Projektbeschreibung
 

Nach Dampfmaschinen, Fließbändern und Computern bilden intelligente Fabriken die Grundpfeiler der vierten industriellen Revolution. Das intelligente und automatisierte Zusammenspiel von Teilprozessen und Maschinen setzt deren Digitalisierung voraus. Dabei bedeutet Digitalisierung per Definition die digitale Umwandlung und Darstellung von Informationen. Eine unabdingbare Notwendigkeit der Akquise dieser Informationen ist der Einsatz moderner, intelligenter Sensoren zur Überwachung unterschiedlichster Messgrößen bzw. Parameter in Produktionsprozessen. Letztlich tragen Sensoren somit zur Entscheidung über Erfolg oder Misserfolg der industriellen Revolution bei.

Im Rahmen des Fördervorhabens PreSEDA sollen innovative Sensortechnologien für deren Einsatz im produktionstechnischen Kontext der chemischen Industrie vorbereitet werden. Hierfür sind grundlegende Hard- und Softwareentwicklungen erforderlich, um die Technologien, deren proof-of-principle im Labor erbracht wurde, an die jeweiligen Messanforderungen anzupassen. Ein Hauptaugenmerk der Projektziele liegt dabei auf der Implementierung anwendungsbezogener intelligenter Methoden der Messsignalverarbeitung auf Sensorebene (Edge-AI). Vor diesem Hintergrund gilt es u. a., Fragestellungen zu Datensortierung, Datenformatierung und Datenübertragung an eine nächste Ebene zu beantworten sowie Sensordatenkonzepte zu erstellen, zu implementieren und für unterschiedliche Anwendungen zu abstrahieren. Durch Implementieren intelligenter Algorithmen, beispielsweise auf Basis des maschinellen Lernens, sollen bereits im Vorfeld der Informationsweitergabe an eine nächste Instanz Korrelationen erkannt und dadurch Reproduzierbarkeit, Stabilität und Immunität der Primärmessgrößen gegenüber Quereinflüssen optimiert werden. 

Der proof-of-concept des Transfers innovativer Sensortechnologien in den produktionstechnischen Kontext chemischer Produktionsanlagen soll am Beispiel des Messprinzips der photoakustischen Spektroskopie erbracht werden. Ziel ist es, ein kompaktes, LED-basiertes und autark arbeitendes Sensorsystem zur simultanen Quantifizierung von Spuren an Stickstoffdioxid und Ozon zu entwickeln, zu charakterisieren und im Feld zu testen. Gegenüber einem bestehenden Labor-Prüfstand sind vielseitige hardware-technische Vereinfachungen, wie beispielsweise der Austausch von Lasersystemen durch LEDs, sowie der Verzicht auf zusätzliches Laborequipment bzw. auf eine Regelung der Messzellentemperatur oder der Strömungsgeschwindigkeit vorgesehen. Als finale Aussage bzgl. des Potentials einer intelligenten Signalverarbeitung soll evaluiert werden, inwiefern solche Konzepte im Stande sind, Einbußen des Messsystems (beispielsweise hinsichtlich Sensitivität, Selektivität und Reproduzierbarkeit) auf Grund obiger Vereinfachungen zu kompensieren.