KI-4-Biopolymer KI für zuverlässige Produktion von Biopolymeren

AI Innovation Seed

Ausgangssituation

Im Umgang mit dem Ressourcenverbrauch und den damit verbundenen Umweltbelastungen, insbesondere hinsichtlich der CO2-Emissionen, steht die verarbeitende Industrie vor der Herausforderung, neue Lösungen für Produkte und Produktionsprozesse zu finden. Gesetze zur Bepreisung von Treibhausgasen und die allgemeine Forderung nach einer höheren Nachhaltigkeit von Produkten, erhöhen den Druck, schnell zu reagieren. Für die Hersteller von Kunststoffprodukten stellen Biopolymere, also natürliche Polymere, produziert und abgebaut in der Natur, eine Alternative zu synthetischen Polymeren dar, da sie durch den hohen stofflichen Anteil an nachwachsenden Rohstoffen den CO2-Fußabdruck von Produkten senken und so zur Defossilisierung beitragen können. Insgesamt geht man von einer besseren Umweltbilanz als bei konventionellen Kunststoffen aus.

Aus der Vielzahl von Möglichkeiten, Kunststoffe zu verarbeiten, ist das Extrudieren von Kunststoffen neben dem Spritzgießen als wichtiges verfahrenstechnisches Element zur Herstellung von thermoplastischen Kunststoffartikeln etabliert und wird für deren kontinuierliche Produktion verwendet. Biokunststoffe können in fast allen Bereichen eingesetzt werden, in denen bisher mit Kunststoffen auf fossiler Basis gearbeitet wurde.

 

Lösungsidee

Im ersten Schritt sollen bilaterale Gespräche mit den beteiligten Industriepartnern ergeben, welche Biopolymere sowohl den wirtschaftlichen Interessen als auch der Verpflichtung zur Einhaltung der CO2-Emissionsziele genügen und welche Probleme bereits bei deren Verarbeitung in der Extrusion erkannt wurden.

Vorgehensweise zur Erstellung eines Prozessmodells für das Maschinelle Lernen (ML) für die Verarbeitung von Biopolymeren:

  1. Materialauswahl und Charakterisierung Vergleich unterschiedlicher auf dem Markt erhältlicher Biopolymere und Bewertung der relevanten Störgrößen im Prozess, welche sich auf die Materialeigenschaften auswirken können.
  2. Modellentwicklung/-anpassung Entwicklung eines generischen ML-Prozessmodells, das Qualitätskennwerte auf Basis von Maschinen-, Prozess- und Materialgrößen vorhersagt. 
  3. Erkennung von Prozessanomalien Konzeptionierung und Implementierung einer Anomalieerkennung mit dem Ziel, anomales Prozess- oder Materialverhalten frühzeitig zu erkennen, um daraufhin geeignete Gegenmaßnahmen zu veranlassen.
  4. Echtzeitfähige Prozessregelung Verwendung der in 2. und 3. erzeugten Modelle, um eine KI-gestützte Prozessregelung zu erzeugen.

Nutzen

Aufgrund der Prozessinstabilitäten der Biopolymere, die zu unzureichender Qualität der gefertigten Produkte und Halbzeuge führen, werden diese derzeit nicht mittels Extrusion im industriellen Maßstab verarbeitet. Mit den angestrebten Neuentwicklungen ist dies (perspektivisch) möglich. Ein KI-basiertes System hätte das Potenzial als neues Prozessregelungssystem zur Verbesserung der wirtschaftlicheren Verarbeitung von Biopolymeren beizutragen.

 

Umsetzung der KI-Applikation

Auf einem bestehenden Extruder (am Fraunhofer IPA, Stuttgart) werden zunächst verschiedene Sensordatenszenarien realisiert, welche eine möglichst große Varianz besitzen. Die gewonnenen Daten werden aufgearbeitet, um für das Training eines maschinellen Lernverfahrens geeignet zu sein. Der Ansatz für die Prozessüberwachung nutzt Verfahren des unüberwachten Lernens (z. B. Clusterverfahren). Es wird dabei die Relevanz von Drifteffekten während der Produktion untersucht, insbesondere in der Anlauf-Phase des Extruders.