Zucker, Mehl – und Industrie 4.0

Zucker, Mehl – und Industrie 4.0
Grossansicht Bild
01.10.2019 | «Noser Engineering hat uns ein überzeugendes Konzept angeboten und den PoC innert einem Monat realisert. Sie programmierten die Azure Umgebung und erstellten eine Web-App.» (Ueli Eggenberger, Leiter IT, Midor AG)

Kundennutzen

In der Lebensmittelindustrie müssen Produktion und Verpackung höchsten Ansprüchen genügen. Kommt es zu Fehlern oder Unterbrüchen, hat dies nebst finanziellen Einbussen auch «Food Waste» zur Folge. «Midor stellte immer wieder scheinbar willkürlich auftretende ‹Kurzstopper› in der Blévita-Produktionsstrasse fest.» Das bedeutet, dass es zu kurzen Unterbrücken im Ablauf kam. Dadurch wurde die rund um die Uhr laufende Produktion empfindlich gestört, Zeit ging verloren und Lebensmittel wurden verschwendet. Der Auftrag an Noser Engineering AG war deshalb klar: Die auftretenden Kurzstopper zu analysieren, zu minimieren – und idealerweise ganz zu unterbinden. Doch wie behebt man ein scheinbar zufällig auftretendes Problem? Es wurde eine neue Ausgangslage geschaffen, und dafür Daten gesammelt, die ausgewertet wurden. Innerhalb von nur einem Monat erstellte die Noser Engineering AG für Midor ein «Proof of Concept» – ein Beleg für den Kunden, dass der vorgeschlagene Lösungsweg erfolgsversprechend ist. Der Vorschlag überzeugte und bald darauf wurde die Blévita-Produktionslinien in Meilen mit zusätzlichen Sensoren ausgestattet. Diese versorgten Noser Engineering mit aufschlussreichen Daten, wodurch Noser Engineering mit Midor zusammen in der Lage war, diverse Einflussfaktoren wie Luftfeuchtigkeit, Tageszeit, Temperatur etc. mit dem Auftreten der Kurzstopper in Relation zu setzen.
 

Leistungen Noser Engineering

Um die Daten auswerten zu können und dem Kunden mögliche Korrelationen aufzuzeigen, entwickelte die Noser Engineering AG eine massgeschneiderte Web Applikation, baute einen Big Data Cluster auf und band diesen an eine nutzerfreundliche Cloudlösung an. Nebst einem schnellen und sicheren Zugang zu allen relevanten Daten war es vor allem wichtig, die Informationen sinnvoll zu visualisieren. Das Auftreten der Kurzstopper kann unter anderem in verschiedenen Grafiken dargestellt werden, womit sich Muster einfacher erkennen lassen, als wenn nur ‹nackte› Zahlen aufgezeigt werden.

Technologien

Azure Stream Analytics • Azure Data Bricks • Apache Spark • Python • Redis


Skills

Web-Applikationen • Applikations-Entwicklung


Zusammenarbeit (Methoden/Tools)

Lösungen • Individualprojekte


Themen

Machine Learning • Data Science


Branchen

Lebensmittel Industrie


Bewertung Ø:
   
Meine Bewertung:
Rubriken: Engineering

Fragen und Kommentare (0)