Optimierung von Rezepturen in der Farben- und Lackindustrie

Ein branchenweites Problem für Farben- und Lackhersteller stellt die überdurchschnittlich hohe Nacharbeitsquote dar. Statistische Schwankungen im zugekauften Material sowie zeit- und ortsabhängige Einflüsse, die während der Verarbeitung auftreten, führen dazu, dass ein großer Teil der hergestellten Farben und Lacke nach der 1. Mischung korrigiert werden muss. Im Rahmen einer durch Mitteln des Landes Hessens unterstützten Machbarkeitsstudie entwickeln wir einen selbst lernenden Assistenten, der die Erfolgschancen vorgesehener Mischungen unter Berücksichtigung der eingeplanten Rohstoffe und anderer Prozessparameter vor ihrer Anwendung beurteilt. Insbesondere für wiederkehrende Artikel soll der Assistent auch selbstständig Handlungsempfehlungen generieren und den Koloristen dadurch bei seiner täglichen Arbeit unterstützen.

Hintergrund

Farben entstehen, indem geeignete Rohstoffe vermengt, homogenisiert und dispergiert werden. Die an das Produkt gestellten Qualitätsansprüche (Farbgebung, Farbechtheit, Viskosität, Umweltverträglichkeit, etc.) sind hoch. Statistische Schwankungen im zugekauften Material sowie zeit- und ortsabhängige Einflüsse, die während der Verarbeitung auftreten, führen dazu, dass ein großer Teil der hergestellten Farben und Lacke nach der 1. Mischung korrigiert werden muss. Statistiken der Branche zeigen, dass 35% der Produktionsaufträge von Nacharbeiten betroffen. Hausinterne Farblabore sind dafür zuständig, die Qualität aller angesetzten Mischungen zu prüfen und im Falle von Qualitätsabweichungen Handlungsempfehlungen für die Produktion auszuarbeiten. Diese Arbeit erfordert umfangreiche fachliche Kompetenz und viel Erfahrung. Eine nacharbeitsbedürftige Mischung durchläuft im Schnitt 2,2 Korrekturdurchläufe, bis das gewünschte Ergebnis erreicht ist. Die kumulierte Nacharbeitsquote aller Arbeitsschritte liegt dadurch bei 75%. Wir planen die Entwicklung eines selbstlernenden Assistenten. Er soll mit bereits vorhandenen Produktionsdaten aus der Vergangenheit „gespeist“ und möglichst viele Muster bzw. Zusammenhänge zwischen Handlungsempfehlungen und einem erfolgreichen bzw. nicht erfolgreichen Ergebnis erlernen.

Zielsetzung

Aus fachlicher Sicht handelt es sich bei der Problemstellung um ein mehrdimensionales oder multivariates Problem, dessen Lösung wir uns mit Hilfe von neuronalen Netzen und/oder anderen KI Algorithmen nähern wollen. Auf diese Weise streben wir eine Reduzierung der Nacharbeitsquote um ca. 20% an, was sich positiv auf die Wirtschaftlichkeit der Unternehmen und deren Ressourcenverbrauch auswirken wird. Langfristig wird der Assistent als zusätzliches Modul in unserer Lösung zur Betriebs- und Produktionsdatenerfassung IPOS zu finden sein.

Projektverlauf

Das durch das Land Hessen geförderte Projekt wurde am 01.09.2022 begonnen und ist zunächst für einen Zeitraum von 12 Monaten geplant. Über entsprechende Projektfortschritte werden wir an dieser Stelle regelmäßig informieren.