DIE QUALITÄT VON PRODUKTIONSPROZESSEN GARANTIEREN

Lavazza wählte Amazon Web Services als Cloud-Plattform und Reply, AWS Premier Consulting Partner, um bei der Einführung von Machine Learning-Modellen auf Basis von AWS zu unterstützen.

HOHE QUALITÄTSSTANDARDS IN PRODUKTIONSPROZESSEN

Die verarbeitende Industrie zielt darauf ab, die Effizienz ihrer Produktionsprozesse zu verbessern: von der Abfallreduzierung bis hin zu einem höheren Maß an Qualität und Kundenzufriedenheit. Ein wichtiger Aspekt ist Qualität. Die gesammelten Daten spielen eine wichtige Rolle bei der Definition eines guten Ergebnisses der Produktionslinie. Daten, die von Sensoren und weiteren unstrukturierten Quellen gesammelt werden, können zur Erstellung von Tools auf Basis von Künstlicher Intelligenz verwendet werden: Sie prognostizieren die Qualität der nächsten Charge, reduzieren die Menge der Abfallprodukte und schlagen Verbesserungen für die Einstellungen der Maschinen vor.

Der Produktionsprozess von Lavazza basiert auf hochwertigen Rohstoffen. Die Qualität des Endprodukts spielt eine wichtige Rolle, damit das Unternehmen der Konkurrenz einen Schritt voraus ist. Die Verfolgung der Produktqualitätsniveaus und die Überwachung des Maschinenbetriebszustands in Echtzeit ermöglicht es Produktionsleitern, potenzielle Abweichungen im Voraus zu erkennen und so eine niedrige Produktionsqualität zu verhindern. Zu den Herausforderungen bei der Einhaltung hoher Qualitätsstandards gehören viele Variablen, die sich auf die Qualität des Endprodukts auswirken, wie z.B. Zeit und Temperatur, die im Prozess zum Einsatz kommen.

Darüber hinaus muss die Produktionslinie verschiedene Produktarten verwalten, um die Produktionseffizienz zu gewährleisten. Das ist insbesondere in einem Markt wichtig, in dem die Einführung einer neuen Kaffeemischung in kurzer Zeit vorteilhaft ist, um neue Verbraucher zu gewinnen.


Die von den Maschinen erzeugten Daten müssen mit den von den Anwendern erstellten Daten integriert werden. Die hochqualifizierten Betreiber produzieren zusätzliche Daten, die gemeinsam mit den von den Maschinen produzierten Daten in das System eingespeist werden. Um effektiv zu sein, muss die Reaktion auf die Qualitätsvorhersage nahezu in Echtzeit erfolgen, so dass es nötig ist, den Algorithmus auch bei der Verarbeitung großer Datenmengen zu optimieren.

MACHINE LEARNING FÜR QUALITÄTSVORHERSAGEN

Lavazza arbeitete mit Reply zusammen, um ein passendes Produkt zu entwerfen, das die Ergebnisse der an der Produktionslinie durchgeführten Tests vorhersagt und die Aktivitäten ihres Bedieners steuert.


Zu diesem Zweck werden die Daten aus heterogenen Quellen in einem einzigen AWS Data Lake gesammelt und mit Python verarbeitet. Reply setzte ein Random-Forest-Modell ein, um die Qualität der Ausgabe auf der Grundlage von Maschineneinstellungen und Arbeitsumgebungsdaten zu prognostizieren. Zudem wurde eine Analyse der Merkmale durchgeführt, um Parameter in Bezug auf Qualitätsmängel zu identifizieren. Reply konzipierte eine maßgeschneiderte Echtzeit-Webanwendung, um die Ergebnisse des Modells zu visualisieren und mit der SPS der Maschine zu interagieren, so dass der Anwender die optimalen Arbeitsparameter dem Modell entsprechend rückmelden kann. Darüber hinaus wurde eine mobile App entwickelt, um Warnmeldungen im Prozess (z.B. Start/Ende, übermäßige Fehler) und abweichende Werte der Maschine anzuzeigen. Das Ergebnis der Vorhersage wurde mit den Qualitätsdaten verglichen, die normalerweise nach der Testdurchführung erhoben werden.

REPLY NUTZEN

Lavazza arbeitete gemeinsam mit Data Reply wegen der hohen Kompetenz in der Datenanalyse und mit Hermes Reply wegen der Expertise im Bereich Produktionssysteme, die das nötige Know-how zu Branchenthemen sowie Datenverarbeitung zur Verfügung stellten. Nach einem erfolgreichen Proof-Of-Concept, das den Algorithmus im Einsatz zeigte, bat Lavazza Reply, die Implementierung zu finalisieren. Das erste Ergebnis zeigte bereits, dass die Vorhersage dem Endergebnis aus den Daten der Produktionslinie sehr nahe kommt, so dass ein effizientes Tool zur Qualitätsvorhersage zur Verfügung steht, ohne den fertigen Produktionsprozess abwarten zu müssen.
  • strip-0

    Lavazza Group

    Der italienische Kaffeeröster wurde 1895 in Turin gegründet und befindet sich seit vier Generationen im Besitz der Familie Lavazza. Der Konzern hat den sechsten Platz auf der Weltrangliste der Kaffeeröster inne und ist mithilfe von Tochterunternehmen und Vertriebspartnern in über 90 Ländern tätig; er exportiert 60 Prozent seiner Produktion. Lavazza beschäftigt – nach der Übernahme von Carte Noire – insgesamt etwa 3.000 Mitarbeitende und erwirtschaftete 2016 einen Umsatz von über 1,9 Milliarden Euro. Lavazza erfand in den frühen Jahren seines Bestehens die Kunst, verschiedene Kaffeesorten unterschiedlicher geografischer Regionen zu mischen – dies ist bis heute ein herausragendes Merkmal der meisten seiner Produkte.

  • DATA REPLY

    Data Reply unterstützt als Teil der Reply-Gruppe Kunden darin, datengetrieben zu arbeiten. Data Reply ist in verschiedenen Branchen und Geschäftsbereichen tätig und arbeitet intensiv mit Kunden zusammen, damit diese durch die effektive Nutzung von Daten aussagekräftige Ergebnisse erzielen können. Hierfür konzentriert sich Data Reply auf die Entwicklung von Data-Analytics-Plattformen, Machine-Learning-Lösungen und Streaming-Anwendungen – automatisiert, effizient und skalierbar – ohne Abstriche in der IT-Security zu machen.

    strip-1
  • strip-2

    HERMES REPLY

    Hermes Reply ist das Unternehmen der Reply Gruppe, das sich auf architektonische und technologische Lösungen, Anwendungswartung, Geschäftsprozesse und Beratung für digitale Transformationsprozesse von Fertigungskunden spezialisiert hat. Das Unternehmen agiert als Systemintegrator zwischen der ERP-, PLM-, CRM-Ebene und Shop Floor-Lösungen. Dabei wendet Hermes Reply I-IOT-Technologien für die horizontale Integration der Produktionsprozesse an, indem es Edge-, Fog- und Cloud-Computing-Lösungen sowie Industrie 4.0-Konzepte für bessere Kundenprozesse umsetzt.