News

BMW-Leichtmetallgießerei Landshut

Produktiver werden mit KI und Smart Data

Wie die intelligente Gießerei der Zukunft mittels Digitalisierung und Big Data in der Realität aussieht, war bislang mangels Anwendungsbeispielen weitgehend Theorie. Die Gießer in Landshut haben nun mit der Praxis begonnen. Die Leichtmetallgießerei teilt nun mit, dass sie ihre Fertigung seit Kurzem mit Business Intelligence, Predictive Analytics und Künstlicher Intelligenz (KI) überwacht und mithilfe von Big Data alle Gießvorgänge in Echtzeit analysiert.

Die Landshuter Gießerei-Spezialisten, die in 2019 4,3 Millionen Gussteile mit einem Gesamtgewicht von 73 000 Tonnen ausgeliefert haben, können so nicht nur jederzeit eine vollumfängliche Datentransparenz sowie Datenvisualisierungen per Mausklick erzeugen, sondern auch Qualitätsvorhersagen treffen. Gleichzeitig erhöht sich die Wirtschaftlichkeit. „Künstliche Intelligenz und smarte Datenanalysen bieten völlig neue Chancen, die weit über unsere bisherigen Analysemöglichkeiten hinausgehen. Wir können damit unsere Gießerei intelligent managen und riesige Datenmengen schnell und zuverlässig auswerten“, sagt Nelly Apfel, Referentin für Data Science in der BMW Group Leichtmetallgießerei Landshut. „Dies sichert nicht nur die Premium-Qualität unserer Gussteile, sondern sorgt für mehr Effizienz im gesamten Wertschöpfungsprozess. Und es bietet gleichzeitig eine wichtige Entscheidungshilfe für Prozessverbesserungen.“

Grundlage hierfür sind Daten aus verschiedenen Systemen, in denen Tausende Material-, Zustands- und Prozessparameter für jeden Gießvorgang und jedes einzelne Bauteil hinterlegt sind – angefangen von den Einflussfaktoren auf die formgebenden Sandkerne über die Parameter der einzelnen Gießanlagen bis hin zu den Anlagen für die anschließende Bearbeitung der Guss-Rohteile. Allein bei den Sandkernen sind dies vielfältige Daten. Hinzu kommen alle Parameter rund um den eigentlichen Gießvorgang, wie etwa die Temperaturkurven Dutzender eingebauter Thermosensoren, Druckkurven, Vakuumwerte, Taktzeiten, die Daten der jeweiligen Gießanlage (wie etwa Soll- Parametervorgaben), Daten des eingesetzten Gießwerkzeugs (wie etwa das Alter des Werkzeugs oder die Anzahl der durchgeführten Wartungen) – oder aber die Daten der Heiz- und Kühlkreisläufe. Diese steuern beim Gießvorgang die Erstarrung des bis zu 750 Grad heißen Flüssig- Aluminiums. Damit Ursachenanalysen überhaupt durchgeführt werden können, bedarf es einer sauberen Datengrundlage. Dafür werden die Maschinen- und Prozessdaten mit Qualitätsdaten verknüpft und automatisiert so aufbereitet, dass sie in Echtzeit auswertbar sind. Zu den Qualitätsdaten zählen beispielsweise die dreidimensionalen Messdaten von Gussteilen aus dem Computertomograf. Anhand der 3-D-Messungen werden eventuelle Fehlerbilder bei den Gussteilen ermittelt – von Porosität über Blasen bis hin zu sogenannten Kaltläufen beim Erstarren des Metalls. Ebenfalls herangezogen werden BMW-Qualitätsdaten aus Werken.

Alle diese verknüpften Daten werden dann mittels intelligenter Algorithmen analysiert und stehen den Gießerei-Experten unmittelbar in visualisierter Form zur Verfügung. Eine Parameterwert-Überwachung löst bei eventuellen Abweichungen selbsttätig Alarm aus – und stoppt Gießvorgänge bei Bedarf automatisch. Überdies lassen sich mittels Machine Learning wiederkehrende Muster oder Auffälligkeiten in den Gießprozessen erkennen sowie anhand eventueller Fehlerbilder mit sehr großer Genauigkeit Qualitätsvorhersagen treffen.

www.bmwgroup-werke.com


Leichtmetallgießerei des BMW Group Werks Landshut: Data Scientist Nelly Apfel analysiert riesige Datenmengen mittels intelligenter Algorithmen.

Foto: BMW