Ganzheitliche Prozessführung

Modellbasierte Prozesssteuerung und Qualitätsvorhersage in der Holzwerkstoffindustrie

Der Anwendungsfall fokussiert sich auf die modellbasierte Prozesssteuerung und Qualitätsvorhersage für die Holzwerkstoffindustrie, deren Anlagen durch zahlreiche Einstellmöglichkeiten und externe Einflussfaktoren komplex sind. Eine kontinuierliche Datenerfassung bildet die Grundlage für Prozessmodellierung, Anomalieerkennung und präzises Tracking der Spanplatten. Automatisierte Auswahl relevanter Prozessparameter wird durch Expertenwissen ergänzt, während Regressionsmodelle und neuronale Netzwerke als Surrogat-Modelle dienen. Ein Proof-of-Concept integriert materialbedingte Schwankungen, um die Modellgenauigkeit weiter zu erhöhen. Für die prädiktive Qualitätsregelung wurde ein Reinforcement-Learning-Controller entwickelt, der die Anlage adaptiv an sich ändernde Bedingungen anpasst und die Prozessqualität optimiert.

  • Komplexe, vorhersehbare Prozesse bei Holzwerkstoffen
  • Große Datenmengen und schwer identifizierbare Einflussfaktoren
  • Bedarf an automatisierter Modellbildung und Anomalieerkennung

  • Modellbildung mittels genetischer Algorithmen, neue Tests und Auswertungsverfahren
  • Systemmodellierung mit linearen und nichtlinearen Ansätzen und Fokus auf Datenabhängigkeiten
  • Erweiterung der Datenbasis und gezielte Feature-Selektion
  • Laufende Validierung und Optimierung der entwickelten Modelle

  • Unterstützung der Anlagenführung durch prädiktive Modelle
  • Rückverfolgbarkeit von Materialien und Produkten innerhalb des Prozesses gewährleistet
Vom Stamm zum Möbelstück

champI4.0ns Anwendungsfälle – NEWS

Alle Neuigkeiten und Zwischenergebnisse zu den Anwendungsfällen im Überblick: