Die Umsetzungsmaßnahmen

Digitaler Zwilling unterstützt die Produktentwicklung

Etabliert wurde der sogenannte Dough Digital Twin. Er bildet das Verhalten des Teigs in einer virtuellen Umgebung ab. Forschung und Entwicklung können damit neue Rezepturen und alternative Rohstoffe testen, bevor Versuche in der realen Produktion beginnen.

Das ist wichtig, weil die Eigenschaften natürlicher Zutaten je nach Ernte, Herkunft und Lieferant variieren. Mit dem digitalen Zwilling lässt sich untersuchen, wie sich neue Rohstoffe auf Teigqualität, Prozessparameter und Produktionsleistung auswirken.

Die Daten aus der Fertigung fließen dabei zurück in die Modelle. Forschung und Entwicklung erhalten so ein realitätsnahes Bild davon, wie sich eine Rezeptur unter Produktionsbedingungen verhält. Gleichzeitig können Erkenntnisse aus der Entwicklung schneller an das Werk zurückgegeben werden.

Energiebedarf für den nächsten Tag prognostizieren

Eine zweite KI-Anwendung richtet sich auf den Energieverbrauch. Gemeinsam entwickelten Pringles und Siemens ein Modell für den Simatic Energy Manager Pro. Es analysiert historische Verbrauchsdaten sowie die aktuelle Produktionsleistung und berechnet daraus Zielwerte für den folgenden Tag.

Das Betriebsteam erhält dadurch eine Orientierung, wie viel Energie bei der geplanten Produktion voraussichtlich benötigt wird. Abweichungen werden schneller sichtbar und können gezielt untersucht werden.

Im Werk Kutno konnte der Energieverbrauch nach Angaben von Siemens um 7 % gesenkt werden. Bei den großen Produktionsmengen summiert sich diese Einsparung zu einem hohen wirtschaftlichen und ökologischen Effekt.

Wartung nach tatsächlichem Anlagenzustand

Auch die Instandhaltung wird schrittweise datenbasiert ausgerichtet. Sensoren überwachen den Zustand der Maschinen. Senseye Predictive Maintenance analysiert unter anderem Schwingungsdaten und erkennt Hinweise auf Verschleiß oder eine mögliche Verschlechterung des Anlagenzustands.

Wartungsarbeiten können dadurch gezielter geplant werden. Starre Intervalle verlieren an Bedeutung, während der tatsächliche Zustand der Komponenten stärker berücksichtigt wird.

Pringles erwartet, die Wartungsausgaben durch den Wechsel von vorbeugender zu vorausschauender Instandhaltung um bis zu 25 % zu senken. Gleichzeitig sollen ungeplante Stillstände aufgrund verschleißender Komponenten zurückgehen.

Weniger Eingriffe, mehr Sicherheit im Prozess

Für Pringles liegt der Nutzen der Anwendung auch in einer veränderten Arbeitsweise. Die Mitarbeitenden verbringen weniger Zeit damit, kurzfristig auf Störungen und Qualitätsprobleme zu reagieren. Stattdessen können sie Entscheidungen auf Grundlage aktueller Prozessdaten treffen.

Ronny Matthijs spricht von weniger „Firefighting“, schnelleren Entscheidungen und einem wachsenden Vertrauen der Mitarbeitenden in den Prozess. „Die KI ersetzt dabei weder die Erfahrung noch die Verantwortung der Bediener. Sie macht Zusammenhänge sichtbar, die sich bei der Vielzahl an Einflussgrößen kaum allein durch Beobachtung erkennen lassen.“

Damit entwickelt sich die Lebensmittelherstellung von einer stark erfahrungsgeprägten Disziplin hin zu einem Prozess, in dem Erfahrungswissen und Datenanalyse eng zusammenspielen.