Selbstlernendes Assistenzsystem für eine optimierte Papierherstellung

Effizienz und ökologischer Fußabdruck - Datenlücken in der Papierindustrie

 

Die Herstellung von Papier konnte in den letzten Jahren durch eine kontinuierliche Steigerung des Einsatzes von Altpapier deutlich nachhaltiger gestaltet werden. Dennoch bleibt es ein ressourcenintensiver Produktionsprozess. Die Abhängigkeit von einer Vielzahl unterschiedlichster Parameter, wie beispielsweise Weißanteil, Aschegehalt oder Reißfestigkeit gestaltet die Papierherstellung zudem hochkomplex. Da die Prozessdaten der einzelnen Wertschöpfungsschritte bisher nicht miteinander vernetzt sind, fehlt es an einem umfassenden Verständnis der prozessübergreifenden Zusammenhänge des Wertschöpfungskreislaufes. So ist es bislang nicht möglich, Rückschlüsse aus den verketteten Prozessen zu ziehen, was eine adaptive Echtzeit-Optimierung der Papierproduktion verhindert.

Bisher konnten nur einzelne Teilprozesse für das Papierrecycling, etwa das Deinking oder das Trocknen des Papiers optimiert werden. Die Prozessdaten anderer komplexer Zusammenhänge, wie die stark schwankende Zusammensetzung und Qualität des eingesetzten Altpapiers, wurden noch nicht erfasst und ausgewertet. Diese Schwankungen führen jedoch im Produktionsprozess zu einem deutlichen Mehrverbrauch der eingesetzten Chemikalien, da eine Bestimmung der optimalen Einsatzmenge bei Sicherstellung der erforderlichen Papierqualität nur entsprechend stark zeitverzögert möglich ist.

 

Selbstlernendes Assistenzsystem zur bedarfsgerechten Optimierung der Papierherstellung

 

Im Forschungsprojekt ODiWiP liegt der Fokus des Fraunhofer IVV auf der Entwicklung eines Selbstlernenden Assistenzsystems für Maschinenbedienende in der Papierindustrie. Das System soll das Bedienpersonal dabei unterstützen, Warnungen und Alarme sowie Qualitätsabweichungen und Störungen sicher zu analysieren und Störungen nachhaltig zu beseitigen bzw. durch proaktiven Eingriff in den Prozess vor deren Auftreten zu verhindern.

Dafür werden die bisherigen Prozessschritte analysiert, vorhandenes Erfahrungswissen digitalisiert und eine Software entwickelt, die Informationen bedarfsgerecht und datengestützt mit Warnungen, Alarmen und Störmeldungen verknüpft und vorschlägt. Mittels Algorithmen des Maschinellen Lernens sollen Störungsdetektion und Störungsprognosen entwickelt und in das Assistenzsystem integriert werden, um eine hohe Vorhersagegenauigkeit zu erzielen. Durch entsprechend bereitgestellte Möglichkeiten der Wissensaufbereitung können so Rückschlüsse auf das Verhalten der verketteten Prozesse ermöglicht werden.

Maschinenbedienende sollen mithilfe des Assistenzsystem in der Lage sein, ihre Prozesse besser zu verstehen und effizient und bedarfsgerecht auf prognostizierte oder auftretende Störungen zu reagieren. Die resultierende Verringerung bzw. Vermeidung von Störzeiten führt zu einer Erhöhung der Anlageneffizienz OEE und auch der Zufriedenheit des Bedienpersonals.  

 

Papierherstellung 4.0: Vernetze Prozessdaten für adaptive Prozesse

 

Das Gesamtprojekt ODiWiP hat zum Ziel, mittels digitaler Lösungsansätze die Kausalketten des Wertschöpfungskreislaufs der Papierherstellung ganzheitlich zu erfassen, prozessübergreifend zu beschreiben und damit zielgerichtete, umfassende Analysen und Optimierungen zu ermöglichen.

Produktionsprozesse können zukünftig adaptiv ausgelegt werden, was signifikante Auswirkungen auf die Steigerung der Produktionseffizienz und den ökologischen Fußabdruck hinsichtlich Wasser- und Energieverbrauch hat.

 

Das Verbundprojekt „Optimierter Wertstoffkreislauf in der Papierindustrie“ wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert. Als Bestandteil der Fördermaßnahme „Digital GreenTech – Umwelttechnik trifft Digitalisierung“ im Rahmen des Aktionsplans „Natürlich.Digital.Nachhaltig“ steht es im Kontext der Strategie „Forschung für Nachhaltigkeit (FONA)“ des BMBF.

 

Projektinformationen ODiWiP

 

Projektlaufzeit:	04/2021 bis 03/2023
Projektpartner:	Consultingtalents AG, LEIPA Group GmbH, Lehrstuhl für International Production Engineering and Management, Institut für Produktionstechnik der Universität Siegen, Tomra Sorting GmbH, Papiertechnische Stiftung (PTS)