MONSOON

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.