Das Siegerprojekt setzt IoT, KI und Big Data zur frühzeitigen Prognose von Qualitätsab-weichungen am Fertigprodukt ein und reduziert damit den CO2-Fußabdruck. [...]
Künstliche Intelligenz und Big Data gehören zu den zentralen Gamechangern der industriellen Transformation und tragen wesentlich dazu bei, dass die Industrieproduktion in Zukunft wertvolle Energie und Rohstoffe sparen und somit umweltschonender erfolgen kann.
Ein international vielbeachtetes Vorzeigeprojekt wurde von AMAG Austria Metall AG gemeinsam mit Digitalisierungspartner ACP CUBIDO in Ranshofen in Oberösterreich umgesetzt und nun bei der 1. LSZ Green Business Data Challenge als Sieger ausgezeichnet.
Wolfgang Ennikl, Geschäftsführer der ACP CUBIDO: „Wir sind sehr stolz darauf, dass wir dieses innovative Predictive-Quality-Projekt als Digitalisierungs-Partner für die AMAG Austria Metall umsetzen durften. Es ist ein wunderbares Beispiel dafür, wie IoT, Big Data, KI und Data Science in der Industrie eingesetzt werden können, um nachhaltiger und ressourcenschonender zu produzieren. Besonders freuen wir uns natürlich auch, dass wir sowohl die Expert:innen-Jury als auch das Publikum mit unserem Projekt überzeugen konnten und damit als klarer Sieger der Wertung hervorgegangen sind.“
Werner Aumayr, CIO der AMAG Austria Metall AG: „Diese Auszeichnung ist für uns eine wertvolle Bestätigung unserer Nachhaltigkeitsarbeit und zeigt, dass wir einen wesentlichen Beitrag zum Klima- und Umweltschutz leisten. Das Projekt war und ist von einer sehr engen Zusammenarbeit zwischen dem AMAG- und dem ACP CUBIDO-Team geprägt und konnte nur gemeinsam mit den Expert:innen aus den Fachabteilungen und der IT-Abteilung der AMAG realisiert werden. ACP CUBIDO verantwortete dabei das Software-Engineering zur Anbindung von Maschinen sowie Data-Engineering, um die gesammelten Daten aufzubereiten. Dabei reden wir von rund 10.000 Sensoren pro Maschine, die uns im Millisekunden-Takt Daten liefern. Die Data Scientist:innen setzten anschließend auf der Datenbasis auf, um relevante Erkenntnisse aus den Daten zu gewinnen und für die Produktion umsetzbar zu machen. Mittels KI, Data Science und Predictive Analytics können wir heute den Prozess zur Herstellung von Luftfahrtwerkstoffen optimieren.“
Heidrun Kopp, Mitglied der Expert:innen-Jury der LSZ Green Business Data Challenge und Leiterin der Weiterbildungsprogramme ESG & Sustainable Finance der FHWien der WKW: „Projekte wie dieses zeigen die wachsende Bedeutung, die Künstliche Intelligenz und Big Data für den nachhaltigen Transformationsprozess von Unternehmen haben. Ich gratuliere den Gewinnern und freue mich, dass österreichisches Knowhow nicht nur einen wesentlichen Beitrag zum globalen Umweltschutz leistet, sondern unsere Unternehmen auch europaweit eine Vorreiterrolle einnehmen.“
Ressourcen-Optimierung mittels Big Data-Ansatz
In dem prämierten Projekt geht es um die Verringerung von Ausschuss und die Einsparung wertvoller Energie und Rohstoffe mittels IoT, Big Data, Künstlicher Intelligenz und Data Science basierend auf der Technologie von Microsoft Azure. Seit mehr als 15 Jahren entwickelt die AMAG physikalisch basierte Simulationswerkzeuge, um die komplexen Prozessschritte bei der Herstellung von Aluminiumwalz- und Gussprodukten beschreiben und optimieren zu können.
Ergänzend dazu werden seit einigen Jahren gemeinsam mit den Expert:innen der ACP CUBIDO statistische Methoden sowie Big Data und Predictive Analytics eingesetzt. Die Kombination dieser IT-Lösungsansätze hat zu sehr erfolgreichen Neuentwicklungen und Optimierungen in der AMAG geführt.
Die AMAG Austria Metall AG zeigt in ihrem Pilotprojekt am Produktionsstandort Ranshofen wie Data Science zur Optimierung von Produktionsprozessen genutzt werden kann. AMAG ist Experte für Guss- und Walzprodukte aus Aluminium insbesondere für Produkte der Automobil- und Luftfahrtindustrie.
Die größte Herausforderung im Rahmen des ausgezeichneten Projekts und damit die wichtigste Aufgabenstellung war die Qualitätsüberprüfung, die allerdings erst am Ende des Prozesses möglich ist. Schädliche Produktionsbedingungen sollten aber idealerweise erkannt werden, noch bevor Ausschuss entsteht.
Das machte bereits am Beginn des Projekts konkrete Analysen der unterschiedlichsten Einflussfaktoren notwendig, um Prozessdaten in der richtigen Qualität und richtigen Granularität sammeln und statistisch analysieren zu können. Die Expert:innen der ACP CUBIDO konnten hier mit ihrem umfassenden Know-how wertvolle Unterstützung leisten.
Be the first to comment