum am Beispiel einer Presse können die Eingangsparameter beispiels weise in ein oder mehreren Clustern für den Einlaufbereich, Hochdruckbereich und Auslaufbereich aggregiert werden.
Durch eine Aggregierung und/oder Normierung können sich zudem die entspre chenden Parameter auch auf Produktionsanlagen gleichen oder ähnlichen Typs portieren lassen, da anlagenspezifische Besonderheiten hierdurch eliminiert werden können.
In einer weiteren Ausführungsform umfasst die Datenbasis zumindest einen Da tensatz, wobei der Datensatz Daten mit Qualitätsparameter und zu den Quali tätsparametern korrelierende Eingangsparameter umfasst und wobei insbeson dere ein Datensatz von einem weiteren Datensatz der Datenbasis in zumindest einem Qualitätsparameter und/oder in zumindest einem zu dem zumindest einen Qualitätsparameter korrelierenden Eingangsparameter unterscheidbar ist. Be vorzugt umfasst die Datenbasis ein möglichst breites Spektrum an Qualitätspa rametern und zu den Qualitätsparametern korrelierende Eingangsparameter, so- dass die Ermittlung des Qualitätswerts mittels des Algorithmus über ein sehr breites Spektrum an Qualitätsparameter bzw. Produktparameter ermöglicht wird. Bei der Verwendung von mehreren Datensätzen, was bevorzugt ist, sollten sich die Datensätze zumindest in einem Parameter unterscheiden, da sonst der Algo rithmus nicht effektiv trainiert werden kann. Vorzugsweise sind die Daten und/oder Datensätze über die Zeit und/oder auf die Länge der Produktionsanlage und/oder einer Vorrichtung normiert und/oder durch die Bildung von Datenclustern aggregiert. Durch die Normierung wird eine homogene Datenbasis mit vergleichbaren Qualitätsparameter bzw. zu den Quali tätsparametern korrelierenden Eingangsparametern ermöglicht. Auch hier kann eine Aggregierung der jeweiligen Parameter zu Datenclustern zu einer Reduzie rung der Datenmenge führen, wodurch das Training beschleunigt werden kann. Durch eine Aggregierung und/oder Normierung können sich zudem die entspre chenden Daten auch auf Produktionsanlagen gleichen oder ähnlichen Typs por tieren lassen, da anlagenspezifische Besonderheiten eliminiert werden können.
In vorteilhafter Weise umfasst ein Datensatz der Datenbasis zumindest zehn, bevorzugt zumindest 20, besonders bevorzugt zumindest 30 Qualitätsparameter und zumindest 25, bevorzugt zumindest 50, besonders bevorzugt zumindest 100 zu den Qualitätsparametern korrelierende Eingangsparameter. Durch eine breite Datenbasis mit einem Datensatz aus einer Vielzahl von Qualitätsparametern und zu den Qualitätsparametern korrelierenden Eingangsparametern kann der Algo rithmus mittels der Datenbasis besser trainiert werden, wodurch auch die Ermitt lung des Qualitätswerts verbessert wird.
Vorzugsweise umfasst die Datenbasis zumindest 100, bevorzugt zumindest 500, besonders bevorzugt zumindest 1000 Datensätze.
Eine vorteilhafte Ausgestaltungsform der Produktionsanlage zeichnet aus, dass der Algorithmus mit einer Testdatenbasis überprüfbar ist, wobei die Testdaten basis Testdatensätze mit Qualitätsparameter sowie zu den Qualitätsparametern korrelierende Eingangsparameter umfasst, und wobei die Testdatensätze von den Datensätzen der Datenbasis unterscheidbar sind. Mittels der Testdatenba sis kann somit der Algorithmus überprüft werden, wobei hierzu die zu den Quali tätsparametern korrelierenden Eingangsparameter in der Steuerung vorgegeben werden und der ermittelte Qualitätswert für einen Qualitätsparameter mit dem Wert des Qualitätsparameters in dem Testdatensatz verglichen wird. Bei Fest stellung von Abweichung zwischen dem ermittelten Qualitätswert und dem Wert des Qualitätsparameters in der Testdatenbasis, beispielsweise bei einer Abwei- chung größer 5 %, insbesondere für mehrere Testdatensätze, kann der Algorith mus mit einer erweiterten Datenbasis nachtrainiert werden oder mit einer von der Datenbasis verschiedenen weiteren Datenbasis neu trainiert werden.
Bevorzugt ist in der Steuerung mittels des Algorithmus eine Änderung in den Eingangsparametern, insbesondere die Änderung zumindest eines Produktpara meters, und eine Auswirkung dessen auf den ermittelten Qualitätswert simulier bar. Somit können geplante Änderungen vorab simuliert werden und bereits vorab Auswirkungen auf den Qualitätswert festgestellt werden, welchen insbe sondere bei der Änderung gleich entgegengewirkt werden kann, so dass bei ei ner Umstellung der Ausschuss an Werkstoffplatten reduziert wird.
