Mit künstlicher Intelligenz ressourceneffizient gereinigt: Forscher entwickeln selbstlernendes Automatisierungssystem für die Reinigung von Maschinen und Anlagen

Hygiene steht an erster Stelle: Bei der Herstellung von Lebensmitteln werden die Produktionsanlagen kontinuierlich überprüft und automatisiert gereinigt. Um Verunreinigungen von Lebensmitteln auf jeden Fall zu vermeiden, wird bei der Reinigung bislang jedoch "mit Kanonen auf Spatzen geschossen": Die Reinigungsprozesse, die ohne Demontage der Anlagen vor Ort eingesetzt werden – Cleaning-In-Place (CIP) – sind überdimensioniert; es wird deutlich intensiver und länger gereinigt als erforderlich ist. Wasser, Reinigungsmittel, Energie und Zeit werden im Übermaß eingesetzt – dies ist nicht nur unökologisch, sondern auch unökonomisch. So liegen im Durchschnitt die reinigungsbedingten Ausfallzeiten in der Lebensmittelindustrie bei 15-20 Prozent. Unter Berücksichtigung der hohen Anforderungen an die hygienische Sicherheit ließen sich für die Tankreinigung diese Ausfallzeiten um bis zu 83 Prozent reduzieren.

Reinigungssysteme, die sich am echten Bedarf orientieren, sind daher von hoher Relevanz. Vor diesem Hintergrund ist es Ziel eines aktuellen FEI-Projektes der Industriellen Gemeinschaftsforschung, ein selbstlernendes Automatisierungssystem für ressourceneffiziente Reinigungsprozesse zu entwickeln. Basierend auf Messdaten, wird sich dieses System mit jeder Reinigung kontinuierlich verbessern und so für einen optimierten Einsatz von Ressourcen sorgen. Zur berührungsfreien Messung des Reinigungsgrades werden dabei bildgebende Methoden eingesetzt, die darauf beruhen, dass jeder Stoff über unterschiedliche Lichtwellenlängen oder Farbwerte detektiert werden kann. Zur Auswertung der Daten werden dabei künstliche neuronale Netze (KNN) eingesetzt.

Das Forschungsteam, das sich aus Wissenschaftlern des Fraunhofer-Instituts für Verfahrenstechnik und Verpackung und der Universität Erlangen-Nürnberg zusammensetzt, widmet sich im Rahmen des Projektes einem konkreten Anwendungsfall: Der zu optimierende Prozess wird am Beispiel eines Behälters bzw. Tanks entwickelt, für den bei der CIP-Reinigung motorisch angetriebene Zielstrahlreiniger eingesetzt werden. Gelingt dies, ist das Prinzip der selbstlernenden Reinigung auf sämtliche Reinigungsprozesse übertragbar. Dies wird in Zukunft eine optimale, ressourceneffiziente und damit umweltschonende Reinigung von Maschinen und Anlagen ermöglichen, die zugleich den hohen Sicherheitsvorgaben genügen. Von den erwarteten Kosteneinsparungen werden nicht nur viele mittelständische Lebensmittelhersteller profitieren, sondern auch Unternehmen aus anderen Branchen, in denen Hygiene oberstes Gebot ist – wie in der Pharma- oder Kosmetikbranche.

Informationen zum Projekt AiF 18820 BG "Entwicklung eines automatischen, selbstlernenden Inline-Systems für die adaptive und ressourceneffiziente CIP-Reinigung am Beispiel eines Behälters mit motorisch angetriebenem Zielstrahlreiniger"



... ein Projekt der Industriellen Gemeinschaftsforschung (IGF)