Künstliche Intelligenz optimiert die Prozesse in der Papierproduktion
Schwankende Werte an den Maschinen können bei der Herstellung von Papier zu Ausschuss und teuren Stillständen führen. Eine intelligente Softwarelösung analysiert die Daten, sodass die relevanten Parameter angepasst und Risiken minimiert werden können.
Herausforderung: Schwankungen früher erkennen
Bei der industriellen Herstellung von Papier variieren an der Papiermaschine die Werte für Flächengewicht und Feuchte der produzierten Bahnen. Kleinere Schwankungen innerhalb vorgegebener Toleranzen stellen kein Problem für den laufenden Herstellungsprozess oder die finale Produktqualität dar. Deutliche Soll-Abweichungen haben jedoch gravierendere Folgen: Bei einem zu geringen Flächengewicht ist ein Verkauf des Papiers zum Beispiel nur noch stark vergünstigt als Sonderposten möglich – oder es wird zu wertlosem Ausschuss. Doch damit nicht genug: Starke Schwankungen von Flächengewicht und Feuchte können auch zu einem Papierabriss der produzierten Bahn führen, der einen kostspieligen Stillstand der Papiermaschine sowie eine versicherungstechnisch relevante Betriebsunterbrechung nach sich zieht. Aktuell werden die Schwankungen meistens zu spät erkannt, sodass ein Ausregeln nicht mehr zeitgerecht möglich ist.
„Mit überschaubarem Aufwand und auf Basis bereits vorhandener Daten wird insgesamt eine nachhaltige Erhöhung verschiedener Werte in der Papierherstellung erreicht.“
Lösung: Regelung der Stoffdichte durch KI
Hier kommt das Unternehmen Craftworks als Partner des Funk Beyond Insurance-Netzwerks ins Spiel. „Denn die Schwankungen bei Flächengewicht und Feuchte sind auf die Abweichungen eines anderen Werts zurückzuführen: der Stoffdichte“, erklärt Manuel Zimmermann, Manager Beyond Insurance bei Funk. Im vorgelagerten Produktionsprozess kann die Stoffdichte über eine Vielzahl von Regelparametern, etwa die Dickstoffmenge, zielgerichtet beeinflusst werden, um spätere Qualitätsverluste zu vermeiden. Craftworks setzt dabei auf individuelle Lösungen, bei denen Künstliche Intelligenz, kurz KI, im Fokus steht: Im Fall eines Kunden von Funk wurden die Prozess- und Maschinendaten, die an industriellen Papiermaschinen bereits umfangreich erfasst werden, zum Anlernen einer KI-Applikation genutzt. Auf Basis von Mustern innerhalb der Regelparameter sowie statistischen Zusammenhängen der Zielgrößen von Flächengewicht und Feuchte ist die KI in der Lage, Empfehlungen zur optimalen Einstellung der Regelparameter an der Papiermaschine zu geben.
Künstliche Intelligenz/Artificial Intelligence (KI/AI)
KI ist ein Überbegriff für softwarebasierte Anwendungen, die Intelligenzleistungen des menschlichen Gehirns replizieren – Lernen, Urteilen und das Lösen von Problemen. Sie basieren dabei im Wesentlichen auf Algorithmen zur Berechnung von Wahrscheinlichkeiten und dem Erkennen von Mustern in umfangreichen Datensets. Das wichtigste Merkmal von KI-Methoden ist die Lernfähigkeit, durch die sie nicht bloß auf Basis vorgegebener, auswendig gelernter Beispiele entscheiden, sondern in der Praxis gewonnenes Wissen verallgemeinern und neu anwenden können. Dadurch liefern KI-Anwendungen mit der Zeit immer bessere Ergebnisse zu der ihnen zugewiesenen Aufgabenstellung.
Das Endergebnis ist eine Softwareapplikation, die als übergeordneter Regler für die Papiermaschine fungiert: Über eine definierte Schnittstelle erhält diese die Daten des Produktionsprozesses. Die Applikation verarbeitet die Daten und liefert dann eine Empfehlung für die Regelung der Stoffdichte sowie für deren Einfluss auf Flächengewicht und Feuchte. Damit alle Mitarbeiter der Papierproduktion die Software nutzen können, führt Craftworks bei einem Übergabetermin eine erste Schulung durch. Anschließend wird die Applikation gemeinsam auf einer IT-Infrastruktur eingerichtet.