Vorzugsweise umfasst die Steuerung weiter einen Optimierungsrechner, mittels welchem auf Basis des Algorithmus und/oder eines weiteren Algorithmus auf Basis künstlicher Intelligenz zumindest ein Qualitätswert optimiert wird. Eine Optimierung des Qualitätswerts kann dahingehend erfolgen, dass der Qualitäts wert an sich verbessert wird oder dass eine Optimierung dahingehend erfolgt, dass ein nahezu gleicher Qualitätswert bei geringerem Ressourceneinsatz er zielbar ist. Insbesondere kann eine Optimierung auch dahingehend erfolgen, dass der Qualitätswert derart optimiert wird, dass dieser nahe oder bei einem Mindestwert liegt, wodurch eine Reduzierung des Ressourceneinsatzes insge samt und/oder ein höherer Ausstoß an Werkstoffplatten pro Zeiteinheit erzielbar ist.
Besonders bevorzugt sind im Optimierungsrechner für den optimierten Qualitäts wert geänderte Eingangsparameter bestimmbar und optional visualisiert war. Im Optimierungsrechner erfolgt eine Bestimmung für geänderte Eingangsparame ter, welche zu einem optimierten Qualitätswert führen. Der Optimierungsrechner kann hierbei geänderte Eingangsparameter nur für bestimmte Vorrichtungen der Produktionsanlage vorschlagen und/oder für die gesamte Produktionsanlage, wobei bestimmte vorgegebene Eingangsparameter wie beispielsweise die Pres senlänge, die Umgebungsparameter oder die Materialart durch den Optimie rungsrechner nicht änderbar sind bzw. vom Optimierungsrechner zwar einkalku liert, aber als nicht änderbare Eingangsparameter betrachtet werden. Insbesondere sind die geänderten Eingangsparameter von einem Bediener der Produktionsanlage manuell, nach einer Freigabe durch den Bediener automa tisch und/oder vollautomatisch in der Steuerung änderbar und an die Produkti onsanlage und/oder die Vorrichtungen ausgebbar. Hierdurch werden verschie- dene Modi für die Produktionsanlage bereitgestellt, wie letztendlich mit einer Änderung bzw. Optimierung des Qualitätswerts umgegangen werden soll. Sind die geänderten Eingangsparameter für einen optimalen Qualitätswert lediglich visuell anzeigbar, so kann der Bediener auf Basis seines technologischen Wis sens diese hinterfragen und gegebenenfalls die geänderten Eingangsparameter manuell in der Steuerung ändern, bevor diese an die Produktionsanlage und/o der die Vorrichtungen ausgegeben werden und entsprechende Parameter-Ände rung eingestellt werden. Bei einer automatischen Änderung der Eingangspara meter in der Steuerung kann der Bediener lediglich eine Freigabe für die Opti mierung erteilen, jedoch nicht zwingend weitere Parameter noch ändern.
Besonders bevorzugt können die optimierten geänderten Eingangsparameter auch vollautomatisch in der Steuerung geändert und an die Produktionsanlage bzw. die Vorrichtungen ausgegeben werden, womit sich die Produktionsanlage somit selbst auf Basis des Algorithmus und der Eingangsparameter optimiert, ohne dass es eines Zutuns eines Bedieners oder Technologen Bedarfs.
In einer vorteilhaften Ausgestaltung sind mehrere Algorithmen neben- und/oder hintereinander zur Erstellung des Qualitätswerts ausgebildet. Alternativ oder vorzugsweise ergänzend ist im Optimierungsrechner eine
Schnittstelle zur Überarbeitung und/oder Normierung der Ergebnisse angeord net.
Vorzugsweise ist der zumindest eine Algorithmus auf einer Methode oder einer Abwandlung hiervon aus der folgenden Gruppe erstellbar: einfache Methoden wie beispielsweise Linear Regression, Polynomal Regression, Functional Re gression; und/oder fortgeschrittene Methoden wie beispielsweise Random Fo rest Regression, Support Vector Regression, K Nearest Neighbors Regression, Neural Networks, Recurrent Neural Networks, Convolutional Neural Networks, Residual Networks, Bayesian Networks; und/oder Klassifikations-basierte Me thoden wie beispielswese K Nearest Neighbors Classification, Decision Trees, Random Forests, Naive Bayes, Support Vector Machines.
Besonders bevorzugt umfasst die Steuerung und/oder der Optimierungsrechner eine Grafikkarte, wodurch die Verarbeitung der Daten beschleunigt und schnel ler durchgeführt werden kann.
Vorzugsweise ist in der Produktionsanlage zumindest eine Zerkleinerungsvor richtung, eine Sortiervorrichtung, eine Einstellungsvorrichtung für das Missver hältnis innerhalb des Materials, zumindest eine Bereitstellungsvorrichtung für das Bindemittel, eine Lagerungsvorrichtung, eine Messvorrichtung zum Messen einer Eigenschaft des Materials und/oder des Vlieses und/oder der Werkstoff platten, eine Prüfvorrichtung, und/oder dergleichen Vorrichtungen angeordnet.
Eine vorteilhafte Ausgestaltungsform der Produktionsanlage zeichnet aus, dass bei einer Abweichung des ermittelten Qualitätswerts für den zumindest ein Qua litätsparameter von einem Sollwert bzw. einem Sollwertbereich mittels der Steu erung eine Warnung ausgebbar und/oder der Optimierungsrechner einschaltbar ist. Damit kann, sobald der Qualitätswert einen vorgegebenen Sollwertbereich verlässt bzw. zumindest einem Mindest-Qualitätswert unterschreitet, eine War nung ausgegeben werden, dass die aktuelle Produktion höchstwahrscheinlich zu Ausschuss und somit nicht verwendbaren Werkstoffplatten führt. Ein Bediener der Anlage kann hierauf manuell reagieren, indem er bestimmte Eingangspara meter wie beispielsweise die Produktionsgeschwindigkeit und/oder den Druck in der Presse reduziert und/oder bestimmte Vorrichtungen abschaltet. Besonders bevorzugt wird bei einer Warnung der Optimierungsrechner eingeschaltet, wodurch der Qualitätswert auf Basis des Algorithmus und der aktuell gegebenen Eingangsparameter hin optimiert wird, sodass kein Ausschuss produziert wird.
