Cognergy

FFG, Produktion der Zukunft, 2022

Digital Cognition for Energy Efficiency in Industrial Processes

Ausgangssituation, Problematik und Motivation

Die Komplexität industrieller Prozessketten und die steigende Menge an Sensordaten stellen eine nicht triviale Herausforderung für die Überwachung und Optimierung von industriellen Prozessen dar. Obwohl die Digitalisierung in der Industrie zunimmt, ist der Grad der Integration von KI-Systemen in die Entscheidungsunterstützung noch begrenzt. Das F&E-Projekt zielt darauf ab, innovative Datenanalyse-, hierarchische und physikbasierte Modellierung und Optimierungstechnologien für die Energie- und Ressourcenoptimierung in industriellen Prozessen mit Human-in-the-Loop anzuwenden. Dabei sollen genaue und zuverlässige physikbasierte Prozessmodelle für Simulationen und Vorhersagen abgeleitet werden, die für den Menschen lesbar sind. Dies wird durch einen interaktiven Mensch-Maschine-Optimierungsrahmen ergänzt, bei dem der Bediener direkt zum Verständnis und zur Gesundheit des Prozesses beiträgt. Das Cognergy-Konsortium besteht aus zwei wissenschaftlichen und zwei industriellen Partnern, nämlich SCCH für datengestützte Modellierung und Optimierung, LCM für physikgestützte Modellierung und digitale Zwillinge, HERMES als Produzent für Schleifwerkzeuge und Schleifmittel sowie CEMTEC, einem internationalen Unternehmen im Bereich Zementmahlung und -verarbeitung. Die Cognergy-Lösung hat das Potenzial, den Energiebedarf beim Zementmahlen um 5 % zu senken und in der chemischen Schleifmittelindustrie die Genauigkeit bei der Einhaltung von Qualitätsstandards um bis zu 45 % zu erhöhen und die Anzahl der Produktionsstopps um bis zu 17 % zu reduzieren.

Ziel und Innovationsgehalt

Die Herausforderungen bei der Integration von KI in industrielle Prozesse erfordern verschiedene Technologien auf verschiedenen Modellierungsebenen. Es ist wichtig, dass die Erklärungen verständlich sind, um die Integration zu erleichtern. Cognergy erforscht Lösungen in den Bereichen Modellierung, Simulation, digitale Zwillinge und reaktive Optimierung mit Fokus auf Nachhaltigkeit, interpretierbarer Prozessanalyse und interaktiver Optimierung mit menschlicher Beteiligung. Das Ziel ist es, menschlich interpretierbare Diagnosen auf hoher Ebene mit physikalisch basierten Simulationen auf niedriger Ebene zu kombinieren, um ein reaktives Optimierungswerkzeug für Energie-, CO2- und Ressourceneffizienz bereitzustellen. Dazu wird machine learning-basierte Optimierung eingesetzt, die durch menschliches Feedback verbessert wird.

Angestrebte Ergebnisse und Erkenntnisse

Cognergy möchte das traditionelle Digital-Twin-Paradigma erweitern und menschlich interpretierbare Diagnosen mit physikalisch basierten Simulationen kombinieren, um ein reaktives Optimierungswerkzeug für Energieeffizienz, CO2-Reduktion und Ressourceneffizienz bereitzustellen. Die Aktivitäten von Cognergy umfassen die Entwicklung von physikalischen Modellen für die Zementmahl- und Papierherstellungsindustrie, die Real-Time-Diagnose und Analyse von Betriebspunkten und interaktives Training durch maschinelles Lernen und Benutzerfeedback

Projektdaten

Projektdauer: 36 Monate, Start 1. April 2023
Fördergeber: FFG Produktion der Zukunft
Projektpartner:

  • Software Competence Center Hagenberg GmbH (SCCH)
  • Linz Center of Mechatronics GmbH (LCM)
  • CEMTEC Cement and Mining Technology GmbH (CEMTEC)
  • Hermes Schleifmittel GmbH (HERMES)

Chasparis Georgios

Key Researcher Data Science
Research Team Lead Scalable Optimization and Control