MONSOON

Optimierung von Herstellungsprozessen durch Simulation

© zapp2photo/fotolia.de

Projektzeitraum: Okt. 2016 – Sep. 2019     

Finanzierung: 5,5 Millionen € aus dem EU-Förderprogramm Horizon 2020

Partner: 12

Projektkoordinator: LINKS Foundation (Italien)

Aufgaben FIT: Technisches Management, iteratives Anforderungsmanagement, Weiterentwicklung und Integration von IoT Middlewares, Software-Architektur, Prozessanalyse

 

In der Prozessindustrie, z.B. bei der Herstellung von Aluminium oder Kunststoffen, konzentrieren sich effizienzsteigernde Prozessoptimierungen auf den hohen Verbrauch von Rohstoffen und Energie. Die Produktionsprozesse sind jedoch in vielen Fällen sehr komplex, und die Folgen von Veränderungen sowie mögliche Nebenwirkungen sind schwer vorhersehbar. Daher sind gründliche Analysen bisher eine echte Herausforderung.

Auch ist in vielen Fällen die Datenmenge, die im Optimierungsprozess berücksichtigt werden muss, zu groß, um flexible Anpassungen vorzunehmen oder neue Konzepte auszuprobieren, die zu größeren Einsparungen führen können, z. B. durch Reduzierung von Abfall oder Energieverbrauch. Ein weiteres Ziel der Prozessoptimierung ist die allgemeine Qualitätsverbesserung bei gleichbleibendem Energieverbrauch.

Jede Art der Umstrukturierung von Anlagen oder Produktionsprozessen birgt das Risiko, eine kostspielige, aber unrentable Investition zu sein, deren Ergebnis erst lange nach der Umsetzung der Änderung bekannt ist.

Eine Möglichkeit, dieses Risiko zu vermeiden, wurde im Projekt MONSOON untersucht. Ziel des Projekts war die Entwicklung eines Systems, das es ermöglicht, durch die Überwachung von Produktionsprozessen und die Bereitstellung relevanter KPIs Optimierungspotenziale zu identifizieren. Simulationen der Folgen von Prozessänderungen und der Umstrukturierung von Produktionsanlagen unterstützen die Prognose des potenziellen Nutzens der Prozessoptimierung.

Um mögliche Optimierungen zu identifizieren, wurde zunächst ein Modell des aktuellen Produktionsprozesses spezifiziert. Auf dieser Basis wurden reale Sensordaten und relevante Zusatzinformationen an den Prozessschritt im Modell angehängt. Die so erfassten Daten wurden dann in einem speziell für diesen Zweck eingerichteten »Cross Sectorial Data Lab« zur Analyse und Auswertung zur Verfügung gestellt.

Das Modell konnte dann zur Beschreibung von Änderungen der Prozessparameter oder des Ablaufs des Produktionsprozesses verwendet werden. Das Data Lab zeigte, welche Konsequenzen aus diesen Veränderungen zu erwarten waren. Die Algorithmen, die im Projekt für diese Art der Analyse entwickelt wurden, erlauben es, diesen grundlegenden Ansatz in verschiedenen Branchen zu verwenden und ihn an unterschiedliche Optimierungsbedürfnisse anzupassen.

Bei der Durchführung der Anforderungsanalyse brachte FIT auch seine Expertise im Internet der Dinge und der Industrie 4.0 in das Projekt ein. Als technischer Leiter des Projekts war FIT für die Definition der Software-Architektur verantwortlich und trug wesentlich zur Integration heterogener Datenquellen sowie zur Entwicklung und Integration des »Cross Sectorial Data Labs« bei.

Ergebnisse

Das MONSOON-Projekt lieferte mehrere Lösungen zur Optimierung von Prozessen in der Aluminium- und Kunststoffproduktion. Mit Projektende waren die folgenden Ergebnisse verwirklicht worden:

  • Vier erfolgreiche Geschäftsfälle, zwei in der Kunststoff- und zwei in der Aluminiumproduktion, die später in einem industriellen Umfeld getestet wurden
  • Etablierung einer Methode für Best Practices
  • MONSOON legte den Grundstein für zukünftige Forschung zur Optimierung von Produktionsprozessen

»Das Projekt MONSOON hat alle strategischen Ziele erreicht und Fortschritte für die Prozessindustrie gezeigt«, so Alexander Schneider, Projektleiter des Fraunhofer FIT.

Nächste Schritte

Die Technologie von MONSOON wird auch nach Projektende weiterverwendet. So wurden einige der Open-Source-Software-Komponenten von MONSOON in dem neuen Projekt eFactory integriert. Dieses startete im Januar 2019 und wird voraussichtlich im Dezember 2022 enden.

Aktualisierung: Juni 2020