Selbstüberwachung von Bioprozessen mittels Schwarmintelligenz

• Antragsteller: Professor Dr.-Ing. Thomas Becker
• Fachliche Zuordnung: Bioverfahrenstechnik
• Förderung: Förderung von 2017 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 383534822

Mit dem Vorhaben wird ein neuartiges methodisches Konzept im Bereich der Bioreaktorüberwachung verfolgt. Nicht der einzelne Sensor steht im Mittelpunkt, sondern ein Geflecht aus Sensoren wird etabliert, welches über Kommunikation untereinander Intelligenz erlangt. Das Ziel dieses Vorhabens ist die Realisierung eines sich selbst überwachenden Sensornetzwerks auf der Basis der Schwarmintelligenz. Particle Swarm Optimization (PSO) wird als Schwarm-Algorithmus verwendet. Das intelligente Sensornetzwerk wird in der Lage sein, fehlerhafte Sensoren und Signale über multivariate lineare und nicht-lineare Modellansätze im Abgleich mit anderen Messwerten und vorhandenen Prozessinformationen zu erkennen und fehlerhafte Sensormesswerte zu ersetzen. Durch diese Kompensation wird die Prozessregelung trotz Sensorfehler fortgeführt und ansonsten verlorene Prozesse werden erfolgreich durchgeführt. Mit Hilfe des Schwarms kann die Funktionsfähigkeit jedes einzelnen, physisch am Fermenter angebrachten Sensors (Temperatur, Druck, pH, pO2, CO2/O2 im Abgas, Methanol, Trübung) automatisch überprüft werden. Dadurch wird eine kontinuierliche Überwachung und Auswertung von Prozessdaten ermöglicht und es wird ein lernfähiges, autonomes, intelligentes System mit Gedächtnis geschaffen.Angestrebte Forschungsergebnisse:- Aufbau eines Netzwerks aus prozessrelevanten Sensoren und informationstechnische Vernetzung der Sensoren untereinander (AP 1)- Aufbau eines für die Anwendung der Schwarmintelligenz notwendigen vollautomatisierten Reaktorsystems (AP 2)- Konstruktion der Individuen eines Schwarms: Für jedes Individuum wird ein definiertes Teilmodell formuliert, welches die verschiedenen Eingänge (Messwerte der Sensoren) aufeinander abbildet (AP 3)- Analyse der Eignung der verwendeten Teilmodelle für den Einsatz in einem Schwarm (AP 3)- Aufbau einer Funktionalität, die historische Daten zur automatischen Parametrierung eines Teilmodelles verwendet (Online-Parameteranpassung) (AP 3)- Online-Vorhersage der Trajektorie jedes Sensorwertes über die übrigen Sensorwerte (AP 4)- Evaluierung der Messwerte jedes prozessrelevanten Sensors im Abgleich mit Sensornetz (AP 4)- Identifikation fehlerhafter Sensoren und Zuweisung der korrekten Fehlerkategorie (systemischer Fehler, Drift, Rauschen, teilweiser/kompletter Ausfall eines/mehrerer Sensoren) (AP 4)- Rekonstruktion fehlerhafter Sensorwerte (AP 5)- Validierung der Funktionalität des Netzwerks im vorliegenden Prozess durch Variation der Sensoreingänge und Prozessbedingungen (AP 6 und AP 7)- Bewertung der Informationsredundanz innerhalb des Sensornetzwerks (AP 8)- Analyse zur Übertragbarkeit des Systems auf andere Fermentationen (AP 8)

• DFG-Verfahren: Sachbeihilfen