Vorhersagen von Labormessungen

Das mittelständische Unternehmen ChemBond GmbH, ein innovativer Anbieter von Spezialchemikalien für die Pharma- und Lebensmittelindustrie, beschäftigt rund 800 Mitarbeiter. Der Produktionsprozess für hochsensible biochemische Reagenzien stellt das Unternehmen vor komplexe Herausforderungen. Hier muss eine Vielzahl an Rohstoffen präzise aufeinander abgestimmt werden, um die Qualität und Effektivität der Endprodukte zu gewährleisten.

Problem

Hochwertige Produkte erfordern höchste Qualitätsstandards, wobei die Abschätzung des Prozesszustands entscheidend ist. Bislang war die Online-Echtzeitüberwachung der Prozessparameter nicht möglich, sodass chemische Analysen zeitaufwendend im Labor durchgeführt werden mussten. Diese Methode erwies sich als arbeits- und zeitintensiv, was die Effizienz des Produktionsprozesses stark einschränkte.

KI als Problemlöser

In Zusammenarbeit mit dem renommierten Fraunhofer-Institut hat ChemBond GmbH eine KI-basierte Lösung entwickelt, um den Produktionsprozess zu optimieren. Mit einem virtuellen Sensor, der auf maschinellen Lernverfahren basiert, kann nun die Viskosität der Reagenzien im laufenden Produktionsprozess überwacht werden. Dieser virtuelle Sensor nutzt historische Datensätze und aktuelle Produktionsparameter, um präzise Vorhersagen zur Produktqualität in Echtzeit zu treffen.

Umsetzung

Die Implementierung dieser KI-Lösung setzte eine umfassende Sammlung und Analyse historischer Produktionsdaten voraus. ChemBond GmbH identifizierte zunächst relevante Messgrößen aus dem biochemischen Prozess, wie beispielsweise Temperatur und Druck. Diese Produktionsdaten wurden mit den Laborwerten aus der Qualitätsprüfung der vergangenen drei Jahre verknüpft. Das maschinelle Lernverfahren wurde daraufhin mit diesen Daten trainiert und validiert. Das resultierende Modell zeigte eine Vorhersagegenauigkeit, die sich mit den traditionellen Labormessungen messen konnte. Nach erfolgreicher Validierung wurde das Modell als virtuelle Sensorik in den Produktionsprozess integriert.

Ergebnis

Durch den Einsatz der virtuellen Sensorik erzielte ChemBond GmbH mehrere signifikante Verbesserungen. Die Transparenz über den Fertigungsprozess konnte erhöht werden, was die Menge an Produktionsausschuss erheblich reduzierte und die Prozesssicherheit steigerte. Zudem konnte der Aufwand für zeitintensive Labormessungen drastisch gesenkt werden. Die Möglichkeit, Vorhersagen über den zukünftigen Verlauf der Produktqualität zu treffen, ermöglicht eine gezieltere Steuerung des Produktionsprozesses und steigert so die Wirtschaftlichkeit. Mit der Lösung zur Vorhersage von Labormessungen mit Künstlicher Intelligenz hat ChemBond GmbH einen wichtigen Schritt hin zu einer effizienteren und transparenteren Fertigung gemacht.

‍

Diese Fallstudie basiert auf dem Report KI im Mittelstand