Besonders vorteilhaft ist es, dass die Steuerung, insbesondere der Optimie rungsrechner, nachrüstbar ausgebildet ist. Somit kann auch bei bestehenden Produktionsanlagen und/oder Vorrichtungen einer solchen Anlage eine Ermitt lung eines Qualitätswerts für einen Qualitätsparameter ermöglicht werden. Als eine nochmals weitere Lösung wird ein Computerprogrammprodukt angege ben mit einem computerlesbaren Speichermedium, auf dem Befehle eingebettet sind die, wenn sie von einer Steuerung ausgeführt werden, bewirken, dass die Steuerung dazu eingerichtet ist, ein Verfahren zur Herstellung von Werkstoff platten wie vorstehend dargelegt oder einer vorteilhaften Ausgestaltungsform hiervon auszuführen, insbesondere in einer Produktionsanlage wie vorstehend dargelegt oder einer vorteilhaften Ausgestaltungsform der Produktionsanlage.
Weiter wird als nochmals weitere Lösung die Verwendung eines Computerpro grammprodukts wie vorstehend dargelegt in einer Produktionsanlage zur Her stellung von Werkstoffplatten aus lignozellulosehaltigem Material, insbesondere Holz, und/oder aus Recyclingmaterial und/oder aus Kunststoff vorgeschlagen.
Weitere vorteilhafte Ausgestaltungsformen des Verfahrens zur Herstellung von Werkstoffplatten wie auch der Produktionsanlage zur Herstellung von Werkstoff platten sind in den nachfolgenden Figuren dargelegt.
Es zeigen:
Figur 1 eine prinzipielle Darstellung einer Produktionsanlage zur Herstellung von Werkstoffplatten;
Figur 2 ein Ablaufdiagramm zum Trainieren eines Algorithmus mittels einer Datenbasis;
Figur 3 ein Ablaufdiagramm des erfindungsgemäßen Verfahrens zur Ermitt lung und Visualisierung eines ermittelten Qualitätswerts; und Figur 4 ein Ablaufdiagramm zur Optimierung des Qualitätswerts im Zuge der Herstellung von Werkstoffplatten.
Im Folgenden bezeichnen gleiche Bezugszeichen gleiche oder zumindest gleichwirkende Teile.
In Figur 1 ist lediglich schematisch eine erfindungsgemäße Produktionsanlage 1 zur Herstellung von Werkstoffplatten 12 dargestellt. Die Produktionsanlage 1 umfasst hierbei mehrere Vorrichtungen 2, 3, 4, 5, 6, 7, 8, 9, welche das Material 10 durchläuft um letztendlich zu einer Werkstoffplatte 12 verpresst zu werden. Das Material 10 besteht vorwiegend aus einem pflanzlichen Rohstoff, insbeson dere Holz, welches an die Produktionsanlage 1 angeliefert wird. Neben Holz als Material 10 können in der Anlage auch andere lignozellulosehaltigen Materia lien, Recyclingmaterialien, beispielsweise Recyclingholz oder recycelter Kunst stoff, oder auch Kunststoffe direkt als Material 10 verarbeitet werden. Daneben kann das Material 10 auch auf einer Mischung verschiedener Materialien, bei spielsweise Frischholz und Recyclingholz und/oder Kunststoff, bestehen.
In der dargestellten Produktionsanlage 1 wird das bereitgestellte Material 10 zu nächst einer Vorrichtung 5 zum Zerkleinern des Materials 10 zugefügt. Bei spielsweise kann es sich bei der Vorrichtung 5 zum Zerkleinern um eine Schnei deinrichtung, einen Hacker oder einen Messerringzerspaner handeln. Das zer kleinerte Material 10 wird anschließend einer Vorrichtung 6 zur Trocknung zuge führt, in welcher das Material 10 für den weiteren Prozess auf eine vorgegebene Restfeuchte getrocknet wird. Vor der Vorrichtung 6 zur Trocknung wird das Ma terial 10 in einer Vorrichtung 3 zur Beleimung mit einem Bindemittel versetzt.
Die Verwendung eines Bindemittels ist dabei abhängig von dem jeweiligen Ma terial 10. Bei der Verwendung von Kunststoffen als Material 10 kann gegebe nenfalls auf eine Beimischung eines Bindemittels verzichtet werden, so dass keine entsprechende Vorrichtung 3 zur Beleimung nicht notwendig ist. Alternativ oder ergänzend kann, wie in Figur 1 dargestellt, eine Vorrichtung 3‘ zur Belei mung auch nach der Vorrichtung 6 zur Trocknung angeordnet sein. Gegebenen falls kann das Material 10 in der nachgeordneten Vorrichtung 3‘ zur Beleimung nach der Vorrichtung 6 zur Trocknung nochmals nachbeleimt werden.
Das beleimte Material 10 durchläuft anschließend eine Vorrichtung 7 zur Sortie rung, in welcher das Material 10 in mehrere Fraktionen aufgeteilt wird. Eine Fraktionierung des Materials 10 erfolgt vorliegend auf Basis der Größe des zer kleinerten Materials 10, wobei Material 10 mit einer kleineren Partikelgröße von Material 10 mit einer größeren Partikelgröße getrennt und getrennten Verarbei tungslinien oder Zwischenspeichern zugeführt wird. Eine Fraktionierung des Ma terials 10 in einer Vorrichtung 7 zur Sortierung zielt auf eine verbesserte Her stellung der Werkstoffplatte 12 ab, bei welcher beispielsweise das Material 10 mit einer geringeren Partikelgröße an den Außenflächen der Flächenseiten der Werkstoffplatte 12 angeordnet wird und gröberes Material 10 eine Mittelschicht der Werkstoffplatte 12 bildet. Anschließend wird das Material 10 einer Vorrichtung 2 zum Streuen des Materi als 10 zugeführt. In dieser Vorrichtung 2 wird das Material 10 auf einem Form band zu einem Vlies 11 oder einer Matte gestreut, wobei die Fraktionen des Ma terials 10 in Schichten gestreut werden, so dass das Vlies 11 einen geschichte ten Aufbau aufweist. Alternativ kann das Material 10 auch nur in einer Schicht auf ein Formband aufgestreut werden Das so gestreute Vlies 11 durchläuft an schließend, wie in der Figur 1 dargestellt, eine Vorrichtung 8 zur Vorpressung, in welcher das Vlies 11 vorverpresst wird. In der Vorrichtung 8 wird das Vlies 11 somit einerseits verdichtet und andererseits entlüftet, wodurch eine verbesserte Verpressung des Vlieses 11 zu der Werkstoffplatte 12 in der Vorrichtung 4 zum Pressen ermöglicht wird. In Abhängigkeit des verwendeten Materials 10, bei spielsweise der Verwendung von Kunststoff als Material 10, kann eine Vorrich tung 8 zum Vorpressen nicht erforderlich sein.
In der Vorrichtung 4 zum Verpressen, welche vorliegend als kontinuierlich arbei tende Presse ausgebildet ist, wird das Vlies 11 Druck und Wärme ausgesetzt, wodurch das Bindemittel in dem Vlies 11 abbindet und sich am Ende der Vor richtung 4 zum Verpressen die Werkstoffplatte 12 bzw. ein kontinuierlicher Werkstoffplattenstrang bildet. Vor der Vorrichtung 4 zum Verpressen kann gege benenfalls auch eine weitere Vorrichtung zur Vorwärmung des Vlieses 11 , bei spielsweise mittels Dampf oder Mikrowellenstrahlung, angeordnet sein. Der aus der Vorrichtung 4 austretende kontinuierliche Werkstoffplattenstrang wird an schließend in einer Vorrichtung 9 zum Trennen mittels Diagonalsägen aufgeteilt, wodurch Werkstoffplatten 12 gewünschter Länge gebildet werden. Die so gebil deten Werkstoffplatten 12 werden anschließend gekühlt, abgestapelt und einem Lager oder einer unmittelbaren Weiterverarbeitung zugeführt.
Die Produktionsanlage 1 umfasst weiter eine Steuerung 20, welche mit den ein zelnen Vorrichtungen 2 bis 9 der Produktionsanlage 1 sowie weiteren Einrich tungen, beispielsweise Messeinrichtungen oder Temperatursensoren, direkt ver bunden ist. Die Steuerung 20 umfasst hierbei eine speicherprogrammierbare Steuerung 21 , mittels welcher die Produktionsanlage 1 sowie die Vorrichtungen 2 bis 9 gesteuert oder geregelt werden. Über die Wirkverbindung der Steuerung 20 mit den einzelnen Vorrichtungen 2 bis 9 der Produktionsanlage 1 werden in der Steuerung 20 Eingangsparameter 23 erfasst sowie geänderte Eingangspara meter 28 an die Produktionsanlage 1 bzw. die einzelnen Vorrichtungen 2 bis 9 übergeben. Bei den Eingangsparametern 23 handelt es sich um Sollwerte und Istwerte von Anlagenparameter der Produktionsanlage 1 sowie der Vorrichtung 2 bis 9. Vorliegend sind dies beispielsweise die Temperatur in der Vorrichtung 6 zur Trocknung, die Füllstände von Zwischenspeichern, die Pressengeschwindig keit, mit welcher das Vlies 11 in der Vorrichtung 4 verpresst wird oder auch die Temperaturen und Drücke in der Vorrichtung 4. Die Anlagenparameter werden zum Teil durch Sensoren an den einzelnen Vorrichtungen 2 bis 9 erfasst oder sind durch feststehende Parameter gebildet, welche die einzelnen Vorrichtungen 2 bis 9 wie auch die Produktionsanlage 1 charakterisieren. Feststehende Anla genparameter sind beispielsweise die Pressenlänge der kontinuierlich arbeiten den Presse als Vorrichtung 4 zum Pressen, die Anzahl an Streueinheiten in der Vorrichtung 2 zum Streuen oder die Anzahl der Fraktionen in der Vorrichtung 7 zum Sortieren.
