Third party funded individual grant
Acronym: IoT-basierte CIP-Tankreinigung
Start date : 01.11.2020
End date : 30.04.2023
Um eine gleichbleibend hohe Qualität der Produkte zu ermöglichen sowie den geltenden Gesetzen und Normen zu entsprechen, unterliegt ein Großteil der Produktionsanlagen in der lebensmittelverarbeitenden, biotechnologischen, pharmazeutischen, kosmetischen und chemischen Industrie einer häufigen und regelmäßigen Reinigung. Infolge wachsender Produktvielfalt und demzufolge geringer Chargengrößen werden heute schon bis zu 30 % des gesamten Wasserverbrauchs und bis zu 15 % der Gesamtenergiekosten einer Fabrik für die Reinigung aufgewendet. Es ist von hohem wirtschaftlichen Interesse, diese Aufwendungen bei gleichzeit-ger Wahrung der Produktqualität und der Hygienestandards zu minimieren.
Heutzutage erfolgt die Tankreinigung fast durchgängig mittels automatisierter, fest in der Anlage integrierter Reinigungssysteme (CIP). Diese und die zugehörigen CIP-Reinigungsprozesse werden erfahrungsbasiert prognostizierend am Worst Case und damit mit hohen Sicherheitsfaktoren versehen ausgelegt. Das Ergebnis sind robuste Prozesse, die allerdings wegen des hohen Einsatzes von Zeit, Wasser, Chemikalien und Energie mit entsprechend negativen ökologischen und ökonomischen Auswirkungen einhergehen. Eine Risikoanalyse hat darüber hinaus ergeben, dass selbst bei einem validierten System durch stochastische Effekte (z.B. Temperaturschwankungen um ± 1°C) in bis zu 2 % der Fälle die Reinigungswirkung nicht ausreicht. Adaptive Systeme, die sich selbstständig auf die jeweils vorliegende Reinigungsaufgabe anpassen und somit bedarfsgerecht reinigen, könnten zu massiven Einsparungen an Ressourcen führen.
Ziel des Forschungsvorhabens ist es, ein aus autonom agierenden Akteuren bzw. Agenten aufgebautes, Internet-of-Things-basiertes CIP-System zu entwickeln, das in der Lage ist, die Effizienz der Behälterreinigung in Bezug auf Ressourcen-, Energie- und Zeitbedarf gegenüber einem State-of-the-Art-Referenzsystem (Standard-Orbitalreinigung) zu verbessern.
Um eine
gleichbleibend hohe Qualität der Produkte zu ermöglichen sowie den
geltenden Gesetzen und Normen zu entsprechen, unterliegt ein Großteil
der Produktionsanlagen in der lebensmittelverarbeitenden,
biotechnologischen, pharmazeutischen, kosmetischen und chemischen
Industrie einer häufigen und regelmäßigen Reinigung. Infolge wachsender
Produktvielfalt und demzufolge geringer Chargengrößen werden heute schon
bis zu 30 % des gesamten Wasserverbrauchs und bis zu 15 % der
Gesamtenergiekosten einer Fabrik für die Reinigung aufgewendet. Es ist
von hohem wirtschaftlichen Interesse, diese Aufwendungen bei
gleichzeit-ger Wahrung der Produktqualität und der Hygienestandards zu
minimieren.
Heutzutage erfolgt die Tankreinigung fast durchgängig
mittels automatisierter, fest in der Anlage integrierter
Reinigungssysteme (CIP). Diese und die zugehörigen
CIP-Reinigungsprozesse werden erfahrungsbasiert prognostizierend am
Worst Case und damit mit hohen Sicherheitsfaktoren versehen ausgelegt.
Das Ergebnis sind robuste Prozesse, die allerdings wegen des hohen
Einsatzes von Zeit, Wasser, Chemikalien und Energie mit entsprechend
negativen ökologischen und ökonomischen Auswirkungen einhergehen. Eine
Risikoanalyse hat darüber hinaus ergeben, dass selbst bei einem
validierten System durch stochastische Effekte (z.B.
Temperaturschwankungen um ± 1°C) in bis zu 2 % der Fälle die
Reinigungswirkung nicht ausreicht. Adaptive Systeme, die sich
selbstständig auf die jeweils vorliegende Reinigungsaufgabe anpassen und
somit bedarfsgerecht reinigen, könnten zu massiven Einsparungen an
Ressourcen führen.
Ziel des Forschungsvorhabens ist es, ein aus autonom agierenden Akteuren bzw. Agenten aufgebautes, Internet-of-Things-basiertes CIP-System zu entwickeln, das in der Lage ist, die Effizienz der Behälterreinigung in Bezug auf Ressourcen-, Energie- und Zeitbedarf gegenüber einem State-of-the-Art-Referenzsystem (Standard-Orbitalreinigung) zu verbessern.