GF Casting Solutions mit Hauptsitz in Schaffhausen treibt seit vielen Jahren den digitalen Wandel voran und setzt moderne Technologien nicht nur zur Effizienzsteigerung, sondern auch für Innovationen zum Nutzen seiner Kunden ein. Im Bereich Leichtbaukomponenten für die Mobilitäts- und Energieindustrie gilt GF Casting Solutions, einer der drei Konzerndivisionen von GF, als Innovationsmotor und gestaltet damit die Entwicklung einer nachhaltigen Mobilitätsführerschaft in der Branche maßgeblich mit.
Viele Fahrzeuge auf der Straße fahren mit Leichtbau-Gusskomponenten von GF Casting Solutions.
Mit Fokus auf Umweltauswirkungen und Herstellungskosten
Um die Vorteile neuer Technologien wie der Künstlichen Intelligenz (KI) zu nutzen, hat sich das Forschung & Entwicklungs-Team von GF Casting Solutions mit Sitz in der Schweiz mit dem KI-Pionier Microsoft zusammengeschlossen.
Ziel der gemeinsamen Bestrebungen war es, ein solides, datengestütztes Verständnis der komplexen, viele Schritte umfassenden Gießverfahren von GF Casting Solutions zu erarbeiten. „Sowohl die Umweltbelastung als auch die Herstellungskosten steigen mit jedem Prozessschritt“, erklärt Ilias Papadimitriou, Technischer Experte bei GF Casting Solutions. „Daher ist es erstrebenswert, so früh wie möglich im Prozess zu bestimmen, ob ein produziertes Teil den Weg zum Kunden schafft oder ob es in einem späteren Prozessschritt aussortiert werden muss.“ Die Gründe für das Aussortieren können vielfältig sein, sagt Ilias Papadimitriou. Sie reichen von Verformungen, welche die Toleranzvorgaben des Kunden überschreiten, bis hin zur Porosität im produzierten Teil.
Hochautomatisierter Druckgussprozess in der Produktionsstätte von GF Casting Solutions in Altenmarkt, Österreich
Mit Machine Learning die einflussreichsten Parameter identifizieren
Mit Hilfe des Microsoft Azure Machine Learning Cloud-Service wurden die während des Druckgussprozesses erzeugten Daten mit Verzugsmessungen und anderen entlang der Prozesskette gewonnenen Prozessdaten kombiniert. „Diese Daten wurden dann mit Hilfe der neuesten Erkenntnisse von Microsoft Research im Bereich des automatisierten maschinellen Lernens auf Muster analysiert“, sagt Marc Schöni, Cloud Solution Architect und Spezialist für Daten und KI bei Microsoft Schweiz. „Mit Hilfe der in Azure Machine Learning integrierten Fähigkeiten zur Modellinterpretation konnten wir die einflussreichsten Prozessparameter identifizieren. Diese Erkenntnisse wurden später mit den Produktionsexperten von GF diskutiert und von ihnen validiert.
Zentrale Steuerung: Dutzende von Prozessparametern werden analysiert und optimiert
Weitere gemeinsame Projekte in der Pipeline
Das Team konnte Vorschläge zur Verbesserung des Produktionsanlaufs einbringen, um die Qualität zu maximieren und gleichzeitig den Energieverbrauch und den Ausschuss zu minimieren. Die umgesetzten Maßnahmen, die in den Produktionsprozess integriert werden, zeigen, dass dies zu einer signifikanten Reduktion der Ausschussraten während der Hochlaufphase der Produktion führen könnte. Ilias Papadimitriou sagt: „Durch den Einsatz 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 Schutz der Umwelt. Daher werden wir auch weiterhin unsere Partnerschaft mit Microsoft nutzen, um innovativ zu sein und unseren ökologischen Fußabdruck durch die Kraft von KI zu reduzieren“.
