MONSOON

Optimierung von Herstellungsprozessen durch Simulation

© Foto zapp2photo/fotolia.de

In der Prozessindustrie, etwa bei der Herstellung von Aluminium oder Plastik, steht bei Prozessoptimierungen zur Effizienzverbesserung der hohe Verbrauch von Rohstoffen und Energie im Fokus. Allerdings sind Herstellungsprozesse häufig sehr komplex und die Folgen von Veränderungen und möglicherweise auftretende Seiteneffekte nur schwer vorhersehbar. Bis dato sind tiefer gehende Analysen daher schwierig.

Zudem sind die für eine Optimierung zu berücksichtigenden Datenmengen oftmals zu umfangreich, um flexible Anpassungen vorzunehmen oder neue Ansätze zu erproben, die Einsparungen ermöglichen. Dies wären beispielsweise die Reduktion von Ausschuss oder die Senkung der während der Herstellung verwendeten Energie. Ein weiteres Ziel einer Prozessoptimierung besteht in der allgemeinen Qualitätsverbesserung bei gleichbleibendem Energieverbrauch.

Jede Art der Umstrukturierung von Fabriken oder Herstellungsprozessen birgt Risiken einer kostenintensiven aber nicht rentablen Investition, deren messbares Ergebnis erst nach der Veränderung feststeht.

Eine Lösung zur Vermeidung dieser Risiken wird im Projekt »MONSOON« (MOdel based coNtrol framework for Site-wide OptimizatiON of data-intensive processes) erforscht. Ziel des Vorhabens ist die Entwicklung eines Systems, welches die durch Prozessänderungen und Umstrukturierungen der Fabrikanlage hervorgerufenen Auswirkungen zuverlässig simuliert. Somit wird im Voraus eine Einschätzung über das Optimierungspotential von Prozessen möglich. 

Für die Vorbereitung der Simulationen wird zunächst ein Modell der bestehenden Produktionsabläufe spezifiziert. Auf dieser Basis werden dann echte Sensordaten mit dem modellierten Prozessschritt verknüpft und mit relevanten Zusatzinformationen angereichert. Die gesammelten Daten werden dann in einem eigens geschaffenen »Cross Sectorial Data Lab« zur Analyse und Bewertung bereitgestellt.

Mit Hilfe des Modells können nun Änderungen von Prozessparametern oder Abläufen während der Herstellung beschrieben werden. Das Data Lab gibt Auskunft über die zu erwartenden Ergebnisse der Veränderungen. Die im Projekt zu entwickelnden Analysealgorithmen erlauben die Verwendung des Ansatzes in verschiedenen industriellen Bereichen und eine Anpassung je nach Optimierungsbedarf.

Neben der Anforderungsanalyse bringt FIT auch seine Expertise aus den Bereichen Internet-der-Dinge und Industrie 4.0 ein und ist als technischer Manager im Projekt für die Software-Architektur sowie für die Entwicklung und den Aufbau des »Cross Sectorial Data Lab« verantwortlich. 

Das Projekt wird im Rahmen des Calls Spire-02-2016 Horizon 2020 von der Europäischen Union gefördert.

 

  • Offizielle Projektwebseite