Vliesstoffe: Roadmap für KI-basierte Produktionsoptimierung
Projektziele & Projektergebnis
Erstellung projekt in den Bereichen „Produktion“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung der Nachhaltigkeit, des Innovationsgrades und von Prozessen.
Auf Basis der Roadmap sollen ausgewählte Ansätze mit realen Daten einer Produktionslinie erprobt und die Datenqualität gezielt weiterentwickelt werden.
Gesamtprojekt
Top Erkenntnisse aus dem Projekt
Ausgangslage
Zentrale Fragestellungen im Projekt
- Wie kann mit Künstlicher Intelligenz die Produktion von Vliesstoffen mit hohem Rezyklatanteil optimiert werden?
- Welchen Datenqualität zur Analyse des Faserzustandes ist bereits intern vorhanden? Wie muss diese erweitert werden?
- Welchen Einfluss hat der Rezyklatfaserzustand auf die Qualität des Endproduktes?
Projektdetails
Das Unternehmen
Die Norafin Technologies GmbH mit Sitz in Mildenau entwickelt innovative technische Vliesstoffe sowie Verbundmaterialien für industrielle Anwendungen. Die Produkte kommen unter anderem in Schutzbekleidung, Filtration, Spezialreinigung sowie in medizinischen und technischen Anwendungen zum Einsatz. Das Unternehmen arbeitet kontinuierlich an der Weiterentwicklung seiner Herstellungsverfahren und an nachhaltigen Lösungen für die Textilindustrie.
Die Herausforderung
Im Produktionsprozess entstehen Nebenprodukte wie Randstreifen oder Material aus Anfahrprozessen. Diese können grundsätzlich wiederverwertet und als Rezyklat in die Produktion eingebracht werden. Allerdings verändern sich im Aufbereitungsprozess Faserlängen und Materialeigenschaften, sodass es bei erfahrungsbasierter Beimischung zu Qualitätsschwankungen kommen kann. Werden Qualitätsanforderungen nicht erreicht, entstehen zusätzliche Produktionsabfälle. Langfristiges Ziel ist es daher, die Rezyklatbeimischung datenbasiert zu optimieren und die Entstehung von Abfällen langfristig zu reduzieren.
Die Lösung
Gemeinsam mit dem STFI, Partner im Mittelstand-Digital Zentrum Smarte Kreisläufe, wurde eine umfassende Analyse der Produktionsprozesse und der vorhandenen Datenbasis durchgeführt. In Workshops wurden Potenziale für KI-gestützte Vorhersagemodelle, einen Digitalen Zwilling der Produktionsanlage sowie weitere datenbasierte Optimierungsansätze identifiziert.
Die Umsetzung
Im Zentrum stand die Frage, welche Daten bereits vorliegen, wie sie strukturiert sind und welche zusätzlichen Informationen benötigt werden, um belastbare KI-Modelle zu entwickeln. Die Ergebnisse wurden in einer strategischen Roadmap gebündelt. Diese priorisiert Maßnahmen nach ihrem Beitrag zur Qualitätsstabilisierung, Ressourcenschonung
und Wirtschaftlichkeit und bildet die Grundlage für zukünftige Investitionen sowie Forschungs- und Entwicklungsaktivitäten.
Die nächsten Schritte
Auf Basis der Roadmap sollen ausgewählte Ansätze mit realen Daten einer Produktionslinie erprobt und die Datenqualität gezielt weiterentwickelt werden. Ziel ist es, den Rezyklatanteil kontrolliert zu erhöhen, Produktionsabfälle zu senken und die Wettbewerbsfähigkeit nachhaltig zu stärken.