Nutzen: wenig Aufwand, hohe Qualität und Effizienz
Die optimierte Regelung der Stoffdichte reduziert die Schwankungen von Flächengewicht und Feuchte an der Papiermaschine stark. Dadurch steigen nicht nur die Qualität des produzierten Papiers und somit die qualitätsbezogenen Kennzahlen, sondern es wird auch die Effizienz der Produktion verbessert, da es zu weniger Stillständen kommt. Darüber hinaus stellt die Prävention von Papierabrissen eine signifikante Verringerung des Brandrisikos dar: Abgerissene Bahnen laufen nämlich häufig in die Schächte unterhalb der Papiermaschine, wo sie sich leicht entzünden. „Mit überschaubarem Aufwand und auf Basis bereits vorhandener Daten wird insgesamt eine nachhaltige Erhöhung verschiedener Werte in der Papierherstellung erreicht“, sagt Dr. Alexander Skorna, Leiter Business Development bei Funk. „Dazu gehören neben der Produktionseffizienz und der Produktqualität auch die Prozessstabilität sowie die generelle Sicherheit.“
Projektverlauf: Entwicklung ohne Risiko
Funk Beyond Insurance unterteilt ein solches Projekt in mehrere Phasen, um den Ansatz frühzeitig zu bewerten und das Projekt bei negativen Erfahrungen direkt abbrechen zu können:
1. Kick-off-Workshop
Definition des Anwendungsfalls und der Ziele sowie erste Analyse der Datensets
2. Data-Analytics-Phase
Feststellung erster Korrelationen und Anwendungsfälle
3. Entwicklungsphase
Erarbeitung des Modells
4. Validierungsphase
Kontrolle und Finalisierung des Modells
Manuel Zimmermann: „In jeder Phase wird eine Einschätzung vorgenommen, ob auch die nächste Phase umsetzbar ist. Diese Einschätzung wird an den Kunden kommuniziert, sodass sich dessen Projektrisiko erheblich reduziert.“
Geeignet für: Industrieunternehmen verschiedenster Branchen
Nicht nur Papierhersteller, sondern auch Industrieunternehmen verschiedenster weiterer Branchen können von den Technologien des Funk Beyond Insurance-Partners Craftworks profitieren. Mit seinen Softwarelösungen für Predictive Quality und Predictive Maintenance hat sich das Wiener Unternehmen auf die Analyse existierender Daten aus Prozessen, Maschinen und Anlagen spezialisiert.
Predictive Maintenance
Predictive Maintenance bzw. vorausschauende Wartung/Instandhaltung beschreibt das folgende Konzept: Ungeplante Maschinenstillstände, etwa durch Verschleiß oder Störungen, werden in geplante und bedarfsgerechte Instandhaltungsmaßnahmen überführt. Geeignete Sensorik erfasst dabei Parameter, die bei Abweichungen Rückschlüsse auf Verschleißerscheinungen oder beginnende Störungen zulassen – zum Beispiel die Temperatur eines Werkzeugs, Vibrationen einer Baugruppe oder die Anlaufzeit eines Motors. Charakteristische Muster in diesen Daten lassen sich durch geeignete Modelle mit konkret zu erwartenden Schäden verknüpfen.
Basierend auf Machine-Learning- und Deep-Learning-Technologien sagt eine KI Fehler vorher und zeigt, welche Parameter Einfluss auf die Produktqualität haben. Dies führt zur Minimierung von Risiken, wie Stillständen oder hohem Ausschuss, während die Kosten gesenkt und die Effizienz gesteigert werden.
Ihr Ansprechpartner
Technische Aspekte
Maschinen-/Betriebsdaten
Künstliche Intelligenz
Softwareregler
Nutzen / Ziele
Risikoreduzierung
Produkt- & Prozessqualität