Institut für Mechatronische Systeme Forschung Forschungsprojekte
Prozessmonitoring in der Produktionstechnik (ProMoPro)

Prozessmonitoring in der Produktionstechnik (ProMoPro)

Team:  Karl-Philipp Kortmann, M. Sc., Johannes Zumsande, M. Sc.
Jahr:  2018
Förderung:  EFRE (Europäischer Fonds für regionale Entwicklung)
Laufzeit:  3 Jahre
Ist abgeschlossen:  ja
Bemerkungen:  Prof. Dr.-Ing. Tobias Ortmaier

Video

Einleitung

Die digitale Transformation industrieller Produktionsprozesse verspricht enorme Potentiale zur Produktivitätssteigerung bei gleichzeitig verbesserter Ressourceneffizienz und Flexibilität hinsichtlich zunehmender Variantenvielfalt und kleineren Losgrößen. Die durchgängige Vernetzung von Anlagenkomponenten und zentralisierte Datenerfassung ermöglichen zunächst ein umfassendes Monitoring immer komplexerer Prozessketten. Eine zuverlässige Detektion von Störungen oder Anomalien, die bspw. zu verschlechterter Produktqualität, verringerter Ressourceneffizienz oder sogar schadensbedingtem Produktionsausfall führen können, erfordert die Erweiterung um geeignete Analysefunktionen, bspw. basierend auf Prozessmodellen und dem industriellen Einsatz datenbasierter Lernverfahren. Entsprechende Ansätze ermöglichen zudem einen tieferen Einblick in die Prozessabläufe und somit das Erlangen erweiterten Prozesswissens bzw. -verständnisses, sodass fundierte Entscheidungen bei der Prozesssteuerung getroffen werden können.

Beschreibung des Projektes

Das übergeordnete Ziel des Forschungsprojektes ProMoPro besteht in der Schaffung universeller Werkzeuge und Verfahren zur Digitalisierung von Produktionsanlagen energieintensiver Industriezweige und dem prototypischen Einsatz am Beispiel eines Grünsandgussprozesses. Zunächst werden hierzu anhand einer umfassenden Systemanalyse verschiedene Prozesszielgrößen definiert und kritische Anlagenzustände detektiert. Um den komplexen Gesamtprozess modellieren zu können, wird dieser in geeignete Teilprozesse partitioniert, die durch aussagekräftige Merkmale beschrieben werden können. Einhergehend mit dem Aufbau einer vernetzten Anlagenstruktur mit zentraler Datenerfassung und -speicherung wird ggf. erforderliche Sensorik ergänzt. Die Modellierung der teils hochdynamischen Prozessabschnitte und deren Analyse erfolgt anschließend mithilfe datengetriebener Algorithmen aus den Bereichen der Data Science und des maschinellen Lernens. Hierbei sollen detektierbare prozessübergreifende Zusammenhänge zwischen einzelnen Stellgrößen und den zuvor gewählten Zielgrößen die Optimierung des Produktionsprozesses und somit eine Verbesserung der Ressourcen- und Energieeffizienz ermöglichen.

Die Gesamtsumme der Projektmittel beträgt 483.553,08 €, davon werden 241.552,50 € aus EFRE- und Landesmitteln als Zuschuss gewährt.

An dem Kooperationsprojekt sind die folgenden Firmen beteiligt:

  • Die Künkel Wagner Germany GmbH ist Spezialist in den Bereichen Formanlagen, Sandaufbereitung und Gießmaschinen und unterstützt das Projekt durch ihr breites Domänenwissen im Bereich der Gussprozesse und bei der Digitalisierung der Produktionsanlage.
  • Die Meierguss (Heinrich Meier Eisengießerei) GmbH & Co. KG ist als Unternehmen der MEIERGUSS | GRUPPE deutschlandweit größter Hersteller von Gussprodukten für die Entwässerungstechnik sowie den Baumschutz. Meierguss gewährt Zugang zu den Produktionsanlagen (Grünsandguss).
  • Die IAV GmbH Ingenieurgesellschaft Auto und Verkehr ist einer der führenden Anbieter von Entwicklungsdienstleistungen im Bereich Automotive sowie dem Consulting von Entwicklungsprozessen und unterstützt das Projekt bei der Konzipierung der Übertragbarkeit der am Beispiel des Grünsandgusses entwickelten Methoden und Modelle.

Das vom Mittelstand 4.0-Kompetenzzentrum Hannover „mit uns digital“ unterstützt mittelständische Unternehmen bei der digitalen Transformation. Es unterstützt das Projekt als Plattform für den wissenschaftlichen Austausch und bei der Durchführung von Workshops.

Das Projekt wird weiterhin in enger Kooperation mit der Arbeitsgruppe Advanced Control von Prof. Martin Grotjahn der Hochschule Hannover (HsH) mit dem EFRE-Projekt zur „Prädiktiven Optimalsteuerung energieintensiver Prozesse“ (PrOP) durchgeführt.