Generic filters
Exact matches only
FS Logoi

Achema 2022: KI trifft auf Partikeltechnologie

Um Vorhersagen zu Fließfähigkeit und Packungsdichte zu vereinfachen, hat Robert Hesse von der Technischen Universität Kaiserslautern ein neuronales Netz trainiert.

von | 18.08.22

18.08.2022 Ι Um Vorhersagen zu Fließfähigkeit und Packungsdichte von nicht-sphärischen Partikeln zu vereinfachen, hat Robert Hesse von der Technischen Universität Kaiserslautern (TUK) eine Lösung entwickelt: Er hat ein neuronales Netz trainiert, um die Eigenschaften dieser Partikel automatisiert zu bestimmen. Seine Idee präsentiert er auf der Achema am Forschungsstand Rheinland-Pfalz in Halle 6 an Stand A35.

Je weniger rund, desto schwerer die Vorhersage

Runde Partikel und ihre Eigenschaften sind mathematisch einfach zu beschreiben. Doch nur wenige Partikel in der Natur oder in der industriellen Fertigung sind exakt rund. Vielmehr gibt es eine Vielzahl an Varianten und Formcharakteristika. Genau das macht es so kompliziert, nicht-sphärische Partikel zu beschreiben und basierend auf der Beschreibung deren Handhabung zu optimieren.

Wenn ein Pharmahersteller beispielsweise wissen möchte, wie sich eine andere Tablettenform auf die benötigte Verpackungsgröße auswirkt, sind diese Informationen nützlich: Je runder eine Tablette ist, desto weniger verhakt sie sich mit anderen Tabletten im Abfüllprozess. Eine flache zylindrische Form kann bereits durch leichte Abrundungen die Packungsdichte optimieren.

Training mittels Simulationen

Die Abbildung zeigt, was das neuronale Netz aus einer Form macht, um Merkmale zu identifizieren. Aus sogenannten Faltungen (Convolutions), welche sich das neuronale Netz mit den Trainingsdaten angeeignet hat, werden Merkmale immer weiter abstrahiert und extrahiert. Oben ist beispielsweise zu sehen, wie ein Würfelrahmen erfasst wird: anhand von zwei Faltungen im ersten Layer und zwei Faltungen im zweiten Layer. Insgesamt verfügt das Netz über 6 solcher Layer-Schichten (daher der Name Deep Convolutional Neural Network) mit 32 oder 64 paralleler Faltungen je Layer. Abbildung: Robert Hesse

Doch wie lassen sich all die Eigenschaften, die Fließfähigkeit und Packungsdichte bestimmen, schnell erfassen, um Entscheidungen zur Wahl einer Form abzuleiten? Was bislang vereinfachte Berechnungen einzelner mathematischer Parameter bzw. Formbestandteile erforderte, kann eine trainierte Künstliche Intelligenz – in dem Fall ein sogenanntes „Deep Convolutional Neural Network“ – anhand eines 3D-Modells automatisiert ableiten.

„Über Simulationen, bei denen nur die Form der Partikel variierte, habe ich einen umfassenden Versuchsdatensatz erstellt und damit das neuronale Netz trainiert“, berichtet Hesse, wissenschaftlicher Mitarbeiter am Lehrstuhl für Mechanische Verfahrenstechnik. „Standardisierte Experimente mit 3D-gedruckten Partikeln ermöglichten in der Erprobungsphase die Validierung der Simulationsmethodik– sprich abzugleichen, wie exakt die Simulation echte Partikel abbilden kann.“

Identifizierung markanter Merkmale

Das trainierte neuronale Netz filtert nun aus einer beliebigen dreidimensionalen Punktewolke, die die gesamte Form repräsentiert, markante Merkmale wie Rundungen, Ecken, Kanten usw. heraus. Anhand dieser Informationen kann es die Fließfähigkeit und zufällige Packungsdichte analysieren. „Dies ist beispielsweise hilfreich, um die Form pharmazeutischer Produkte hinsichtlich minimaler Maschinendimensionen und Verpackungsgrößen zu optimieren“, sagt der Forscher.

Auf der Achema in Halle 6 an Stand A35 gibt Hesse interessierten Besuchern Einblick in seine Forschung und die Fähigkeiten des neuronalen Netzwerkes.

Zur Pressemeldung der TUK

Jetzt Newsletter abonnieren

Immer auf dem aktuellen Stand, alle 2 Wochen in Ihrem Postfach.

Hier anmelden

Raumluftfiltration: Zukauf auf dem brasilianischen Luftfilter-Markt
Raumluftfiltration: Zukauf auf dem brasilianischen Luftfilter-Markt

Hengst Filtration hat den brasilianischen Luftfilterspezialisten Aeroglass aus São Paulo übernommen. Für Hengst ist es der zweite Zukauf auf dem brasilianischen Luftfilter-Markt nach Linter im Jahr 2022. Mit Aeroglass will Hengst seine Transformation vorantreiben und seine Position im Bereich Raumluftfiltration in Brasilien stärken.

mehr lesen
FILTECH: Optimising material analysis for filtration
FILTECH: Optimising material analysis for filtration

Thermo Fisher Scientific is exhibiting at filtration trade show FILTECH 2024 held from 12-14 November, at the Koelnmesse Halls in Cologne, Germany. Leaders and technical experts from Thermo Fisher will be present to offer expertise in electron microscopy and discuss how this technique provides an advanced solution, optimising material analysis for filtration.

mehr lesen
Advanced Recycling Conference: Nachhaltige Materialien gestalten
Advanced Recycling Conference: Nachhaltige Materialien gestalten

Die Advanced Recycling Conference (ARC) 2024 erweitert in diesem Jahr ihr Themenspektrum über das Recycling konventioneller Kunststoffverpackungen hinaus. Im Fokus stehen aktuelle Herausforderungen wie die Wertstoffrückgewinnung aus Elektronikabfällen, innovative Ansätze zum PVC- und Textilrecycling sowie fortschrittliche Recyclingverfahren für technische Thermoplaste.

mehr lesen
FILTECH 2024: Geballte Verbindungskompetenz
FILTECH 2024: Geballte Verbindungskompetenz

Auf der FILTECH in Köln zeigen die Pfaff Industriesysteme und Maschinen GmbH (mit den Marken Pfaff Industrial und KSL) und die Co-Aussteller Dürkopp Adler und Sonotronic Lösungen für die Fertigung von textilen Filtern wie Filterschläuche, Sternfilter, Filtertaschen, Filtertücher, etc.

mehr lesen

Sie möchten die F&S Filtrieren und Separieren testen?

Bestellen Sie Ihr kostenloses Probeheft

Überzeugen Sie sich selbst: Gerne senden wir Ihnen die F&S kostenlos und unverbindlich zur Probe!

Finance Illustration 03