Neben den Anlagenparametern bilden auch die Materialparameter weitere Ein gangsparameter 23, welche in die Steuerung 20 einfließen. Bei den Materialpa rametern handelt es sich um die Art des verwendeten Materials 10, die Rest feuchte des Materials 10 nach der Vorrichtung 6 zum Trocknen, das verwendete Bindemittel in der Vorrichtung 3 zum Beieimen, oder auch die Höhe sowie Breite des gestreuten Vlieses 11 in und/oder nach der Vorrichtung 2 zum Streuen.
Schließlich können auch noch weitere Eingangsparameter 23 durch einen Be diener vorgegeben werden. So sind Produktparameter, welche die Werkstoff platte 12 charakterisieren, ebenfalls Eingangsparameter 23. Bei den Produktpa rametern handelt es sich um vorgegebene Parameter der Werkstoffplatte 12, welche in der Produktionsanlage 1 hergestellt werden soll. Es werden somit ge wisse Mindestvoraussetzungen der Werkstoffplatte 12 mit den Produktparame tern festgelegt, welche ebenfalls in die Steuerung 20 einfließen. Bei den Pro duktparametern handelt es sich um die Art der herzustellenden Werkstoffplatte oder die Dicke der herzustellenden Werkstoffplatte 12.
Die Steuerung 20 ist so ausgebildet, dass diese Eingangsparameter 23 empfan gen, verarbeiten und auch geänderte Eingangsparameter 28 an die Vorrichtun gen 2 bis 9 der Produktionsanlage 1 ausgeben kann. Daneben ist die Steuerung 20 so ausgebildet, dass ein Qualitätswert 24 auf Basis der Eingangsparameter 23 in der Steuerung 20 ermittelt wird und auf einer Anzeige 26 einem Bediener oder Technologen der Produktionsanlage 1 dargestellt wird. Des Weiteren um fasst die Steuerung 20 einen Optimierungsrechner 22, mittels welchem der er mittelte Qualitätswert 24 optimiert wird. Über eine Schnittstelle 25 werden die in der Steuerung 20 erfassten Parameter an andere Einrichtungen, wie beispiels weise einen Speicher 27, weitere Anzeigen, oder eine Cloud übermittelt. Weiter wird über die Schnittstelle 25 auch eine Verbindung zu einem System des Her stellers der Produktionsanlage 1 und/oder von Vorrichtungen 2 bis 9 der Produk tionsanlage 1 geschaffen, über welche Daten der Produktionsanlage 1 und/oder der Vorrichtungen 2 bis 9 übermittelt sowie Daten wie die Datenbasis 30 oder ein vortrainierter Algorithmus 32 auf die Steuerung 20 übertragen werden. Über die Schnittstelle 25 kann die Steuerung 20 auch Daten, insbesondere Datens ätze oder Testdatensätze, Informationen und/oder Parameter von weiteren Pro duktionsanlagen 1 erhalten, insbesondere wenn der Hersteller der Werkstoff platten 12 mehrere Produktionsanlagen 1 betreibt.
In Figur 2 ist schematisch der Ablauf zum Bilden und Trainieren eines Algorith mus 32 auf Basis künstlicher Intelligenz zur Ermittlung zumindest eines Quali tätswerts 24 eines Qualitätsparameters dargestellt. Zur Ausbildung des Algorith mus 32 wird zunächst in der Steuerung 20 eine Methode, auf welcher der Algo rithmus 32 basiert, festgelegt oder aus einer Liste ausgewählt. Vorliegend wird hierfür auf die Methode der neuronalen Netze als Basis für den Algorithmus 32 zurückgegriffen. Um mittels des Algorithmus 32 einen Qualitätswert 24 für einen Qualitätsparameter ermitteln bzw. prognostizieren zu können, ist es erforderlich, dass der Algorithmus 32 trainiert wird. Für das Training des Algorithmus 32 wird eine Datenbasis 30 bereitgestellt, welche eine Vielzahl von Datensätzen, vorlie gend zumindest über 500, umfasst. Die einzelnen Datensätze der Datenbasis 30 umfassen Angaben zu Qualitätsparametern sowie zu den Qualitätsparametern korrelierenden Eingangsparametern. So spiegelt ein Datensatz der Datenbasis 30 Informationen für eine Werkstoffplatte 12 wieder, zu welcher die Eingangspa rameter sowie die Qualitätsparameter bekannt sind. Die Vielzahl von Datensät zen in der Datenbasis 30 sind dabei so ausgebildet, dass diese sich in zumin dest einem Parameter, einem Qualitätsparameter oder einem zu dem Qualitäts parameter korrelierenden Eingangsparameter, unterscheiden. Zudem sind die Datensätze der Datenbasis 30 so aufgebaut, dass diese in Bezug auf Daten zu den Produktparametern, welche eine Untergruppe der Eingangsparameter bil den, ein möglichst breites Spektrum an Produktparametern abdecken. Für Werk stoffplatten 12 sind die Produktparameter, mit welchen ein möglichst breites Spektrum an Produktparametern abgedeckt werden soll, durch die Plattendicke der Werkstoffplatte 12 sowie die Art der Werkstoffplatten 12 gegeben. Somit kann sichergestellt werden, dass der durch die Datenbasis 30 trainierte Algorith mus 32 über ein möglichst breites Spektrum an Produktparametern eine zuver lässige Ermittlung eines Qualitätswerts 24 für einen Qualitätsparameter ermög licht und darüber hinaus.
