PressClub Deutschland · Artikel.
Intelligente Algorithmen: Datenanalyse in Echtzeit
Mon Oct 19 06:40:00 CEST 2020 Pressemeldung
+++ Schnell, effizient, zuverlässig: Data Analytics in der Leichtmetallgießerei des BMW Group Werks Landshut erzeugt jederzeit vollumfängliche Datentransparenz auf „Knopfdruck“ +++ Analyse von Material- und Prozessparametern sowie Qualitätsdaten mittels Business Intelligence +++ Prognose der Gießqualität durch intelligente Algorithmen und Echtzeitvisualisierung +++ Pro Gießvorgang fließen tausende Parameter ein
Pressekontakt.
Saskia Graser
BMW Group
Tel: +49-941-770-2014
E-Mail senden
Author.
Saskia Graser
BMW Group
This article in other PressClubs
Gießen ist ein mehrere tausend Jahre altes Verfahren, das heute bei
der BMW Group zunehmend von High-Tech bestimmt ist: Die
Leichtmetallgießerei im niederbayerischen Werk Landshut überwacht ihre
hoch komplexe Fertigung seit kurzem mittels Business Intelligence,
Predictive Analytics und künstlicher Intelligenz (KI) – und analysiert
mit Hilfe von Big Data alle Gießvorgänge in Echtzeit. Die Landshuter
Gießerei-Spezialisten können so nicht nur jederzeit eine
vollumfängliche Datentransparenz sowie Datenvisualisierungen per
Mausklick erzeugen, sondern auch Qualitätsvorhersagen treffen.
Gleichzeitig erhöht sich die Wirtschaftlichkeit.
Im vergangenen Jahr fertigte die Leichtmetallgießerei des BMW
Group Werks Landshut 4,3 Millionen Gusskomponenten mit einem
Gesamtgewicht von 73.000 Tonnen. Zum Produktionsumfang zählen
Motorkomponenten wie Zylinderköpfe und Kurbelgehäuse, Komponenten für
elektrische Antriebe oder Strukturbauteile für die Fahrzeugkarosserie.
Völlig neue Chance durch künstliche Intelligenz und smarte
Datenanalysen
„Künstliche Intelligenz und smarte
Datenanalysen bieten völlig neue Chancen, die weit über unsere
bisherigen Analysemöglichkeiten hinausgehen. Wir können damit unsere
Gießerei intelligent managen und riesige Datenmengen schnell und
zuverlässig auswerten“, sagt Nelly Apfel, Referentin für Data Science
in der BMW Group Leichtmetallgießerei Landshut. „Dies sichert nicht
nur die Premium-Qualität unserer Gussteile, sondern sorgt für mehr
Effizienz im gesamten Wertschöpfungsprozess. Und es bietet
gleichzeitig eine wichtige Entscheidungshilfe für Prozessverbesserungen.“
Tausende Parameter pro Gießvorgang
Grundlage
hierfür sind Daten aus verschiedenen Systemen, in denen tausende
Material-, Zustands- und Prozessparameter für jeden Gießvorgang und
jedes einzelne Bauteil hinterlegt sind – angefangen von den
Einflussfaktoren auf die formgebende Sandkerne über die Parameter der
einzelnen Gießanlagen bis hin zu den Anlagen für die anschließende
Bearbeitung der Guss-Rohteile. Allein bei den Sandkernen sind dies
vielfältige Daten, zum Beispiel die Beschaffenheit des Sands, die
Raumtemperatur und die Raumfeuchtigkeit, die Lagerzeit der Sandkerne
oder die Verweildauer im temperierten Hochregallager. Hinzu kommen
alle Parameter rund um den eigentlichen Gießvorgang, wie etwa die
Temperaturkurven Dutzender eingebauter Thermosensoren, Druckkurven,
Vakuumwerte, Taktzeiten, die Daten der jeweiligen Gießanlage (wie etwa
Soll-Parametervorgaben), Daten des eingesetzten Gießwerkzeugs (wie
etwa das Alter des Werkzeugs oder die Anzahl der durchgeführten
Wartungen) – oder aber die Daten der Heiz- und Kühlkreisläufe. Diese
steuern beim Gießvorgang die Erstarrung des bis zu 750 Grad heißen Flüssig-Aluminiums.
Damit Ursachenanalysen (sog. Root-Cause-Analysen) überhaupt
durchgeführt werden können, bedarf es einer sauberen Datengrundlage.
Dafür werden die Maschinen- und Prozessdaten mit Qualitätsdaten
verknüpft und automatisiert so aufbereitet, dass sie in Echtzeit
auswertbar sind. Zu den Qualitätsdaten zählen beispielsweise die
dreidimensionalen Messdaten von Gussteilen aus dem Computertomograph.
Anhand der 3D-Messungen werden eventuelle Fehlerbilder bei den
Gussteilen ermittelt – von Porosität über Blasen bis hin zu so
genannten Kaltläufen beim Erstarren des Metalls. Ebenfalls
herangezogen werden Qualitätsdaten aus den Fahrzeug- und Motorenwerken
der BMW Group, die Bauteile aus der Landshuter Leichtmetallgießerei
weiter verarbeiten.
