Herausforderung
Unser Kunde ist ein international führender Gesundheitskonzern und entwickelt, produziert und vertreibt Arzneimittel weltweit. Die Herausforderung bestand darin, dass multivariate Abweichungen von Produktionsparametern erst am Ende des Produktionsprozesses in der Qualitätskontrolle erkannt wurden. Das Ergebnis waren ungeplante Stillstände in der Produktion und Ausschusskosten aufgrund mangelnder Qualität. Ziel war die Implementierung einer prädiktiven Anomaliedetektion in Echtzeit mittels Machine Learning Modellen und deren Integration das Monitoringsystem der Produktion.
Lösung
- Aufbereitung und Vorverarbeitung von Sensordaten zu über 500 Prozessparametern der Produktion
- Identifikation von signifikanten Parametern mittels statistischer Verfahren
- Machine Learning Modell Entwicklung zur prädiktiven Echtzeit Anomalie-Erkennung in Python
- Integration des ML Modells in das Produktionsmonitoring-System
Geschäftsnutzen
- Reduktion der Produktionsstillstände
- Reduktion der Ausschusskosten aufgrund mangelhafter Produktionsqualität
- Echtzeit Eingriff in die Produktionssteuerung zur Qualitätsoptimierung
