Die meisten derzeit in der Getränkeindustrie eingesetzten Verfahren zur Erkennung von Schäden an Getränkekästen weisen eine niedrige Erkennungsrate auf. Als Folge verbleiben betroffene Kästen im Mehrwegbestand der Unternehmen und gelangen über den Einzelhandel zum Kunden. Zwar tauschen viele Abfüller regelmäßig einen festen Prozentsatz an Kästen aus, allerdings fallen dieser Methode unbeschädigte Kästen zum Opfer, während beschädigte im Pool verbleiben.
Ziel der vorliegenden Arbeit war die Entwicklung einer industrietauglichen Kasteninspektionsmaschine zur Erkennung sichtbarer und unsichtbarer Schäden an Getränkekästen. Hauptanforderungen waren eine hohe Erkennungsrate sowie eine gute Integrierbarkeit in bestehende Abfülllinien. Grundvoraussetzung hierfür war u. a. eine maximale Inspektionsdauer von einer Sekunde pro Kasten.
Zur Beurteilung des Zustands von Getränkekästen kam erstmalig die Methode der Neurostatistik zum Einsatz, welche die Vorteile von Künstlichen Neuronalen Netzen (KNN) und der Hauptkomponentenanalyse (HKA) vereint. Physikalische Grundlage des Prüfverfahrens war die mechanische Signalausbreitung in Festkörpern, mit der, im Gegensatz zu den praxisgängigen Standardverfahren, auch Latenzmängel am Getränkekasten detektierbar sind.
Mit Hilfe der Finite-Elemente-Methode (FEM) wurden grundsätzliche Zusammenhänge des Schwingungsverhaltens von Getränkekästen in Abhängigkeit von Art und Ort eines mechanischen Erregungsimpulses auf dessen Oberfläche gezeigt. Über Fouriertransformation wurden charakteristische Schwingungsspektren von beschädigten und unbeschädigten Kästen erzeugt, über deren Vergleich eine optimale Erregung der Kästen ermittelt wurde.
Auf Basis der FEM-Ergebnisse erfolgte der Bau eines Funktionsmusters einer Kasteninspektionsmaschine. Dieser musste zunächst die sichere Entnahme und Rückführung der einzelnen Kästen aus dem Förderstrom der Abfüllanlage gewährleisten. Ein Laservibrometer erfasste das resultierende Schwingungsspektrum des jeweiligen Kastens, auf den ein ca. 0,2 s andauernder, vertikal wirkender Schockimpuls einwirkte. Insgesamt wurden Vergleichsspektren von 129 Kästen in unterschiedlichen Zustandsformen aufgenommen, von fabrikneu bis gebrochen. Die Programmierung der Steuerung sowie die Auswertung erfolgten mittels LabView.
Über die HKA erfolgte ein Vorauswertung und Komprimierung der Rohdaten der Schwingungsspektren, bevor diese in zuvor trainierte KNN gespeist wurden. Diese Kombination erlaubte eine Schadensbeurteilung des Getränkekastens in einer Zeitspanne im Millisekundenbereich, wodurch die Gesamtprüfdauer eines Kastens inklusive Ein- und Ausschleusung von maximal 1 s gewährleistet werden konnte. Durch anschließende Optimierung der Frequenzbereiche der Schwingungsspektren konnte eine Erkennungsquote von 98,5 % realisiert werden.
Ergebnis der Arbeit ist eine technisch und wirtschaftlich praxistaugliche Kasteninspektionsmaschine, die durch hochspezifische Sortierung eine signifikante Qualitätsverbesserung des Kastenpools eines Getränkeherstellers gewährleistet.
«
Die meisten derzeit in der Getränkeindustrie eingesetzten Verfahren zur Erkennung von Schäden an Getränkekästen weisen eine niedrige Erkennungsrate auf. Als Folge verbleiben betroffene Kästen im Mehrwegbestand der Unternehmen und gelangen über den Einzelhandel zum Kunden. Zwar tauschen viele Abfüller regelmäßig einen festen Prozentsatz an Kästen aus, allerdings fallen dieser Methode unbeschädigte Kästen zum Opfer, während beschädigte im Pool verbleiben.
Ziel der vorliegenden Arbeit war die Entw...
»
Login
BibTeX