SCHED-ENERGY - Adaptive scheduling in multi-stage production systems with sensor-based predictions for reducing energy consumption

Mehrstufige Produktionssysteme besitzen eine hohe Komplexität. Die verschiedenen Stufen werden aufgrund vieler Produkte/Varianten und mangelndem Datenaustausch oft unabhängig (fein)geplant, aber hängen dennoch stark voneinander ab. Besonders wenn komplexere Anforderungen wie maximale Liegezeiten zwischen Stufen verletzt werden kann es zu Nacharbeit/Neuproduktion von Materialien und daher zu Energieverschwendung kommen. Solche Herausforderungen finden sich z.B. in der Holzverarbeitung, Prozess- und Lebensmittelindustrie. Die Herstellung von Bleibatterien ist ebenfalls ein Beispiel eines mehrstufigen und energieintensiven Produktionsprozesses mit hohem Materialeinsatz. Dabei "reifen" Bleiplatten in einem energieintensiven Wärmebehandlungsprozess. Die maximale Liegezeit der Platten vor der Reifung ist dabei ebenfalls begrenzt womit ein hohes Risiko zur Neuproduktion besteht. Gleichfalls kommt es in der Produktion von hochempfindlichen Feuchtigkeitssensoren immer wieder zu Schwankungen, die die Produktqualität beeinträchtigen. Beim Einsatz der Sensoren kommt es weiters zu Kontaminationen und Störungen, welche die Messgenauigkeit verschlechtern. In diesem Projekt sollen einerseits Verbesserungen der Sensorik, in dem durch Ausgasungen anspruchsvollen Einsatzbereich, mit Hilfe von Datenanalysen und Visualisierungen identifiziert werden. Andererseits soll mit solchen Sensoren ein besseres Verständnis der energieintensiven Reifung in der Produktion von Bleiplatten erzielt werden. Durch die daraus gewonnen Erkenntnisse und prädiktiven Modelle können Prozesszeiten besser abgeschätzt werden. Damit sollen Produktionsreihenfolgen verbessert werden, um den Energieverbrauch zu verringern und die Ressourceneffizienz zu steigern. Reduktionen des Energieverbrauchs sollen erzielt werden, da Reifezeiten verringert, bzw. neuerliche Reifeprozesse aufgrund zu geringer Prozesszeit vermieden werden. Weiters werden wiederholte Materialeinsätze bedingt durch Verletzungen von Wartezeitbedingungen in der komplexen mehrstufigen Prozesskette vermieden. Methodische Forschung erfolgt dabei an Verfahren zur Datenanalyse und Visualisierung, Simulation zur Analyse der mehrstufigen Fertigungsprozesse und heuristischer Optimierung zur verbesserten Planung. Mit dem innovativen Ansatz aus adaptiver Planung mit Hilfe von sensor-basierten Forecasts zur Abschätzung unsicherer Einflussgrößen soll ein signifikanter Beitrag zur Energieeinsparung in verschiedenen Branchen möglich werden.