Zum Inhalt
Fakultät Maschinenbau
PROJEKT DES KOOPERATIONSPARTNERS RIF E.V.

DAPRO

Logo DaPro © IPS​/​ TU Dortmund
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.

Das Diagramm zeigt die Implementierung einer IoT-Referenzarchitektur in der Brauindustrie und beschreibt die Zusammenarbeit verschiedener Akteure sowie die notwendigen Schritte zur Umsetzung.  Zu Beginn steht ein Werkzeugkoffer zur Unterstützung des Projekts zur Verfügung. Die zentrale Komponente des Projekts ist die IoT-Referenzarchitektur, die in mehrere Ebenen unterteilt ist: die Extraktions-, Transformations-, Verwaltungs-, Data Mining-Ebene sowie die Vorhersage der Läuterdauer. Datenwissenschaftler nutzen adaptive Data Mining-Module wie RapidMiner, um die Daten zu analysieren und zu verarbeiten.  Ein weiterer wichtiger Bestandteil ist die Einführungssystematik und Kompetenzentwicklung, die Maßnahmen zur Schulung und Entwicklung von Fähigkeiten für die Anwender umfasst. Parallel dazu wird ein Nutzungskonzept und Geschäftsmodell entwickelt, das die Planung und Strategie für die praktische Anwendung der Technologie beschreibt.  In der letzten Phase erfolgt die Umsetzung der entwickelten Lösungen bei verschiedenen Brauereien wie Bitburger und Licher. Partner wie Syskron, VLB Berlin und das RIF Institut für Forschung und Transfer spielen eine wichtige Rolle und tragen zum Erfolg des Projekts bei. Verschiedene Logos und Icons im Diagramm repräsentieren die jeweiligen Partner und Phasen des Projekts. © IPS ​/​ TU Dortmund

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.