Simulation von verteilten Produktstrukturen in kombinierten diskreten und kontinuierlichen Produktionsprozessen für feste, partikuläre Produkte

• Antragsteller: Professor Dr.-Ing. Christoph Herrmann; Professor Dr.-Ing. Arno Kwade
• Fachliche Zuordnung: Mechanische Verfahrenstechnik ; Produktionsautomatisierung und Montagetechnik
• Förderung: Förderung seit 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 413141366

Bei der Herstellung von festen Arzneiformen ist das oberste Ziel eine durchgehend hohe Qualität, die durch enge Bereiche für kritische Qualitätsmerkmale definiert ist. Die übergeordneten Ziele dieses Projekts sind daher der Aufbau robuster Prozess-Struktur-Modelle und darauf aufbauend eine agentenbasierte Simulation für die Ringschichtgranulation. Agentenbasierte Simulationen bieten die Möglichkeit, Konflikte zwischen Detaillierungsgrad und Rechenzeit, die bei anderen Simulationsansätzen für partikelbasierte Prozesse wie Fließschema- und Diskrete-Elemente-Methoden häufig auftreten, zu überwinden. Weiterhin können sie, verknüpft mit Live-Sensordaten nahezu in Echtzeit Prozessergebnisse vorhersagen. Die Prozess-Strukturmodelle, die agentenbasierten Simulationsansätze und die Live-Sensordaten sollen dementsprechend in einem cyber-physischen Produktionssystem (CPPS) gebündelt werden. Dieses bezieht auch die vorhergehenden Untersuchungen zu dem Misch- und Tablettierprozess ein und verbindet sie mit der neuartigen Ringschichtgranulation. Grundlage für die Modellentwicklungen bildet die tiefgehende experimentelle Untersuchung der kontinuierlichen Ringschichtgranulation. Zur Messung der Produkteigenschaften wird eine Online-Prozessanalytik etabliert und es werden ergänzend Soft-Sensoren entwickelt, die die aussagekräftigen, aber noch nicht direkt messbaren Zwischeneigenschaften Hold-up und Granulatdichte beschreiben. Ergänzend werden die anfallenden Energiebedarfe während der (Teil-)Prozesse gemessen, um diese neben der zu erzielenden Produktgüte als Zielgröße zu erfassen und bei der Vorhersage von günstigen Prozesseinstellungen mit zu berücksichtigen. Es werden mechanistische und Grey-Box- (unter Verwendung von Methoden des maschinellen Lernens) Prozess- und Eigenschaftsmodelle entwickelt, um die Produktstruktur und die Eigenschaftsverteilung auf der Grundlage von Prozessparametern und Sensorwerten für jeden Prozessschritt zu bestimmen. Um die Interdependenzen und den Partikeltransport entlang der Prozesskette zu berücksichtigen, werden die entwickelten Modelle in eine agentenbasierte Prozesskettensimulation eingebettet, die eine echtzeitnahe Abbildung des Prozesses ermöglichen. Die Durchführung des Projekts stützt sich auf die intensive gemeinsame Forschung der Partner in den Bereichen mechanistische Modelle für partikuläre Prozesse, agentenbasierte Simulation und Implementierung von cyber-physischen Produktionssystemen.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortliche: Dr. Jan Henrik Finke; Dr.-Ing. Max Juraschek