克朗斯为 Dynafill 灌装机开发了以人工智能为基础的新型灌装液位调节系统。此前，操作人员需要手动调整灌装缸内的压力，以此保证灌装液位。而这项新技术可以根据流程参数的变化自动做出反应，将灌装液位恒定保持在设定值。由此，可以减轻操作人员的劳动强度，减少不合格产品，因为没有注意到参数变化造成的设备停机已经成为历史。这套系统正处于现场测试阶段，目前应用在一家大型客户。
在Dynafill灌装机中，最新一代控制系统利用内置的人工智能模块调节灌装液位。借此，确保恒定的灌装质量，减少设备停机，降低废品率。这种技术还能减轻操作人员的劳动强度，使饮料灌装更加节约资源。
灌装缸的压力决定灌装液位
这项新技术的出发点是解决 Dynafill 中的灌装液位调整问题。这种机器在仅仅五秒钟内就能完成一个瓶子的灌装和封盖，具有一系列独特的性能，其中包括特殊的真空灌装流程。瓶子完成二氧化碳吹扫之后，通过抽真空达到非常少的残留气体，在瓶子和灌装缸之间产生一个压力梯度。在大约半秒钟之内，产品被“吸”到瓶中。当瓶子和灌装缸之间达到压力平衡后，灌装过程结束。依据灌装缸内的压力大小，液体上方的残留气体或多或少地被压缩，瓶子随之出现高液位或者低液位。因此，Dynafill的灌装缸压力成为灌装液位的调节参数。为了保证产品的质量规定，必须精确地调节灌装缸的压力。在这个方面，常常存在很大的挑战。
许多参数可以影响灌装液位和灌装缸压力之间的相互作用。由于这些参数在灌装过程中持续变化，因此必须动态调节灌装缸的压力。产品的温度和二氧化碳含量以及瓶内的真空度是最大的影响参数。即使这些灌装条件发生微小的变化，也能对压力平衡产生影响。在某些情况下，需要操作人员精心地完成补充调节。例如，设备停机后，产品长时间保留在灌装缸内，温度升高。操作人员必须相应地调整灌装缸压力，当温度正常后，再次进行调整。克朗斯灌装专家 Dynafill d项目开发负责人Christian Bockisch表示，设备启动时的情况更加复杂：“此时，产品温度变化非常快，需要不断对压力进行人工调节。在此所需的精度和速度很难人工完成。”
通过机器学习掌控复杂的相互关系
“此前，需要为灌装机控制系统制订转换表。这个表格为不同的温度曲线设定相应的压力值。对于每一种新产品，都需要进行大量的测量，制订这种表格”，Christian Bockisch解释说。他的同事、数据科学家和克朗斯人工智能团队机器学习专家Marinus Bommer博士解释为什么灌装液位调节非常适合机器学习模型：“我们将压力作为调节参数，将灌装液位作为结果，通过Checkmat检测系统对每一瓶的灌装液位进行检测，不断对设定值进行微调。借此，我们在机器设定和结果之间建立一个封闭的调节回路。”此外，由于多个参数都能影响灌装流程，产生更加复杂、更高维度的问题，而人工智能模块可以更加简单、更加方便地处理这些问题。推出新产品时，解决方案也更加灵活。
人工智能模块可以再现所有对灌装液位具有影响的因素。因此，对于某些复杂场合，人工智能是最佳的解决方案。
Christian Bockisch克朗斯Dynafill研发项目负责人
模型的原始数据采用传感器测得的产品温度和二氧化碳含量以及瓶内真空压力。该模型设定一个灌装缸压力，依据灌装液位测量值与设定值的差值训练每一个组合的正确压力调节。“通过这种方式，该模型模拟对灌装液位具有影响的全部因素--包括不明确的影响因素。因此，对于某些复杂场合，人工智能是最佳的解决方案”，Christian Bockisch强调说。完成训练后，该模型可以对灌装条件的变化自动做出反应，将灌装液位恒定保持为设定值。这种模块可以瞬间捕捉到极其微小的流程变化，如果没有人工智能，这种微小变化基本上无法被发现，直到出现不合格产品或者机器停机。常规的调节系统一般在液位检测装置显示故障后才做出反应。这个过程虽然只持续几秒钟，但在这段时间内产品温度已经再次发生变化，特别是在机器启动阶段。这种以人工智能为基础的解决方案在灌装液位出现偏差前就已经将问题解决。
人工智能的实际应用
机器学习模型安装在生产线的边界设备Krones ReadyKit中。依据产品温度、二氧化碳含量以及真空压力和灌装液位理论值和实际值对比等传感器数据，该模型计算所需的灌装压力，并将该数值传送给Dynafill的控制系统。在Dynafill灌装机发货时，克朗斯人工智能团队根据对预计产品的经验设定初始模型。在生产线开始生产对应产品时，开始训练这个初始模型。训练本身在克朗斯物联网平台的云存储中完成。训练所需要的全部数据（灌装条件的传感器数据以及来自Checkmat的液位高度相机数据）首先从生产线传送给ReadyKit，然后从那里发送至云平台。根据不同的生产比例，培训过程需要几天至几个星期。由此产生的模型固化在ReadyKit中，此后，该模型在机器的内部网络中运行，不受互联网质量的影响。互联网仅仅用于上传数据以及模型和软件的升级。
每一种产品都在ReadyKit中拥有自己的模型，产品转换时，灌装机控制系统自动选择相应的模型。“我们正在现场测试一台配备人工智能系统的Dynafill灌装机，它大约灌装十种不同的产品”，Marinus Bommer说。如果需要推出一种新产品，克朗斯人工智能团队就再次建立一个合适的初始模型，然后通过云平台对其进行训练。克朗斯服务团队不需要去现场为新产品调试机器，也不需要特殊的专家知识。由于这种模型存放在边界设备内，灌装机控制系统本身不需要通过数据载体进行升级。对此，人工智能团队从新特劳普林将新的模型存储到ReadyKit中。伴随着灌装机的启动，开始训练。“上一次调试新品种，现场同事和我计划半个小时完成--实际上，15分钟后灌装液位调节系统就可以正常使用了”，Bommer说。
上一次调试新品种，现场同事和我计划半个小时完成--实际上，15分钟后灌装液位调节系统就可以正常使用了。
Marinus Bommer博士克朗斯人工智能团队数据科学家
优势简介
以人工智能为基础的灌装液位调节系统不仅仅是饮料行业的一个里程碑，Christian Bockisch对此表示：“总体上看，这种贴近实践的人工智能应用是B2B业务的一种尝试。配备机器学习模型的控制系统在这个领域目前尚未普及。”
对于饮料生产企业，这种新技术意味着效率、生产率和可持续发展。其控制系统可以高效、精准地调节灌装液位，确保稳定的灌装质量。通常情况下，一名操作工需要同时照看多台机器，无法始终在合适的位置对出现的问题做出快速反应，因此，这种系统可以极大地减轻操作人员的劳动强度。现在，他们可以专心做一些其它工作。总体上看，新的控制系统可以将人工干预减少到最低限度，此外，操作工不需要特殊的专业知识就能掌控 Dynafill 灌装机。
稳定的灌装质量还能降低废品率，进而减少材料消耗。因此，以人工智能为基础的调节系统还能节省能源和资源，协助饮料生产企业实现其可持续发展目标和效率目标。
