ML-basierte Modellierung des dynamischen Verhaltens von Autoklavensystemen

Autoklavensystem in der KS-Industrie

Ausgangssituation

Der Prozess der Dampfdruckhärtung gilt als produktschonende und energieeffiziente Möglichkeit der Produktbehandlung unter anderem in der Baustoffindustrie. Dabei wird das Produkt in einen Druckkessel/Autoklaven eingebracht, mittels zentral erzeugtem Sattdampf aufgeheizt und unter Druck gesetzt, um gewünschte chemische und physikalische Prozesse zu induzieren. Um eine pseudo-kontinuierliche Produktion zu ermöglichen werden mehrere Autoklaven parallel betrieben. Durch Überleitvorgänge zwischen aufheizenden und abkühlenden Autoklaven wird Dampf und damit Energie rückgewonnen, allerdings entstehen Verzögerungen durch Wartevorgänge und Strömungswiderstände. Die verfügbare Messtechnik ermöglicht keine valide Messung der Dampf- und Energieflüsse, die genaue Systemdynamik ist bisher nicht verstanden und vorhersagbar. Zur energetischen Optimierung der Prozesse ist eine Modellierung der Systeme unabdingbar.

Tätigkeit

Im Rahmen Ihrer Arbeit erarbeiten Sie eine Methodik, in der mittels Machine Learning aus historischen Logdaten das dynamische Verhalten eines Autoklavensystems erlernt und nachgebildet werden soll. Nach Eingabe des Produktionsprogramms und der Soll-Härtekurven wird Ihr System modellieren, wie sich Druck und Temperatur der Autoklaven eines Systems verhalten, und jeweils die Prozessdauer vorhersagen.

Arbeitsumfeld

Sie tragen in einem Industrienahen Forschungsfeld spürbar zur Entwicklung des Forschungsstandes und zur gesamtgesellschaflichen CO2-Reduktion bei. Dabei ist Ihr Beitrag richtungsweisend für die weitere Orientierung der Forschung. Eine enge Zusammenarbeit und regelmäßige Abstimmung verstehen sich von selbst.

Für Training  und Validierung stehen hinreichend Realdaten aus verschiedenen Systemen zur Verfügung. Die Arbeit kann rein digital durchgeführt werden, auf Wunsch kann auch eine reale Fertigung besichtigt werden.

Aufgabenstellung

  • Grundsätzliche Einarbeitung in die Physik von Autoklavensystemen
  • Literaturrecherche zur Identifikation geeigneter ML-Verfahren
  • Implementierung, Training und Validierung eines entsprechenden ML-Systems
  • Wissenschaftliche Dokumentation

Vorkenntnisse

  • selbständige lösungsorientierte Arbeitsweise
  • Bereitschaft zum engen Austausch im Arbeitsfortschritt
  • Grundverständnis für ML-Verfahren
  • thermodynamische Grundlagen sind zum Verständnis hilfreich

Weitere Informationen gerne per Mail oder telefonisch. Der Arbeitsumfang kann entsprechend der Arbeit angepasst werden.

Anfrageformular

Anfrage für: ML-basierte Modellierung des dynamischen Verhaltens von Autoklavensystemen

    *
    *
    *







    Kategorien:

    Forschungsbereich:

    Automatisierte Produktionssysteme

    Art der Arbeit:

    Masterarbeit, Projektarbeit

    Kontakt: