DAPRO
Datengetriebene Prozessoptimierung mit Hilfe maschinellen Lernens in der Getränkeindustrie
(Projektlaufzeit Januar 2019 bis Dezember 2021; Projektbearbeitung erfolgt durch RIF e.V., Abteilung Produktionssysteme)
Problemstellung
Ein erhöhter Preis- und Wettbewerbsdruck sowie Initiativen zur Steigerung der Energie- und Ressourceneffizienz stellen die Getränkeindustrie vor große Herausforderungen der Rationalisierung. Bestehende Ansätze der Prozessoptimierung geraten bei biochemischen Prozessen mit komplexen Kombinationen verschiedener Einflussgrößen an ihre Grenzen. Lösungsansätze aus dem Bereich des maschinellen Lernens sind in der Getränkeindustrie bis dato nicht existent. Sowohl Maschinen- und Anlagenbauer als auch die Betreiber haben den Mehrwert der erzeugten Daten zur Effizienzsteigerung bis hin zur Nutzung als eigenständiges Wirtschaftsgut erkannt und arbeiten gemeinsam an Lösungsmustern zur datengetriebenen Prozessoptimierung mit Hilfe maschinellen Lernens.
Zielsetzung
Ziel des Forschungsprojekts DaPro ist die Entwicklung einer modularen Referenzarchitektur zur kollaborativen Datennutzung in der Getränkeindustrie zur Ermöglichung datengetriebener Prozessoptimierungen. Die enge Kooperation zwischen Anwendern, Maschinen- und Anlagenbauern ermöglicht die Entwicklung innovativer, datengetriebener Prozessoptimierungen und fördert die Digitalisierungsbestrebungen der Prozessindustrie. Im Fokus steht die Entwicklung eines Werkzeugkoffers an Data Mining-Modulen sowie einer IoT-Referenzarchitektur für die Getränkeindustrie. Parallel werden bei den Anwendungspartner exemplarische Use Cases definiert und umgesetzt. Diese praxisnahen Beispiele ermöglichen den Aufbau spezifischer Analysemodule und die Validierung erstellter Lösungsmuster.
Vorgehensweise und Arbeitsteilung
Das Verbundprojekt ist auf eine Laufzeit von drei Jahren ausgelegt. Zu Beginn müssen die Grundlagen zur Entwicklung der Referenzarchitektur erarbeitet werden. Hierzu werden der Ist-Zustand der Getränkeindustrie aufgenommen und die Anforderungen an die Referenzarchitektur definiert. Anschließend wird die Referenzarchitektur konzeptioniert und ausgestaltet. Hierzu zählt die Erstellung verschiedener Data Mining Module im Rahmen eines Werkzeugkoffers, die Betrachtung verschiedener Nutzenkonzepte sowie der Aufbau entsprechender Kompetenzen. Zeitgleich finden die Ausgestaltung praxisnaher Anwendungsszenarien sowie deren anschließende Umsetzung statt. Die im Rahmen der Anwendung gewonnenen Ergebnisse dienen sowohl zur Weiterentwicklung der Gesamtsystematik als auch zu deren Validierung. Diese Ergebnisse werden in Wissenschaft und Praxis transferiert.
Forschungs-, Entwicklungs- und Anwendungspartner
Förderhinweis
Dieses Forschungs- und Entwicklungsprojekt wird/wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) im Programm „Strategische Einzelprojekte – Daten als Wirtschaftsgut“ (Förderkennzeichen 01MT19004D) gefördert und vom DLR Projektträger betreut.