Mapping variability in food drying and storage using hybrid physics-based modeling and Digital Twins

Die Lebensmittelindustrie steht vor der Aufgabe, Abfälle zu reduzieren, Energie effizient zu nutzen und gleichzeitig eine konstante Produktqualität sicherzustellen. Diese Dissertation untersucht die Hypothese, dass die Integration von Variabilitätsmodellen in digitale Zwillinge eine dynamische Bewertung ganzer Produktchargen während gekühltem Transport und thermischer Verarbeitung ermöglicht. Dadurch können Prozessleistung, Produktqualität und Ressourceneffizienz gezielt verbessert werden. In drei Studien wird gezeigt, wie produktzentrierte digitale Modelle das Verhalten von Lebensmittelchargen simulieren und so Einblicke liefern, die mit konventioneller Sensorik nur eingeschränkt zugänglich sind. Studie 1 analysiert den gekühlten Transport in LKW-Anhängern mittels Strömungs- und Wärmeübertragungssimulationen. Es wird gezeigt, dass direkter Wandkontakt die Temperaturstreuung erhöht, insbesondere bei thermisch schlecht leitenden Produkten. Optimierte Beladung und Luftführung reduzieren diese Heterogenität. Studie 2 entwickelt einen hybriden digitalen Schatten für die Hordentrocknung von Karottenscheiben. Sensitivitäts- und Monte-Carlo-Analysen identifizieren die Scheibendicke als wichtigsten Einflussfaktor für Trocknungszeit und β-Carotin-Erhalt. Der Trocknungsendpunkt kann risikobasiert über das 99%-Perzentil der Wasseraktivität festgelegt werden. Studie 3 nutzt das Modell zur multikriteriellen Optimierung. Variationen von Luftbedingungen, Scheibendicke und Blechporosität werden hinsichtlich Trocknungszeit, Durchsatz, Energiebedarf und Qualitätsparametern bewertet. Die Ergebnisse zeigen, wie Zielkonflikte zwischen Effizienz und Qualität systematisch abgewogen werden können. Die Arbeit zeigt das Potenzial hybrider digitaler Zwillinge zur Bewertung von Produkt- und Prozessvariabilität und schafft Entscheidungsgrundlagen für Qualitätssicherung, Ressourceneffizienz und Prozessinnovation in Lebensmittelwertschöpfungsketten.