Bevor der Algorithmus 32 mit der Datenbasis 30 trainiert wird werden die Daten der Datenbasis 30 in einem Verarbeitungsschritt 31 normiert und aggregiert, wie dies schematisch durch den gestrichelten Pfeil in Figur 2 dargestellt ist. Eine Verarbeitung der Daten der Datenbasis 30 mittels Normierung und Aggregierung kann auch jeweils für einzelne Datensätzen erfolgen, bevor diese der Datenba sis 30 zugeführt werden.
Die Datensätze bzw. Daten in der Datenbasis 30 basieren auf historischen Da ten der Produktionsanlage 1 , welche insbesondere lokal vor Ort in einem Spei cher 27 der Steuerung 20 abgespeichert sind. Neben den lokal vorhandenen Daten zur Bildung einer Datenbasis 30 umfasst die Datenbasis 30 auch Datens ätze von anderen Produktionsanlagen, welche über eine Schnittstelle 25 über mittelt werden. Die Datensätze aus anderen Produktionsanlagen werden hierbei vom Hersteller der Produktionsanlage 1 über die Schnittstelle 25 bereitgestellt und übermittelt. Sofern der Hersteller von Werkstoffplatten 12 über mehrere Produktionsanlagen 1 verfügt, können auch von diesen Produktionsanlagen 1 Datensätze für die Datenbasis 30 bereitgestellt werden.
In der Verarbeitung 31 werden hierbei innerhalb der vorhandenen Daten Daten cluster gebildet, um die Menge an Daten zu reduzieren. Die Aggregierung er folgt durch Interpolation, Extrapolation oder Mittelwertbildung. Zudem erfolgt eine Normierung der Daten auf einen statistischen Mittelwert null und eine Stan dardabweichung eins. Nach der Verarbeitung 31 der Datenbasis 30 erfolgt schließlich das Training des Algorithmus 32 mit der Datenbasis 30, welche nach der Verarbeitung 31 aggregierte und normierte Datensätze umfasst. Nach Abschluss des Trainings des Algorithmus 32 mit der Datenbasis 30 erfolgt in einem weiteren Schritt die Verifizierung des gebildeten Algorithmus 32 mit ei ner Testdatenbasis 33. Die Testdatenbasis 33 umfasst wiederum Testdaten sätze, welche analog zu den Datensätzen der Datenbasis 30 aufgebaut sind.
Die Testdatensätze der Testdatenbasis 33 wurden ebenfalls vor ihrer Verwen dung einer Verarbeitung unterzogen, in welcher die Testdatensätze der Testda tenbasis 33 normiert und aggregiert wurden.
Die in den Testdatensätzen der Testdatenbasis 33 hinterlegten, zu den Quali tätsparametern korrelierenden Eingangsparameter werden dem Algorithmus 32 als Eingangsparameter vorgegeben, womit dieser auf Basis dieser Eingangspa rameter einen Qualitätswert 24 für zumindest einen Qualitätsparameter ermittelt. Insbesondere werden mittels des Algorithmus 32 Qualitätswerte 24 für mehrere Qualitätsparameter ermittelt. Während der Überprüfung des Algorithmus 32 wer den Qualitätswerte 24 für Qualitätsparameter, die in den Testdatensätzen der Testdatenbasis 33 hinterlegt sind, ermittelt.
Die nun mittels des Algorithmus 32 ermittelten Qualitätswerte 24 werden an schließend mit den Daten zu den Qualitätsparametern, welche für den entspre chenden Testdatensatz in der Testdatenbasis 33 hinterlegt sind, verglichen. So fern die Qualitätswerte in einem vorgegebenen Bereich liegen, vorliegend um weniger als 5 % von den Daten der Qualitätswerte von dem Testdatensatz ab weichen, wird die Überprüfung des Algorithmus 32 mit weiteren Testdatensätzen der Testdatenbasis 33 fortgesetzt. Werden insgesamt für die gesamte Testda tenbasis 33 nur geringe Differenzen zwischen dem ermittelten Qualitätswert 24 und den in der Testdatenbasis 33 bzw. den Testdatensätzen hinterlegten Daten festgestellt, so ist die Überprüfung des Algorithmus 32 abgeschlossen und die ser wird in der Steuerung 20 der Produktionsanlage 1 zur Ermittlung von Quali tätswerten 24 eingesetzt.
Sofern mittels der Testdatenbasis 33 größere Abweichungen zwischen den in der Testdatenbasis 33 bzw. den Testdatensätzen hinterlegten Daten zu den Qualitätsparametern und dem durch den Algorithmus ermittelten Qualitätswerte 24 bestehen, wird der Algorithmus 32 mittels einer erweiterten Datenbasis 30 nachtrainiert oder gar grundlegend neu aufgebaut, wobei bei einem neuen Auf bau des Algorithmus 32 dieser auch auf einer anderen Methode, beispielsweise K Nearest Neighbor Regression, beruhen kann.
