Achema 2022: KI trifft Partikeltechnologie, um Vorhersagen zu Fließfähigkeit und Packungsdichte zu vereinfachen

Robert Hesse zeigt die im 3D-Druckverfahren hergestellten nicht-sphärischen Partikel, mit denen er die Simulationsmodelle im Projekt validiert hat.
Thomas Koziel
TUK, Koziel

Runde Partikel und ihre Eigenschaften sind mathematisch einfach zu beschreiben. Doch je weniger rund bzw. sphärisch die Form, desto schwerer wird es, Vorhersagen zu deren Verhalten zu treffen. Etwa, wenn ein Pharmahersteller wissen möchte, wie sich eine andere Tablettenform auf die benötigte Verpackungsgröße auswirkt. Robert Hesse hat in seiner Doktorarbeit an der Technischen Universität Kaiserslautern (TUK) eine Lösung entwickelt, konkret ein neuronales Netz trainiert, um Packungsdichte und Fließfähigkeit von nicht-sphärischen Partikeln automatisiert zu bestimmen. Seine Idee präsentiert er vom 22. bis 26. August auf der Achema am Forschungsstand Rheinland-Pfalz (Stand A35, Halle 6).

Nur wenige Partikel in der Natur oder in der industriellen Fertigung sind exakt rund, sondern es gibt eine Vielzahl an Varianten und Formcharakteristiken. Genau das macht es so kompliziert, nicht-sphärische Partikel zu beschreiben und basierend auf der Beschreibung deren Handhabung zu optimieren. Ein Beispiel: Je runder eine Tablette ist, desto weniger verhakt sie sich mit anderen Tabletten im Abfüllprozess. Eine flache zylindrische Form kann bereits durch leichte Abrundungen optimiert werden, wenn es um die Packungsdichte geht.

Doch wie lassen sich all die Eigenschaften, die Fließfähigkeit und Packungsdichte bestimmen, schnell erfassen, um Entscheidungen zur Wahl einer Form abzuleiten? Was bislang vereinfachte Berechnungen einzelner mathematischer Parameter bzw. Formbestandteile erforderte, kann eine trainierte Künstliche Intelligenz – in dem Fall ein sogenanntes „Deep Convolutional Neural Network“ – anhand eines 3D-Modells automatisiert ableiten. „Über Simulationen, bei denen nur die Form der Partikel variierte, habe ich einen umfassenden Versuchsdatensatz erstellt und damit das neuronale Netz trainiert“, berichtet Hesse, wissenschaftlicher Mitarbeiter am Lehrstuhl für Mechanische Verfahrenstechnik. „Standardisierte Experimente mit 3D-gedruckten Partikeln ermöglichten in der Erprobungsphase die Validierung der Simulationsmethodik– sprich abzugleichen, wie exakt die Simulation echte Partikel abbilden kann.“

Das trainierte neuronale Netz filtert nun aus einer beliebigen dreidimensionalen Punktewolke, die die gesamte Form repräsentiert, markante Merkmale wie Rundungen, Ecken, Kanten usw. heraus. Anhand dieser Informationen kann es die Fließfähigkeit und zufällige Packungsdichte analysieren. „Dies ist beispielsweise hilfreich, um die Form pharmazeutischer Produkte hinsichtlich minimaler Maschinendimensionen und Verpackungsgrößen zu optimieren“, sagt der Forscher.

Auf der Achema gibt Hesse interessierten Besuchern anhand einer Posterpräsentation Einblick in seine Forschung und die Fähigkeiten des neuronalen Netzwerkes.

Fragen beantwortet:
Robert Hesse (M.Sc.)
Lehrstuhl für Mechanische Verfahrenstechnik
Tel.: 0631 205-2416
E-Mail: robert.hesse@mv.uni-kl.de

Der Auftritt der Forscherinnen und Forscher der TU Kaiserslautern bei der Achema wird von Klaus Dosch vom Referat für Technologie und Innovation organisiert. Er ist Ansprechpartner für Unternehmen und vermittelt unter anderem Kontakte zur Wissenschaft.
Kontakt: Klaus Dosch, E-Mail: dosch@rti.uni-kl.de, Tel.: 0631 205-3001

http://www.uni-kl.de

Media Contact

Julia Reichelt Universitätskommunikation
Technische Universität Kaiserslautern

Alle Nachrichten aus der Kategorie: Messenachrichten

Zurück zur Startseite

Kommentare (0)

Schreiben Sie einen Kommentar

Neueste Beiträge

Größte bisher bekannte magnetische Anisotropie eines Moleküls gemessen

An der Berliner Synchrotronstrahlungsquelle BESSY II ist es gelungen, die größte magnetische Anisotropie eines einzelnen Moleküls zu bestimmen, die jemals experimentell gemessen wurde. Je größer diese Anisotropie ist, desto besser…

Tsunami-Frühwarnsystem im Indischen Ozean

20 Jahre nach der Tsunami-Katastrophe… Dank des unter Federführung des GFZ von 2005 bis 2008 entwickelten Frühwarnsystems GITEWS ist heute nicht nur der Indische Ozean besser auf solche Naturgefahren vorbereitet….

Resistente Bakterien in der Ostsee

Greifswalder Publikation in npj Clean Water. Ein Forschungsteam des Helmholtz-Instituts für One Health (HIOH) hat die Verbreitung und Eigenschaften von antibiotikaresistenten Bakterien in der Ostsee untersucht. Die Ergebnisse ihrer Arbeit…