idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
In dem Forschungsprojekt, das im Rahmen der Industriellen Gemeinschaftsforschung (IGF) stattfindet, bringen Wissenschaftler Reinigungsanlangen „Denken“ und „Lernen“ bei. Basierend auf einem Erfahrungspool aus gesammelten Messdaten entscheidet das künstliche neuronale Netz später selbst, welche Reinigungsparameter es anwendet.
Lebensmittel verderben bei hohen Temperaturen besonders schnell. Daher spielen Hygieneregeln eine maßgebliche Rolle – und das nicht erst beim Verbraucher. Schon bei der Herstellung von Lebensmitteln müssen hohe hygienische Standards eingehalten werden. Maschinen und Produktionsanlagen werden kontinuierlich überprüft und automatisiert gereinigt. Dazu dienen sogenannte Cleaning-In-Place (CIP)-Prozesse, die ohne Demontage der Anlage vor Ort eingesetzt werden. Die Reinigung ist zwar gründlich, aber deutlich überdimensioniert, da meist der schlimmste anzunehmende Verschmutzungsfall als Standard verwendet wird. In der Folge wird zu lange mit zu viel Wasser, Energie und Reinigungsmittel gearbeitet. Wissenschaftler der Friedrich-Alexander-Universität Erlangen-Nürnberg und des Fraunhofer-Institutes für Verfahrenstechnik und Verpackung (IVV) in Dresden wollen das jetzt ändern. Im Rahmen eines Projektes der Industriellen Gemeinschaftsforschung (IGF) entwickeln sie gemeinsam ein selbstlernendes Automatisierungssystem für ressourceneffiziente Reinigungsprozesse. Die vorwettbewerbliche IGF ermöglicht insbesondere kleinen und mittleren Unternehmen (KMU) den Zugang zu aktuellen Forschungsergebnissen. Sie wird zusammen mit 100 branchenorientierten Forschungsvereinigungen im Innovationsnetzwerk der AiF Arbeitsgemeinschaft industrieller Forschungsvereinigungen organisiert. Projekte der IGF werden vom Bundesministerium für Wirtschaft und Energie (BMWi) über dieses Netzwerk mit öffentlichen Mitteln gefördert.
Prozessoptimierung durch künstliche neuronale Netze
In dem Forschungsprojekt, das vom AiF-Mitglied Forschungskreis der Ernährungsindustrie (FEI) organisiert wird, bringen die Wissenschaftler den Reinigungsanlangen in zwei aufeinander aufbauenden Schritten „Denken“ und „Lernen“ bei. Letztendlich sollen die Maschinen erkennen, welcher Verschmutzungszustand vorliegt und selbstständig entscheiden, wieviel Wasser, Reinigungsmittel und Zeit zur Reinigung verwendet werden sollen. In einem ersten Schritt trainieren die Forscher künstliche neuronale Netze darauf, verschiedene Verschmutzungsqualitäten zu erkennen. Bei diesem „überwachten Lernen“ wird der passende Reinigungsprozess zunächst noch von den Wissenschaftlern vorgegeben. In der darauf folgenden zweiten Phase findet das so genannte „bestärkende Lernen“ statt: Basierend auf einem Erfahrungspool aus gesammelten Messdaten entscheidet das künstliche neuronale Netz nun selbst, welche Reinigungsparameter es anwendet.
In Zukunft sollen die Ergebnisse des IGF-Vorhabens eine hygienisch einwandfreie und gleichzeitig ressourceneffiziente und umweltschonende Reinigung von Maschinen und Anlagen ermöglichen. Reinigungsbedingte Ausfallzeiten der Produktionsanlagen werden durch die bedarfsgerechte Reinigung auf ein Minimum beschränkt.
Von den zu erwartenden Kosteneinsparungen profitieren in Deutschland neben den über 5.500 mittelständischen Lebensmittelherstellern auch Unternehmen anderer Branchen, die hohe Hygienestandards in der Produktion erfüllen müssen, beispielsweise die Pharma- oder Kosmetikindustrie.
Wie das hier vorgestellte Forschungsprojekt befassen sich inzwischen über 25 Prozent aller im Rahmen der IGF geförderten Projekte mit den Themen Industrie 4.0 und Digitalisierung.
Ansprechpartner zum Projekt
Dipl.-Ing. André Boye, Fraunhofer-Institut für Verfahrenstechnik und Verpackung (IVV),
E-Mail: andre.boye@ivv-dresden.fraunhofer.de, Telefon: +49 351 4361435
Prof. Dr. Antonio Delgado, Friedrich-Alexander-Universität Erlangen-Nürnberg, Lehrstuhl für Strömungsmechanik, E-Mail: antonio.delgado@fau.de, Telefon: +49 9131 8529500
Dr. Volker Häusser, Forschungskreis der Ernährungsindustrie (FEI),
E-Mail: fei@fei-bonn.de, Telefon: +49 228 30796990
Über die AiF
Die Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke“ e.V. ist ein 1954 gegründetes, industriegetragenes Innovationsnetzwerk zur Förderung von Forschung und Entwicklung im Mittelstand. Es verknüpft die Interessen von Wirtschaft, Wissenschaft und Politik. Aufgabe ist es, als Dachverband von 100 branchenspezifischen Forschungsvereinigungen die Volkswirtschaft Deutschlands in ihrer Wettbewerbsfähigkeit nachhaltig zu stärken. Die AiF als gemeinnütziger Verein organisiert die Industrielle Gemeinschaftsforschung und betreut über die AiF Projekt GmbH und die AiF F∙T∙K GmbH, ihre einhundertprozentigen Tochtergesellschaften, weitere Förderprogramme der öffentlichen Hand. Im Jahr 2015 setzte die AiF rund 525 Millionen Euro an öffentlichen Fördermitteln ein.
Pressekontakt
AiF e.V., Evelyn Bargs-Stahl, presse@aif.de, Telefon: +49 221 37680114
http://www.aif.de
http://www.aif.de/innovationsfoerderung/industrielle-gemeinschaftsforschung.html
https://www.fei-bonn.de/
https://www.bmwi.de
https://www.fau.de
https://www.ivv.fraunhofer.de/
Metalltanks in der Lebensmittelindustrie
Foto: © Henkell & Söhnlein Sektkellereien
None
Criteria of this press release:
Journalists
Mathematics, Mechanical engineering, Nutrition / healthcare / nursing
transregional, national
Research projects, Transfer of Science or Research
German
Metalltanks in der Lebensmittelindustrie
Foto: © Henkell & Söhnlein Sektkellereien
None
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).
