API src

Teilvorhaben: Integration und Rückführung von Handlungsmaßnahmen und Steuerungssignalen auf Basis von maschinellem Lernen zur Steigerung der Ressourceneffizienz

Description: Das Projekt "Teilvorhaben: Integration und Rückführung von Handlungsmaßnahmen und Steuerungssignalen auf Basis von maschinellem Lernen zur Steigerung der Ressourceneffizienz" wird vom Umweltbundesamt gefördert und von ditec Dr. Siegfried Kahlich und Dierk Langer GmbH durchgeführt. Die Klimapolitik des Bundes gemeinsam mit der Verantwortung der Unternehmen, eine zirkuläre Wirtschaft umzusetzen, sowie die Forderung des Kapitalmarktes nach Transparenz und einer Nachhaltigkeitsbewertung resultieren in einem Veränderungsdruck für produzierende Unternehmen. Dabei können Ressourcen oftmals nicht vermieden, jedoch deren effizienter Einsatz entlang der Wertschöpfungskette verbessert werden. Neben der Steigerung der Ressourceneffizienz im Prozess gilt es, eine Gesamtprozessoptimierung einschließlich der bedarfsgerechten Steuerung von Peripheriesystemen zu erforschen. Insbesondere bei einer prozessschrittübergreifenden Betrachtung, welche durch den Einsatz digitaler Technologien entscheidend befähigt wird, kann die Ressourceneffizienz des Gesamtsystems gesteigert werden. Das Ziel von BeStPeri ist es, produzierende Unternehmen durch den Einsatz von datengetriebenen Methoden zeitnah zu einer Senkung ihrer CO2-Emissionen zu befähigen. Indem mit Hilfe von Methoden des maschinellen Lernens Zustandsdaten der Anlagen und der Versorgungsperipherie analysiert und Handlungsmaßnahmen abgeleitet werden, wird durch die Übertragung digitaler Services in die Steuerungssysteme die Steigerung der Ressourceneffizienz des Gesamtproduktionssystems ermöglicht. Die Ziele von DiTEC sind die Erweiterung der bestehenden Wartungssoftware 'Service Manager' um eventbasierte Funktionalitäten, durch datengetriebene Methoden sowie identifizierte Handlungsmaßnahmen für Instandhaltungspersonal, ebenso wie eine bedarfsgerechte Steuerung der Produktionsanlagen. Als Ergebnis von Machine-Learning-Modellen verfolgt DiTEC die Steigerung der Ressourceneffizienz in der Galvanotechnik und im gesamten Kundenportfolio mit branchenunabhängigen Wartungsmanagementlösungen für Elektrolyte, branchenunabhängigen Abwasseranlagen, Bestückungs- und Befüllungssysteme sowie Zuluft- und Abluftmanagement.

Types:
SupportProgram

Origin: /Bund/UBA/UFORDAT

Tags: CO2-Emission ? Elektrolyt ? Abwasseranlage ? Galvanik ? Künstliche Intelligenz ? Verfahrenstechnik ? Industrieanlage ? Klimapolitik ? Kreislaufwirtschaft ? Nachhaltigkeitsbewertung ? Ressourceneffizienzsteigerung ? Wirtschaft ? Effizienzsteigerung ? Digitale Technologien ? Ressourceneffizienz ? Lichtdurchlässigkeit ? Gesamtmodell ? Kapitalmarkt ?

Region: Baden-Württemberg

Bounding boxes: 9° .. 9° x 48.5° .. 48.5°

Marker

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

Time ranges: 2022-01-01 - 2023-12-31

Status

Quality score

Accessed 1 times.