Nach dem Nachtrainieren oder Ausbilden des Algorithmus 32 von neuem wird dieser wiederum mit einer Testdatenbasis 33 überprüft und schließlich in der Steuerung 20 für die Herstellung von Werkstoffplatten 12 in einer Produktions anlage 1 eingesetzt, sofern die Überprüfung mit der Testdatenbasis 33 wiede rum eine maximal geringe Abweichung in den Qualitätswerten 24 ergeben hat.
In Figur 3 ist schematisch der Ablauf zur Ermittlung eines Qualitätswert 24 in der Steuerung 20 der Produktionsanlage 1 für zumindest einen Qualitätspara meter im Zuge der Herstellung von Werkstoffplatten 12 dargestellt. Zur Ermitt lung des Qualitätswerts 24 für mehrere Qualitätsparameter werden zunächst Eingangsparameter 23 in der Steuerung 20 eingegeben oder fließen in diese von der Produktionsanlage 1 sowie den Vorrichtungen der Produktionsanlage 2 bis 9 ein. Die Eingangsparameter 23 umfassen voreingestellte Produktparame tern, umfassend die Plattendicke und Art der herzustellenden Werkstoffplatte 12, Materialparameter, umfassend das Mischungsverhältnis des verwendeten Materials 10 aus Frisch- und Recyclingmaterial sowie die Art des Bindemittels, vorliegend PMDI , und Anlagenparameter, umfassend Sensordaten von den ein zelnen Vorrichtungen 2 bis 9 der Produktionsanlage 1 sowie voreingestellter Pa rameter bestimmter Vorrichtungen 2 bis 9.
Auf Basis dieser Eingangsparameter 23 ermittelt der Algorithmus 32, der wie in Figur 2 zuvor dargestellt trainiert und überprüft wurde, Qualitätswerte 24 für ver schiedene Qualitätsparameter, die auf einer Anzeige 26 einem Bediener der Produktionsanlage 1 dargestellt werden. Die Ermittlung der Qualitätswerte 24 durch den Algorithmus 32 erfolgt hierbei dauerhaft, so dass stets die Qualitäts werte 24 für die gerade produzierte bzw. zu produzierende Werkstoffplatte 12 an der Anzeige 26 dargestellt werden. Auf der Anzeige 26 wird weiter eine Meldung oder Warnung ausgegeben, wenn der ermittelte Qualitätswert 24 unter einen Mindest-Qualitätswert fällt oder sich diesem zumindest nähert. Der Bediener der Produktionsanlage 1 wird somit informiert, wenn die Gefahr besteht, dass Werk stoffplatten 12 produziert werden, welche die vorgegebenen Werte für die Quali tätsparameter nicht mehr erfüllen, was letztendlich Ausschuss bedeutet. Auf die Warnung oder Meldung sollte der Bediener reagieren, in der er Eingangspara meter 23 wie die Produktionsgeschwindigkeit oder den Druck in der Vorrichtung 4 zum Pressen manuell abändert.
Neben einer Anzeige 26 für einen Bediener der Produktionsanlage 1 , welche im Leitstand der Produktionsanlage 1 angeordnet ist, können die Qualitätswerte 24 auch auf weiteren Anzeigen, beispielsweise einem Display an der Anlage oder auf einem Tablet oder Smartphone, abgerufen und dargestellt werden.
Die für die Ermittlung der Qualitätswerte 24 bereitgestellten Eingangsparameter 23 sowie die ermittelten Qualitätswerte 24 werden als ein Produktionsdatensatz in einem Speicher 27 abgespeichert, wodurch es ermöglicht wird die ermittelten Qualitätswerte 24 für die Eingangsparameter zu dokumentieren und ggf. durch später gemessene Werte für die Qualitätsparameter zu überprüfen. Das Spei chern eines entsprechenden Produktionsdatensatzes, umfassend die ermittelten Qualitätswerte 24 sowie die für diesen ermittelten Qualitätswert 24 korrelieren den Eingangsparameter 23, erfolgt manuell nach Bedarf oder dauerhaft nach ei nem vorbestimmten Intervall, beispielsweise im Sekundentakt oder vor und/oder nach einem bestimmten Ereignis, wie beispielsweise einem Produktwechsel, wo bei die Produktionsdatensätze über die Schnittstelle 25 an den Hersteller der Produktionsanlage 1 übermittelt werden. Auch können über die Schnittstelle 25 die entsprechenden Produktionsdatensätze an weitere Produktionsanlagen 1 des Herstellers übermittelt werden. Zudem erfolgt durch das Speichern der Pro duktionsdatensätze, umfassend die Qualitätswerte 24 und zu diesen Qualitäts werten 24 korrelierende Eingangsparameter 23, eine Protokollierung über die Qualität der produzierten Werkstoffplatten 12. Die Daten der Produktionsdaten sätze können weiter normiert und/oder aggregiert werden. Durch eine Aggregie rung und/oder Normierung können die entsprechenden Daten der Produktions datensätze auch auf Produktionsanlagen gleichen oder ähnlichen Typs portiert werden.
In Figur 4 ist schematisch die Optimierung eines ermittelten Qualitätswerts 24 in der Steuerung 20 dargestellt. Wie bereits in Figur 3 dargelegt fließen Ein gangsparameter 23 in den Algorithmus 32 ein, auf deren Basis der Algorithmus 32 einen oder mehrere Qualitätswerte 24 ermittelt. Dieser ermittelte Qualitäts wert 24 wird nun an einen Optimierungsrechner 22 übergeben, welcher einen weiteren Algorithmus 34 umfasst, mittels welchem der ermittelte Qualitätswert 24 optimiert wird. Bei dem Algorithmus 34 handelt es sich vorliegend um einen Algorithmus, welcher identisch zum Algorithmus 32 aufgebaut und ausgebildet ist.
