„Green Analytics“ – Angewandte Data Science im Presswerk der Volkswagen AG Wolfsburg

In Zusammenarbeit mit dem Presswerk der VW AG analysierten sieben Studierende der Hochschule Hannover mittels Data Mining 243 GB Sensordaten mit dem Ziel der Optimierung von Druckluftverbräuchen.

Im Rahmen eines Praxisprojekts unter der Leitung von Prof. Dr. Maylin Wartenberg setzten sich die Studierenden der Wirtschaftsinformatik ein Semester lang intensiv mit den Sensordaten auseinander, die an einer der Anlagen im weltweit größten Presswerk seiner Art entstehen. Das Presswerk bildet den ersten Schritt der Automobilfertigung. Hier werden in einem komplexen Umformprozess Blechteile hergestellt, die später zu einer Karosserie verarbeitet werden. Mit insgesamt 42 Umform- und Schneidanlagen, auf denen 2.600 Tonnen Stahl verbraucht werden, liegt die Produktionskapazität bei ca. 485.000 Teilen pro Tag.

Im Fokus der in dem Bereich des Predictive Maintenance angesiedelten Aufgabe stand die Frage, ob Verluste oder andere Auffälligkeiten in den Daten erkannt werden können, die Potentiale für eine Optimierung aufweisen. Hierfür mussten die vom Product Owner, Herrn Safa Evirgen (VW AG), bereitgestellten Sensordaten zunächst gesichtet und aufbereitet werden, bevor sie mit einem ETL-Prozess in eine geeignete Datenbank eingelesen wurden. Bereits darin lag eine erste Hürde für die Studierenden, denn das Datenformat der 243 GB extrahierten Daten musste erst aufwändig konvertiert werden, bevor überhaupt ein Einlesen möglich war. Darauf aufbauend wurde ein Dashboard mit dem Python Framework Plotly Dash entwickelt, um eine Übersicht der Sensordaten zu generieren. Es wurden Szenarien definiert, die mit Methoden der deskriptiven Statistik sowie Machine Learning Algorithmen analysiert und auf dem Dashboard dargestellt wurden. So war es abschließend möglich, identifizierte Ausreißer in den Sensordaten aufzuzeigen und darauf basierende Schwellwertalarme ausgeben zu lassen.

Das Projekt endete mit einer überaus gelungenen Abschlusspräsentation am 15.06.2021. Die Studierenden präsentierten die Datenbank mit über 2,3 Mio. Datensätzen und die auf diesen Datensätzen ausgeführten Analysealgorithmen und deren Optimierungen sowie Alarmfunktionen anhand einer Live-Demo. Daraus abgeleitete Verbesserungen und Handlungsempfehlungen für Volkswagen wurden ebenfalls aufgezeigt. Die Projektergebnisse zeigten interessante Auffälligkeiten und haben den Projektpartner überzeugt, die Druckluftverbräuche im Presswerk mittels ML-Algorithmen in Zukunft weiter zu untersuchen.

Für die kurz vor dem Bachelorabschluss stehenden Studierenden war das Projekt eine besondere Erfahrung. Zum einen war es für die Gruppe ein erstes Projekt nach agilem Vorgehen in einem realen Praxiskontext in eigener Organisation, und zum anderen mussten viele Kenntnisse, insbesondere die Nutzung von Plotly Dash komplett neu erlernt, ein Server zum gemeinsamen Arbeiten selber administriert und die notwendigen Algorithmen für Machine Learning optimiert werden. Und das alles im Corona-bedingten Home-Office.

Nach dem erfolgreichen Projekt des Sommersemesters leiten Safa Evirgen und Prof. Dr. Maylin Wartenberg bereits das nächste Projekt in diesem Wintersemester, bei dem es diesmal um die Analyse des zugehörigen Anlagenbuchs der Presse mittels Text Mining geht.