Verbundvorhaben: BeStPeri - Bedarfsorientierte Steuerung von Peripheriesystemen in der Produktion; Teilvorhaben: Integration und Rückführung von Handlungsmaßnahmen und Steuerungssignalen auf Basis von maschinellem Lernen zur Steigerung der Ressourceneffizienz
Zeitraum
2022-01-01 – 2024-06-30
Bewilligte Summe
132.054,83 EUR
Ausführende Stelle
Förderkennzeichen
03EI5008C
Leistungsplansystematik
Ressourceneffizienz und zirkuläre Wirtschaft (Querschnittsaktivitäten) [EA3340]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESI5)
Förderprogramm
Energie
Die Klimapolitik des Bundes gemeinsam mit der Verantwortung der Unternehmen, eine zirkuläre Wirtschaft umzusetzen, sowie die Forderung des Kapitalmarktes nach Transparenz und einer Nachhaltigkeitsbewertung resultieren in einem Veränderungsdruck für produzierende Unternehmen. Dabei können Ressourcen oftmals nicht vermieden, jedoch deren effizienter Einsatz entlang der Wertschöpfungskette verbessert werden. Neben der Steigerung der Ressourceneffizienz im Prozess gilt es, eine Gesamtprozessoptimierung einschließlich der bedarfsgerechten Steuerung von Peripheriesystemen zu erforschen. Insbesondere bei einer prozessschrittübergreifenden Betrachtung, welche durch den Einsatz digitaler Technologien entscheidend befähigt wird, kann die Ressourceneffizienz des Gesamtsystems gesteigert werden. Das Ziel von BeStPeri ist es, produzierende Unternehmen durch den Einsatz von datengetriebenen Methoden zeitnah zu einer Senkung ihrer CO2-Emissionen zu befähigen. Indem mit Hilfe von Methoden des maschinellen Lernens Zustandsdaten der Anlagen und der Versorgungsperipherie analysiert und Handlungsmaßnahmen abgeleitet werden, wird durch die Übertragung digitaler Services in die Steuerungssysteme die Steigerung der Ressourceneffizienz des Gesamtproduktionssystems ermöglicht. Die Ziele von DiTEC sind die Erweiterung der bestehenden Wartungssoftware 'Service Manager' um eventbasierte Funktionalitäten, durch datengetriebene Methoden sowie identifizierte Handlungsmaßnahmen für Instandhaltungspersonal, ebenso wie eine bedarfsgerechte Steuerung der Prouktionsanlagen. Als Ergebnis von Machine-Learning-Modellen verfolgt DiTEC die Steigerung der Ressourceneffizienz in der Galvanotechnik und im gesamten Kundenportfolio mit branchenunabhängigen Wartungsmanagementlösungen für Elektrolyte, branchenunabhängigen Abwasseranlagen, Bestückungs- und Befüllungssysteme sowie Zuluft- und Abluftmanagement.