DaPro - abgeschlossen

Datengetriebene Prozessoptimierung mit Hilfe maschinellen Lernens in der Getränkeindustrie

Technologiebereich: (Mathematische) Optimierung & Planung; Machine Learning

DaPro entwickelt am Beispiel von Szenarien in der Brauwirtschaft Standards und Methoden zur Auswertung großer Datenmengen in der Getränkeindustrie. Die Daten werden ─ unterstützt durch maschinelles Lernen ─ analysiert, um komplexe Prozesse in der Produktion zu optimieren.

Herausforderung
Die Getränkeindustrie steht unter hohem Wettbewerbsdruck: Bei steigender Variantenvielfalt, stagnierenden Preisen sowie sinkenden Losgrößen steigen die Kosten, besonders für Energie und Rohstoffe. Vor diesem Hintergrund sind die Hersteller gefordert, Produktionsprozesse zu optimieren. Potenzial dafür steckt in der Auswertung von Produkt- und Prozessdaten der gesamten Wertschöpfung. Durch einen hohen Grad der Automatisierung und den umfangreichen Einsatz von IT-Systemen sind in der Getränkeindustrie bereits enorme Datenbestände vorhanden. Doch bisher war es aufgrund der Größe des Datenvolumens kaum wirtschaftlich, diese Quelle auszuwerten. Fortschritte vor allem im Bereich Data Mining, also bei der systematischen Anwendung statistischer Methoden auf große Datenbestände (Big Data), bieten nun die Chance dazu. Jedoch stellen schwankende Parameter natürlicher Rohstoffe als Eingangsgrößen, eine hohe Anzahl an Einflussfaktoren, heterogene IT-Strukturen sowie ein starker zeitlicher Versatz zwischen Ursache und Wirkung die Anwendung dieser Methoden vor große Herausforderungen in der Praxis.

Umsetzung
Ziel des Forschungsprojekts DaPro ist die Entwicklung eines Werkzeugkoffers und einer Referenzarchitektur, die es sowohl Produzenten als auch Anlagenherstellern aus der Getränkeindustrie erlauben, Daten kollaborativ zur Prozessoptimierung zu verwerten. Ein Kernvorhaben besteht in der Entwicklung eines Werkzeugkoffers an Data-Mining-Modulen, um die Anwender zur eigenständigen Durchführung von Optimierungsprojekten zu befähigen. Diese Werkzeuge werden praxisnah bei den Partnern aus der Brauwirtschaft definiert und erprobt. Hier gilt es, komplexe biochemische Prozesse zu analysieren, um entlang der gesamten Prozesskette der Getränkeindustrie datenbasierte Optimierungspotenziale zu realisieren.

Prototypische Umsetzungen erfolgen am Beispiel der Vorhersage zur Verarbeitbarkeit des Malzes bereits im Wareneingang, um die Sudhausprozesse optimal zu steuern. Weiterhin steht die Vorhersage der Filterstandzeit im Filtrationsprozess vor der Flaschenabfüllung im Fokus, der besondere Herausforderungen des zeitlichen Versatzes von Ursache und Wirkung sowie der komplexen Chargenkonstellationen vereint. Während des Abfüllprozesses sind die verketteten Abfüllanlagen und insbesondere deren Engpass-Maschinen bestmöglich auszunutzen. Ziel ist es einerseits, Leitmaschinenstillstände der stillstandsverursachenden Maschine zuzuordnen und damit eine Fehlersuche und Optimierungsgrundlage zu schaffen. Andererseits gilt es, Ausfälle von Motoren im Rahmen eines Predictive-Maintenance-Anwendungsszenarios durch Stromdatenanalyse vorherzusagen und mit einem Gesundheits-Score zu überwachen. In einem weiteren Anwendungsfall werden zudem bereichsübergreifend Strom-Lastspitzen vorhergesagt, um energieaufwändige Schaltspiele zu reduzieren und neben einer verbesserten Rohstoff-Nutzung auch die Energieverbräuche zu reduzieren. Zudem erfolgt in einem Cyber-Physischen Braudemonstrator unter Anwendung maschineller Lernverfahren eine Rezeptoptimierung: Hier werden auf Basis von Kundenfeedback nicht nur verschiedene Biersorten iterativ verbessert, sondern auch der Werkzeugkoffer und die Referenzarchitektur anfassbar demonstriert.

Anwendung und Nutzen
Neben den ökonomischen Vorteilen, die durch die datengetriebene Prozessoptimierung erwartet werden, verfolgen die Partner aus der Brauwirtschaft auch das Ziel, ihre Produktion unter ökologischen Gesichtspunkten nachhaltiger zu gestalten, um Energie zu sparen und Rohstoffe effizienter zu nutzen. Über die konkreten Anwendungsszenarien hinaus soll DaPro dazu beitragen, die ökonomische Datennutzung in der Getränkeindustrie sowie für die gesamte Prozessindustrie voranzubringen.

Konsortium
Bitburger Braugruppe GmbH, RapidMiner GmbH, SYSKRON X GmbH, RIF Institut für Forschung und Transfer e.V., Augustiner-Bräu Wagner KG