STOTIC

Sustainability Tracking and Optimization Tool In Commodity Components

Projektübersicht

Verbundkoordinator Bergische Universität Wuppertal | Institute for Technologies and Management of Digital Transformation (TMDT)

Laufzeit 01.04.2024 – 31.03.2027

Projektpartner

Projektförderer Bundesministerium für Wirtschaft und Klimaschutz | EFRE/JTF-Programm NRW 2021-2027

Elektrische Mikroschalter haben vielfältige Anwendungsmöglichkeiten. Sie sorgen beispielsweise dafür, dass Beatmungsgeräte in Krankenhäusern zuverlässig funktionieren und Windräder bei Überlastung geschützt werden. Ein einzelner Mikroschalter kann aus bis zu 27 Komponenten bestehen, die weltweit in mehreren Schritten innerhalb komplexer Produktionsnetzwerke hergestellt werden. Diese Produktionsnetzwerke sind in der Regel monetär ausgerichtet und berücksichtigen weniger die entstehenden Emissionswerte sowie die Ressourcen- und Energieeffizienz in der Lieferkette.

In diesem Zusammenhang zielt das Projekt STOTIC darauf ab, ein Digital Sustainability Tracking und Optimization Tool zu entwickeln, um standortbezogene Produktionsentscheidungen und Supply-Entscheidungen von Komponenten auf Basis von Nachhaltigkeitsinformationen zu treffen. Mittels maschinellen Lernens und Deep Learning sollen Vorhersagen über die Nachhaltigkeit der Produktionslieferketten getroffen werden. Darüber hinaus soll das KI-gestützte Tool die Anpassung und Konfiguration der Lieferketten ermöglichen.

Technischer Beitrag der Kunststoffverarbeitung Hoffmann GmbH

Als integraler Bestandteil des Konsortiums leisten wir einen entscheidenden Beitrag zur Validierung und Kalibrierung des STOTIC-Modells. Unsere Expertise in der Kunststoffverarbeitung ermöglicht es uns, Produktionsdaten in ein format zu überführen, das für die Anwendung von Maschinellem Lernen und Deep Learning essentiell ist

Vision

Unsere Vision ist die Schaffung nachhaltiger und effizienter Produktions- und Liefernetzwerke, die durch den Einsatz fortschrittlicher Technologien wie maschinelles Lernen und Deep Learning die Umweltbelastung minimieren und die Ressourcennutzung optimieren.

Ziele

Entwicklung einer Inline-Schnittstelle	Nachhaltigkeitsbewertung
Inline-Schnittstelle zur Erfassung von Nachhaltigkeitsinformationen wie z. B. Emissionswerten sowie Ressourcen- und Energieeffizienz in Produktions- und Lieferketten	Nachhaltigkeitsbewertung von zugekauften und zugelieferten Komponenten sowie Bewertung von individuellen Lieferpfaden
Optimierung der Lieferketten	Integration und Optimierung der Produktionsprozesse
KI-basierte Unterstützung bei der Konfiguration von Lieferketten sowie der Auswahl von Lieferpfaden und Lieferanten in Form von Planungsvorschlägen	Förderung von Kreislaufwirtschaftsansätzen durch die Integration geschlossener Lieferpfade und Wiederverwendungsstrategien in der Produktion