KI-basierte Prozessdatenanalyse in der Präzisionsrohrherstellung
Die MPG Mendener Präzisionsrohr GmbH ist ein Hersteller von wärmetechnischen Produkten aus Menden in Nordrhein-Westfalen. Das KI-Pilotprojekt mit dem Green-AI Hub Mittelstand soll mittels einer KI-Lösung die Produktionsparameter im Produktionsprozess automatisieren und verbessern, indem Ausschuss reduziert wird und eine hohe Qualität der Produkte beibehalten werden kann.
Innovative Wärmetauscherrohre aus dem Sauerland
MPG Mendener Präzisionsrohr GmbH in Menden stellt innovative Wärmetauscherrohre und wärmetechnische Produkte her. Der Gießprozess, als erster Produktionsschritt, spielt dabei eine Schlüsselrolle. Heute hängen die Parameter stark vom Erfahrungswissen der Mitarbeitenden ab, was Qualitätsschwankungen zur Folge haben kann. Das Ziel von MPG ist es, den Produktionsprozess durch eine automatisierte Parameteroptimierung weniger abhängig von den Erfahrungswerten der Mitarbeitenden zu machen, sowie den Gießprozess langfristig stabil und ressourcenschonend zu gestalten.
Herausforderungen: Reduzierung der Qualitätsschwankungen und Ausschüsse während der Gießprozesse
Der Gießprozess bei MPG ist stark von der Erfahrung der Mitarbeitenden abhängig – ein Umstand, der zu Qualitätsschwankungen und Ausschuss führen kann. Mit dem anstehenden altersbedingten Weggang erfahrener Mitarbeitender geht wertvolles Wissen verloren, und die Gießprozesse könnten unsicherer werden. Eine zentrale Herausforderung ist, die Parameter so zu optimieren, dass auch ohne individuelle Expertise eine gleichbleibend hohe Qualität gewährleistet ist. Da beim Gießen Qualitätsmängel oft erst im Nachhinein erkennbar sind, gilt es, die Ausschussquote möglichst früh und nachhaltig zu senken.
Optimierung des Gießprozesses mit Hilfe von Künstlicher Intelligenz
Mit der KI-gestützten Parameteroptimierung wird das KI-Pilotprojekt optimale Einstellungen für den Gießprozess bestimmen. Maschinendaten werden dafür aufbereitet und in eine KI-basierte Analyse eingespeist, die auf die beste Kombination von Faktoren wie Temperatur und Zeit hin untersucht wird. Das Projekt setzt auf statistische Versuchsplanung, um die Einflüsse von Parametern auf Ausschuss und Qualität zu verstehen. Durch maschinelles Lernen erhalten Mitarbeitende Empfehlungen für optimale Einstellungen oder Maschinenparameter werden automatisch angepasst. So wird die Abhängigkeit von Erfahrung reduziert, und wertvolles Erfahrungswissen der Mitarbeitenden in einer Datenbasis festgehalten. Die Optimierung beginnt im Gießprozess und kann später auf weitere Stufen, wie das Pressen und Beizen, ausgedehnt werden. Ziel ist es, Ausschuss und Energiekosten langfristig zu senken und die Qualität zu sichern – ein Ansatz, der MPG in Zeiten des Fachkräftemangels und steigender Qualitätsanforderungen stärkt.
Ressourceneinsparungen während der Produktion
Durch die KI-gestützte Parameteroptimierung gewinnt MPG an Effizienz und Sicherheit im Gießprozess. KI-Algorithmen berechnen optimale Einstellungen, die Ausschuss reduzieren und die Fertigungsqualität erhöhen. Dadurch kann das Unternehmen Material einsparen und gezielt Energie nutzen, was Produktionskosten senkt. Die automatisierten Einstellungen entlasten die Mitarbeitenden und gleichen den Wissensverlust durch altersbedingte Abgänge aus. Mit dieser datenbasierten Herangehensweise schafft MPG eine Grundlage für skalierbare Automatisierung und damit eine stabilere, kostengünstigere Produktion. Auch spätere Produktionsschritte, die durch KI-optimierte Parameter besser aufeinander abgestimmt sind, profitieren langfristig. So wird MPG durch zuverlässige, ressourceneffiziente Prozesse wettbewerbsfähiger und kann Nachhaltigkeitsziele besser erreichen.
Steigerung der Ressourceneffizienz durch KI-gestützte Produktionsoptimierung
Die KI-gestützte Optimierung hilft MPG, Ressourcen im Gießprozess gezielt zu schonen. Mit optimal eingestellten Ofentemperaturen lässt sich nicht nur, sondern auch der Ausschuss reduzieren, was Material und Kosten spart. MPG möchte seit Jahren den CO₂-Ausstoß senken und die Fertigung nachhaltiger gestalten. Die KI-gestützte Optimierung im Gießprozess bringt MPG dem Ziel der Klimaneutralität bis 2030 noch näher. Die Automatisierung verbessert außerdem die Arbeitsbedingungen: Mitarbeitende verbringen weniger Zeit in der energieintensiven Gießhalle, was nicht nur komfortabler ist, sondern auch Arbeitszeit spart. Auf lange Sicht kann die Optimierung auf weitere Schritte wie das Pressen und Beizen übertragen werden, sodass MPG die Ressourceneffizienz im gesamten Produktionsprozess stetig weiter steigern kann.
Technologie
Fähigkeit der KI: Datenanalyse
KI-Modell: maschinelles Lernen
Wertschöpfung
Phase: Produktion
Ziel der KI: Vorhersagen des Produktionsparametern
Ressourceneffizienz
Reduzierung der Überproduktion und Qualitätssicherung durch eine präzisere Vorhersage der Produktionsparameter
