Ausgangslage und Ziele
Ziel des Projekts war eine Webanwendung zur Überwachung und Optimierung eines Produktionsprozesses, der auf dem Wachstum lebender Organismen beruht.
Es war besonders ambitioniert, weil der Prozess ein Jahrhundert lang intuitiv vom Menschen optimiert worden war.
Ergebnisse
- Eine deutlich einfachere Überwachung des Produktionsprozesses.
- 10 % geringere Kosten in der fehlerhaften Produktionseinheit bei besserer Produktionsqualität.
- Die Umsetzung von zwei sehr profitablen Anpassungen des Produktionsprozesses.
Unser Ansatz
Schritt 1: Abgrenzung der Anwendungsfälle
- Verständnis des industriellen Prozesses und Festlegung der zu optimierenden Kennzahlen
- Präzisierung der Anforderungen der Endnutzer, Festlegung der Anwendungsfälle und Mock-ups der Webanwendung
- Erfassung der wichtigsten Produktionsparameter, die eng zu überwachen sind, und Auswahl der einzusetzenden fortgeschrittenen Methoden des maschinellen Lernens
Schritt 2: Entwicklung fortgeschrittener Methoden
- Konzeption eines digitalen Zwillings, der mehr als 100 dynamische und statische Parameter überwacht
- Entwicklung einer maßgeschneiderten Methode des maschinellen Lernens zur Modellierung und Optimierung des Produktionsprozesses, die eine tägliche Bewertung der Produktionsleistung ermöglicht
Schritt 3: Integration der Empfehlungen
- Austausch defekter Sensoren, die dank der Überwachungsfunktionen erkannt wurden
- Test der vielversprechendsten Prozessverbesserungen, etwa die Anpassung von Zeitpunkten und Mengen der Zugaben
- Quantitative Validierung der Verbesserungen vor ihrer endgültigen Übernahme
Weitere Fallstudien
Alle Fallstudien- Modellierung und Optimierung der Supply Chain Planung und Logistik der Verarbeitung landwirtschaftlicher Rohstoffe verbessern Fallstudie lesen →
- Agrisight Die landwirtschaftliche Lieferkette planen und optimieren Fallstudie lesen →
- Eine unternehmensweite Strategie für generative KI umsetzen Von Unternehmensrichtlinien und Transformationsvision zu den ersten Prototypen Fallstudie lesen →