Alternativ kann der Algorithmus 34 von dem Algorithmus 32 verschieden sein. Hierfür wird der Algorithmus 34, wie bereits oben in Figur 2 zum Algorithmus 32 dargelegt, mittels einer Datenbasis trainiert und gegebenenfalls mit einer Test datenbasis überprüft und verifiziert.
Die Optimierung des Qualitätswerts 24 im Optimierungsrechner 22 unterliegt da bei bestimmten Randbedingungen, welche von einem Bediener vorgegeben wer den oder im Algorithmus 34 bereits hinterlegt sind.
Eine Optimierung des Qualitätswerts 24 kann hierbei auf vielfältige Aspekte be ruhen. Der Optimierungsrechner 22 ist vorliegend so ausgebildet, dass der Qua litätswert 24 an sich optimiert und verbessert wird. Ziel ist es damit eine mög lichst hochwertige Werkstoffplatte 12 herzustellen.
Eine Optimierung des Qualitätswerts 24 kann auch dahingehend erfolgen, dass der Qualitätswert 24 gehalten wird, jedoch durch Änderung der Eingangspara meter 23 zur Erzielung des Qualitätswerts 24 ein geringerer Einsatz am Roh-, Hilfs- und Betriebsstoffen notwendig ist oder ein höherer Ausstoß an Werkstoff platten 12 pro Zeiteinheit ermöglicht wird. Somit wird bei gleichbleibender Quali tät, gegeben durch einen in etwa gleichbleibenden Qualitätsparameter 24 der Einsatz an Ressourcen verringert werden, wodurch die Herstellung der Werk stoffplatten 12 kostengünstiger wird.
Weiter kann eine Optimierung des Qualitätswert 24 im Optimierungsrechner 22 auch dahingehend erfolgen, dass der Qualitätswert 24 auf einen Mindestwert re duziert wird, wodurch der Einsatz an Roh-, Hilfs- und Betriebsstoffen weiter re duziert werden kann. Die Werkstoffplatten 12 erfüllen damit Mindestanforderun gen, wobei gleichzeitig der Einsatz von Resourcen reduziert wird und die Werk stoffplatten 12 kostengünstiger herstellbar sind. Für eine Optimierung des Qualitätswerts 24 im Optimierungsrechner 22 werden durch den Algorithmus 34 geänderte Eingangsparameter 28 ermittelt, auf deren Basis der gewünschte Qualitätswert erzielbar sein soll. Die ermittelten geänder ten Eingangsparameter 28 werden dann auf der Anzeige 26 einem Bediener der Produktionsanlage 1 angezeigt, in dem eine Meldung auf der Anzeige 26 ausge geben wird. Der Bediener wird daraufhin die geänderten Eingangsparameter 28 überprüfen, gegebenenfalls korrigieren und an die speicherprogrammierbare Steuerung 21 übermitteln oder dort manuell eintragen. Von der speicherpro grammierbaren Steuerung 21 werden die ermittelten geänderten Eingangspara- meter 28 an die Produktionsanlage 1 bzw. die Vorrichtungen 2 bis 9 der Produk tionsanlage 1 übergeben und dort entsprechend eingestellt. Eine Übergabe der entsprechenden geänderten Eingangsparameter 28 ist in Figur 4 durch gestri chelte Linien dargestellt. Der Bediener kann aber auch von einer Optimierung des Qualitätswerts 24 durch die ermittelten geänderten Eingangsparameter 28 absehen, beispielsweise wenn ihm Umstände wie eine anstehende Wartung o- der ein Produktwechsel bekannt sind und eine Optimierung daher nicht mehr zielführend wäre.
Alternativ können die ermittelten geänderten Eingangsparameter 28 durch den Algorithmus 34 unmittelbar in der speicherprogrammierbaren Steuerung 21 ge ändert und schließlich an die Produktionsanlage 1 bzw. die Vorrichtungen 2 bis 9 der Produktionsanlage 1 zur Änderung der jeweiligen Einstellungen übergeben werden. Über die im Optimierungsrechner 22 ermittelten geänderten Ein gangsparameter 28 wird somit die Herstellung der Werkstoffplatten 12 in der Produktionsanlage 1 ständig und vollautomatisch optimiert.
Bezugszeichenliste
1 Produktionsanlage
2 Vorrichtung zum Streuen
3, 3‘ Vorrichtung zum Beieimen
4 Vorrichtung zum Pressen
5 Vorrichtung zum Zerkleinern
6 Vorrichtung zum Trocknen
7 Vorrichtung zum Sortieren
8 Vorrichtung zum Vorpressen
9 Vorrichtung zum Trennen
10 Material
11 Vlies
12 Werkstoffplatte
20 Steuerung
21 speicherprogrammierbare Steuerung
22 Optimierungsrechner 23 Eingangsparameter
24 Qualitätswert
25 Schnittstelle
26 Anzeige
27 Speicher 28 Geänderte Eingangsparameter
30 Datenbasis
31 Verarbeitung
32 Algorithmus 33 Testdatenbasis
34 Algorithmus