Erkennung von Wirkzusammenhängen mittels intelligenter
Algorithmen
All diese verknüpften Daten werden dann
mittels intelligenter Algorithmen analysiert und stehen den
Gießerei-Experten unmittelbar in visualisierter Form zur Verfügung.
„Datentransparenz hilft uns, Wirkzusammenhänge zu erkennen. Das ist
für die Bauteilqualität wichtig. Und unsere Guss-Technologen können so
für die einzelnen Gieß-Anlagen ein optimales Parameterset
zusammenstellen“, erläutert Nelly Apfel. Um eine stabile und konstante
Produktion sicherzustellen, kommt eine Parameterwert-Überwachung zum
Einsatz. Sie überprüft kontinuierlich die freigegebenen Parameter,
löst bei eventuellen Abweichungen selbsttätig Alarm aus – und stoppt
Gießvorgänge bei Bedarf automatisch.
Überdies lassen sich mittels Machine Learning wiederkehrende
Muster oder Auffälligkeiten in den Gießprozessen erkennen sowie anhand
eventueller Fehlerbilder mit sehr großer Genauigkeit
Qualitätsvorhersagen treffen (Predictive Quality). Reale Fehler im
Produktionsprozess sind damit auf ein Minimum reduziert. „Wir scoren
aus den Parametern, mit denen unsere Bauteile hergestellt sind, die
Ausschuss-Wahrscheinlichkeit“, erklärt Nelly Apfel.
Darüber hinaus sieht die Daten-Spezialistin weitere Vorteile:
„Das Visualisieren von entscheidenden Prozessparametern wie etwa
Durchflüssen, Temperaturen oder Thermalbilder hilft nicht nur den
Produktionsverantwortlichen, sondern ermöglicht auch frühzeitige
Eingriffe seitens der Instandhaltung.“ Zwei Beispiele: Anomalien in
den Temperaturverläufen können auf Defekte hindeuten, geringe
Durchflusswerte auf Ablagerungen in den Kühlkreisläufen. „Das erhöht
die Ausbringungen unserer Anlagen und damit die Wirtschaftlichkeit.“
Keine ausgeprägte IT-Kompetenz
erforderlich
Ausgeprägte IT-Kompetenz ist für die
Bedienung der intelligenten Datenlösung nicht erforderlich: Sie ist
per Web App einfach auf dem Tablet oder Smartphone nutzbar. „Früher
waren derart umfassende Datenanalysen nur mit aufwändigen manuellen
Auswertungen und Prüfläufen möglich“, sagt Nelly Apfel.
Aktuell arbeiten sie und ihr Team bereits an einer neuen KI-
Anwendung im Bereich Deep Learning. Über ein Neuronales Netz werden
dabei Bilder von Gussteilen bewertet und Qualitätsaussagen getroffen.
Daraus wird automatisiert abgeleitet, ob und in welchem Umfang ein
Gussteil weiter bearbeitet werden muss. Ziel ist es, eventuell
erforderliche Nacharbeitsschritte für Gussteile automatisiert zu erkennen.
Bitte wenden Sie sich bei Rückfragen an:
Saskia Eßbauer
BMW Group Konzernkommunikation und Politik
Kommunikation Landshut
Telefon: +49 871 702 3232, Mobil: +49 151 6040 3232, E-Mail: Saskia.Essbauer@bmw.de
Internet: www.press.bmwgroup.com
E-mail: presse@bmw.de
Das BMW Group Werk Landshut
Im BMW Group Werk Landshut produzieren rund 4.000
Mitarbeiter Motor-, Fahrwerks- und Karosseriestrukturkomponenten aus
Leichtmetallguss, Kunststoffkomponenten für das Fahrzeugexterieur,
Karosseriekomponenten aus Carbon, Cockpit- und Ausstattungsumfänge,
elektrische Antriebssysteme, Sondermotoren sowie Gelenkwellen. Diese
Komponenten werden weltweit an alle Fahrzeug- und Motorenwerke der BMW
Group geliefert. In jedem BMW, MINI und Rolls-Royce steckt damit ein
Stück Landshuter Innovationskraft.
Als Kompetenzzentrum für die Zukunftstechnologien Leichtbau und
Elektromobilität ist das Werk Landshut nicht nur frühzeitig in die
Entwicklungsprozesse neuer Fahrzeuge eingebunden. Am niederbayerischen
Komponentenstandort entstehen auch Umfänge für die wegweisenden BMW i
Modelle oder das Flaggschiff der Marke BMW, den BMW 7er. Darüber
hinaus hat das Leichtbau- und Technologiezentrum (LuTZ) der BMW Group
seinen Sitz in Landshut. Spezialisten verschiedenster Fachrichtungen
forschen dort gemeinsam an innovativen High-Tech-Werkstoffen sowie
maßgeschneiderten Mischbaukonzepten und Produktionsverfahren für die
Mobilität von morgen.
www.bmw-werk-landshut.de