Neue Einsicht in Abfüllprozesse zur Qualitätssteigerung
Maschinen- und Anlagenbau
Key WordsMachine Learning | Computational Fluid Dynamics (CFD) | Abfüllung | Simulation | Digitaler Zwilling
Zusammenfassung
Das Einbinden von künstlicher Intelligenz in der Industrie sorgt seit geraumer Zeit für erhebliche Beschleunigung bzgl. Prozessoptimierung. Einige Prozesse in pharmazeutischem Umfeld erschweren jedoch das Erheben der dafür benötigten Datenmengen durch ihre Komplexität, einen hohen Zeitaufwand und immense Kosten. Simuliert bleibt der Grad an Komplexität erhalten, der erforderliche Zeitaufwand und die anfallenden Kosten können jedoch maßgeblich reduziert werden. Zielführend ist hierbei die Computational-Fluid-Dynamics(CFD)-Simulation eines komplexen Prozesses, woraus Eingabe- und Ausgabedaten genutzt werden können, um einen Machine-Learning-Algorithmus zu speisen. Dadurch können „Muster“ im Ursprungsproblem erkannt und zur Optimierung genutzt werden. Somit wird versucht, die nötige Anzahl an Experimenten zur Parametrierung einer Abfüllanlage maßgeblich zu reduzieren, indem der Prozess valide simuliert werden kann, um ausreichend viele Daten für das maschinelle Lernen zu generieren.
Korrespondenz:
Maximilian Burger, Bausch+Ströbel SE + Co. KG, Äußere Bayreutherstraße 100, 90491 Nürnberg; E-Mail: Maximilian.Burger@Bausch-Stroebel.de
Maximilian Burger Maximilian Burger begann nach seiner Ausbildung zum Elektroniker für Betriebstechnik 2013 seine berufliche Laufbahn. Nachdem er mehrere Jahre praktische Erfahrungen in verschiedenen Bereichen (u. a. im Qualitätsmanagement) sammeln konnte, entschied er sich für eine Weiterbildung. 2019 schloss er seinen Bachelor in Verfahrenstechnik ab, 2021 folgte der Masterabschluss in Maschinenbau. Während seines Studiums |