Needs-based and energy efficient parts drying using process monitoring and control

Drying is a critical operation across a wide range of industries, including agriculture, food, pharmaceuticals, and metalworking. Despite its importance, drying remains one of the least understood industrial processes due to the complexity of the physical phenomena involved. In the metalworking industry, drying within the context of parts cleaning plays a vital role in ensuring the success of downstream processes like coating and joining. However, the parts drying process is commonly configured in manual iterations or based on expert knowledge. Since ensuring sufficient process quality often implies overdrying, this situation leads to a target conflict between reducing the process’ energy consumption and its configuration effort. Given increasing pressures to reduce industrial carbon emissions, the primary objective of this dissertation is to enable energy savings in convective parts drying processes in throughput cleaning machines. Against this backdrop, solutions for energy-efficient and needs-based convective parts drying in throughput cleaning machines are developed and implemented. First, a systematic method for describing the dryness level of parts, which is automatically monitored via two distinct developed approaches. The first is a machine-learning-based virtual sensor, which uses low-cost sensors to predict dryness levels. The second is a thermography-based computer vision system that assesses the part dryness based on infrared images of the dried parts. Finally, a closed-loop fuzzy logic controller is developed, designed to mimic human decision-making in adjusting the drying process. The controller uses the dryness predicted by the virtual sensor to achieve the target dryness via an energy efficient parameter selection. Field tests reveal that the proposed control system reduces energy consumption of the drying system by more than 60% compared to the corresponding uncontrolled reference process, exhibiting the potential for substantial energy savings.

Trocknung ist ein entscheidender Prozess in einer Vielzahl von Branchen, wie Landwirtschaft, Lebensmittel, Pharmazie und Metallverarbeitung. Trotz ihrer Bedeutung bleibt die Trocknung eines der am wenigsten verstandenen industriellen Verfahren aufgrund der hohen Komplexität der zugrunde liegenden physikalischen Phänomene. In der metallverarbeitenden Industrie ist die Trocknung im Rahmen der Bauteilreinigung ausschlaggebend für den Erfolg nachgelagerter Prozesse, wie z. B. Beschichtung und Fügen. Nichtsdestotrotz wird der Trocknungsprozess von Bauteilen oft in manuellen Iterationen oder auf Basis von Expertenwissen ausgelegt. Da die Sicherstellung der Prozessqualität oft mit einer Übertrocknung einhergeht, entsteht hier ein Zielkonflikt zwischen der Reduzierung des Energieverbrauchs und dem Auslegungsaufwand des Prozesses. Angesichts des zunehmenden Drucks zur Verringerung industrieller CO2-Emissionen ist das primäre Ziel dieser Dissertation, Energieeinsparungen in konvektiven Bauteiltrocknungsprozessen in Durchlaufreinigungsanlagen. Vor diesem Hintergrund werden Lösungen für eine energieeffiziente und bedarfsgerechte konvektive Bauteiltrocknung in Durchlaufreinigungsanlagen entwickelt und an einer Forschungsanlage implementiert. Zunächst wird eine systematische Methode zur Beschreibung der Trockenheit von Bauteilen vorgestellt, welche mittels zwei unterschiedlicher entwickelter Ansätze automatisch überwacht wird. Der erste Ansatz ist ein Machine-Learning-basierter virtueller Sensor, der kostengünstige Sensoren verwendet, um die Trockenheit zu schätzen. Der zweite Ansatz ist ein thermografiebasiertes Computer-Vision-System, das die Bauteiltrockenheit basierend auf Infrarotbildern der getrockneten Bauteile bewertet. Abschließend wird ein Fuzzy Logic Regler entwickelt, der die menschliche Entscheidungsfindung bei der bedarfsgerechten Prozessanpassung nachahmt. Der Regler nutzt die vom virtuellen Sensor geschätzte Bauteiltrockenheit, um mit einer energieeffizienten Parameterwahl die Zieltrockenheit zu erreichen. Die durchgeführten Experimente weisen durch den Einsatz des Reglers eine Energieeinsparung von über 60% des Trocknungssystems im Vergleich zum ungeregelten Referenzprozess, was das signifikante Energieeinsparungspotenzial aufzeigt.