Verpackungsversiegelung und vorhersagbare Qualität: Forschung und Innovation

Die Verpackungsversiegelung spielt eine entscheidende Rolle für die Zuverlässigkeit des Verpackungsprozesses sowie für die Gewährleistung der Qualität und Lebensmittelsicherheit der verpackten Produkte.

In einem Szenario, in dem Produktionszuverlässigkeit und die Einhaltung knapper Termine verlangt werden, kann ein Versiegelungsprozess mit dauerhaft reproduzierbarer Leistung die Risiken in Bezug auf Lebensmittelsicherheit konkret reduzieren sowie eine optimale und effiziente Produktionsplanung gewährleisten.

Aus diesem Grund hat Galdi ein hochinnovatives Projekt namens Adaptive Sealing System gestartet, das darauf abzielt,die Qualitätsstandards des Versiegelungsprozesses, insbesondere am Giebeldach, zu optimieren.

Das von Galdi initiierte Forschungs- und Entwicklungsprojekt stellt eine exklusive, in der Welt der Lebensmittelverpackungsmaschinen einzigartige Innovation dar.

In der Forschungsphase konnten wir auf die Unterstützung von Spezialisten der Scuola Internazionale Superiore di Studi Avanzati (SISSA) in Triest und der Universität Padua zählen.

Das Projekt gliedert sich in 3 Phasen:

Phase 1:

Der erste, bereits realisierte Schritt konzentrierte sich auf die Umsetzung der vorhersagbaren Qualität durch die Virtualisierung des Verpackungsversiegelungsprozesses dank der mittels Industrie 4.0 vorgenommenen Implementierungen.

Ziel der Simulationen mit dem virtuellen Modell (Digitaler Zwilling) ist es, die optimalen Sollwerte für die Versiegelungsqualität vor der Konstruktion und Durchführung der Tests vorherzusagen

Die hierdurch gewonnenen Daten ermöglichen es, die Präzision der Konstruktionslösungen zu verbessern. Hieraus ergeben sich:

Vorteile für Galdi:

• Verkürzung der Produktentwicklungszeit durch die Möglichkeit zur Machbarkeitsprüfung bei Verarbeitung neuer Verpackungen, neuer Materialien und neuer Geometrien, ohne dass hierfür eine physische Maschine benötigt wird.

Vorteile für unsere Kunden:

• Zuverlässigere Verpackungsmaschinen und größere Garantie für reproduzierbare Leistungen
• Verkürzung der Markteinführungszeit
• Geringere Einrichtungszeit bei Installation der Maschine

Phase 2:

Im zweiten Schritt wurden die Daten aus den virtuellen Modellen verwendet, um ein Machine-Learning-Modell zu trainieren, das die Qualität der Versiegelung in Echtzeit vorhersagt.

Im Vergleich zum virtuellen Modell ermöglicht diese Lösung eine Vorhersage in kürzester Zeit (1-2 ms statt mehrerer Stunden) und ermöglicht dadurch, die vorhersagbare Qualität auf den Verpackungsprozess anzuwenden.

Dank der durch das Machine-Learning-Modell ermöglichten sofortigen Verfügbarkeit sind wir in der Lage, ein Kit zum automatischen Verwerfen nicht konformer Verpackungen zu entwickeln, das in Zukunft auf neuen Maschinen installiert oder als Upgrade für Verpackungsmaschinen der neuen Generation erhältlich sein wird.

Die automatisierte Funktion ermöglicht ein selektives Verwerfen von Verpackungen, deren Qualität als nicht akzeptabel vorhergesagt wurde.

Die hierzu durchgeführte Forschungsarbeit war auch Gegenstand der Diplomarbeit von Davide Frizzo mit dem Titel „Development of Machine Learning models for Packet Quality Prediction in industrial machines“ (Universität Padua), die sich direkt mit der Entwicklung einiger Machine-Learning-Modelle befasste.

Phase 3:

Der nächste Schritt ist auf die Gewährleistung einer noch größeren Robustheit und Reproduzierbarkeit der Prozessleistung durch die kontinuierliche und adaptive Kontrolle der Arbeitsbedingungen des Verpackungsversiegelungssystems gerichtet.

Damit wird das System seine Parameter dann in Echtzeit an die veränderten Arbeitsbedingungen anpassen und Folgendes gewährleisten:

• hervorragende und gleichbleibende Versiegelungsqualität
• Verringerung der Fehlerquote
• Verringerung von Ausschuss und Verschwendung
• Verringerung des Kontaminationsrisikos