GF Casting Solutions mit Sitz in Schaffhausen treibt seit vielen Jahren seine digitale Transformation voran und nutzt moderne Technologien nicht nur zur Effizienzsteigerung, sondern auch zur Innovation zum Nutzen seiner Kunden. Im Bereich der Leichtbauteile für die Mobilitäts- und Energiebranche ist GF Casting Solutions, eine der drei Divisionen von GF, als Treiber für Innovation bekannt und führt somit die Branche bei der Gestaltung der Entwicklung einer nachhaltigen Mobilitätsführung an.
Many cars on the road drive with lightweight cast components from GF Casting Solutions
Fokus auf Umweltauswirkungen und Fertigungskosten
Um die Vorteile neuer, aufkommender Technologien wie künstlicher Intelligenz (KI) zu nutzen, hat das Forschungs- und Entwicklungsteam von GF Casting Solutions, das in der Schweiz ansässig ist, eine Partnerschaft mit dem KI-Pionier Microsoft gegründet.
Das Ziel der gemeinsamen Bemühungen war es, ein solides, datengestütztes Verständnis der komplexen Gießprozesse von GF Casting Solutions zu etablieren, die viele Schritte enthalten. „Die Umweltauswirkungen sowie die Fertigungskosten steigen mit jedem Prozessschritt“, erklärt Ilias Papadimitriou, technischer Experte bei GF Casting Solutions. „Daher ist es wünschenswert, so früh wie möglich im Prozess festzustellen, ob ein produziertes Teil bis zum Kunden kommt oder ob es in einem späteren Prozessschritt verworfen werden muss.“ Die Gründe für das Verwerfen können vielfältig sein, sagt Ilias Papadimitriou, von Verzerrungen, die die Toleranzspezifikationen des Kunden überschreiten, bis zu Porosität im produzierten Teil.
Highly automated high-pressure die-casting process in GF Casting Solutions production site in Altenmarkt (Austria)
Maschinelles Lernen nutzen, um die einflussreichsten Parameter zu identifizieren
Mit Hilfe des Azure Machine Learning-Clouddienstes von Microsoft wurden die während des Druckgussprozesses erzeugten Daten mit Verzerrungsmessungen und anderen Prozessdaten, die entlang der Prozesskette gewonnen wurden, kombiniert. „Diese Daten wurden anschließend mit den neuesten Fortschritten in der automatisierten maschinellen Lerntechnologie von Microsoft Research auf Muster analysiert“, sagt Marc Schöni, Cloud Solution Architect und Spezialist für Daten und KI bei Microsoft Schweiz. „Mit den integrierten Interpretationsmöglichkeiten des Azure Machine Learning-Modells waren wir in der Lage, die einflussreichsten Prozessparameter zu identifizieren.“ Diese Erkenntnisse wurden später mit den Produktionsexperten von GF besprochen und validiert.
Master control station: Dozens of process parameters are analyzed and optimized
Weitere gemeinsame Projekte in Planung
Das Team konnte Vorschläge machen, wie der Hochlaufprozess der Produktion verbessert werden kann, um die Qualität zu maximieren und gleichzeitig Energieverbrauch und Abfall zu minimieren. Die umgesetzten Maßnahmen werden dann in den Produktionsprozess integriert, und erste Hinweise zeigen, dass dies zu einer signifikanten Reduzierung der Ausschussraten während der Hochlaufphase der Produktion führen könnte. Ilias Papadimitriou sagt: „Durch die Nutzung moderner Technologien wie KI werden wir in der Lage sein, unsere Prozesse und Produkte kontinuierlich zu optimieren, nicht nur zum Nutzen unserer Kunden, sondern auch zum Erhalt der Umwelt. Daher werden wir weiterhin unsere Partnerschaft mit Microsoft nutzen, um zu innovieren und unseren ökologischen Fußabdruck durch die Kraft der KI zu reduzieren.”
