Forecasting Process Duration in Industrial Food Drying: A Comparison of Neural Networks and Tree-Based Learners

Der Prozess des Trocknens von Fleisch ist ein etabliertes Verfahren in der Lebensmittelindustrie. Er spielt daher eine wesentliche Rolle in diesem Herstellungsprozess, da er eine längere Lagerung ermöglicht und zur Sterilisierung der Lebensmittelprodukte beiträgt. Der Trocknungsprozess selbst hängt von einer Vielzahl von Faktoren ab, von denen einige den Trocknungsprozess erheblich beeinflussen, während andere ihn nur geringfügig beeinflussen. Zu wissen, welche Faktoren den Trocknungsprozess – insbesondere die Durchlaufzeit (Trocknungsdauer) – beeinflussen, ermöglicht es Unternehmen, den Prozess zu optimieren, bei gleicher Ergebnisqualität kürzere Zeiten zu erreichen oder einen stabileren Produktionsablauf mit geringeren zeitlichen Schwankungen zu gewährleisten.
Einzelne Datenpunkte im Produktionsdatensatz können nicht direkt mit der Trocknungsdauer in Verbindung gebracht werden, was den Analyseansatz beeinflusst. In dieser Arbeit haben wir die Daten eines KMU in der Lebensmittelindustrie analysiert und mehrere Ansätze verglichen, um die Korrelation zwischen vorhandenen Sensordaten und der Durchlaufzeit eines Trocknungsprozesses zu bewerten. Der Schwerpunkt der Arbeit liegt auf den unterschiedlichen Ansätzen der Korrelationsanalyse unter Verwendung neuronaler Netze und baumbasierter Lernverfahren sowie auf dem Einsatz verschiedener statistischer Kenngrößen in diesen Analysen.
Die Ergebnisse zeigen, dass baumbasierte Lernverfahren sich gut für die Korrelationsanalyse von Prozessdaten und die Vorhersage der Dauer von Trocknungsprozessen eignen. Zeitreihendaten können für eine Korrelationsanalyse effektiv genutzt werden, indem die mehrdimensionalen Daten mithilfe von Bibliotheken wie catch22 oder tsfresh auf eindimensionale Daten reduziert werden. Unternehmen können das Wissen über die Korrelation zwischen Prozessdaten und Trocknungsdauer nutzen, um die Trocknungszeiten zu verkürzen; zugleich kann das Verständnis der Dauer des Trocknungsprozesses die Produktionsplanung erleichtern.