Inteligentné oddelenie
Separátory sa učia optimálnej priemyselnej separácii surovín
Nastavenie oddeľovačov bolo dlho založené na intuícii a počutí odborníkov; vedci z Fraunhofer IEM sa teraz spoliehajú na strojové učenie. Obrázok: GEA
- Fraunhoferov inštitút pre mechatronický dizajn IEM
Umela inteligencia
Monitorovací systém pre biodiverzitu ako nízkorozpočtový projekt
Štúdia o využívaní umelej inteligencie v spoločnostiach
Odstredivky na mechanické oddeľovanie látok majú dôležitú úlohu v priemyselnej výrobe potravín, ako sú mliečne výrobky alebo farmaceutické výrobky. Pre optimálne nastavenie stroja boli doteraz potrebné skúsenosti, sluch a intuícia obsluhy. Vedcom z Fraunhofer IEM sa podarilo preniesť tieto poznatky do expertného systému pomocou neurónových sietí. V budúcnosti budú inteligentné separátory schopné pracovať s výrazne vyšším stupňom automatizácie. Zaisťujú tiež čo najlepšie oddelenie produktov.
Niekedy majú učitelia chémie ľahký život. Napríklad, keď dôjde na experimenty, ktoré sa zaoberajú separátormi alebo odstredivkami: Pri svojich experimentoch sú skúmavky naplnené kalom alebo zmesou škrobu a vody, aby sa po zapnutí prístroja opäť oddelili kvapalina a tuhé látky. Také jednoduché, také nenápadné a tak zvládnuteľné. Naproti tomu to v priemyselnej praxi vyzerá veľmi odlišne. Napríklad v chemickom priemysle, napríklad vo farmaceutickom priemysle alebo pri spracovaní minerálnych olejov. Alebo v potravinárskom priemysle v mliekarňach alebo pivovaroch. Každú hodinu sa tu spracujú desaťtisíce litrov. A oddeľovanie je tiež oveľa komplikovanejšie ako oddeľovanie pevných a kvapalných látok od seba pomocou maximálnej nastaviteľnej odstredivej sily.
»Tu zvyčajne existuje niekoľko fáz odlúčenia. Pri spracovaní surového mlieka sa musí napríklad čisté mlieko, smotana a rôzne tuhé látky oddeliť čisto - bez toho, aby mlieko stratilo kvalitu alebo aby tekutý krém zmenil svoju konzistenciu, “vysvetľuje Sebastian von Enzberg z Fraunhoferovho inštitútu pre mechatronický dizajn IEM. Ak nie sú oddeľovače nastavené presne (a v priebehu postupu sa znova a znova upravujú), môžu nastať stavy procesu, ktoré zhoršujú kvalitu produktu alebo ho dokonca poškodia. Napríklad je možné zahrnúť vzduchové bubliny alebo existuje riziko nadmerného znečistenia produktu v dôsledku príliš silného alebo príliš náhleho zrýchlenia. Vždy existuje možnosť nepravidelného toku, pretože vyprázdňovanie vylučovaných tukových látok vedie k strate tlaku. Pretože sú odstredivky v nepretržitej prevádzke: plnenie a vypúšťanie samostatných prvkov sa uskutočňuje počas procesu odstreďovania. Ale aj potom musia byť zaručené stále vlastnosti produktu.
Správny cit pre proces
„Cieľom inteligentného spracovania údajov je simulovať vnímanie a hodnotenie ľudského operátora,“ zdôrazňuje von Enzberg. Vedci z Fraunhofer IEM sa preto spoliehajú na strojové učenie. „Na výcvik systému, ktorý sme naprogramovali, sme použili neurónové siete a nespočetné množstvo údajov, ktoré sme získali experimentmi a operáciami v reálnom svete. Naučila sa rozpoznávať chybové stavy a vyvíjať stratégie na prispôsobenie parametrov stroja, ako sú rýchlosti otáčania alebo tlačové podmienky, pomocou ktorých možno dosiahnuť požadované výsledky najlepším možným spôsobom, «hovorí von Enzberg. Program bol potom doplnený takým spôsobom, že interpretoval údaje získané v reálnom čase podľa toho, čo sa už naučilo, a potom doladil stroj počas prevádzky a za zlomok sekundy.
Externalizácia odborných znalostí
„Nakoniec sme komplexné a desaťročia trvajúce skúsenosti výrobcu centrifúg a intuíciu obsluhy strojov s jemne vyškoleným uchom preniesli do nášho expertného systému,“ zhŕňa von Enzberg. Tieto vedomosti sa teraz dajú - v obidvoch prípadoch po krátkom tréningovom období - preniesť do riešenia rôznych odstrediviek a úloh. Podmienkou však je, aby boli zariadenia vybavené príslušnými senzormi a aby bola databáza dostatočne veľká. „Môže trvať niekoľko mesiacov, kým sa nový systém poučí z chybových stavov a správne zachytí riešenia,“ hovorí von Enzberg. Lenže po dokončení tohto procesu učenia môžu odstredivky pracovať aj autonómne a diaľkovo monitorovať.
Spolu s projektovým partnerom GEA, ktorý okrem iného vyrába procesnú technológiu a komponenty pre potravinársky priemysel, už výskumní pracovníci spoločnosti Fraunhofer vyvinuli prototyp, ktorý naživo testuje použitie expertného systému. Výsledky sú také sľubné, že sa už plánuje priemyselná implementácia inteligentnej odstredivky. (batéria)