Data mining for energy efficient automotive factories

Flick, Dominik

doi:10.24355/dbbs.084-202511170731-0

Published

Data mining for energy efficient automotive factories

English
German

Energy is increasingly crucial for industries, especially with rising energy prices and the ur-gent need for sustainable practices. The industrial sector, accounting for over 22% of Europe's emissions, is pivotal in addressing global warming in line with the Paris Agreement's goals. This is particularly relevant in the automotive industry, where significant energy demand occurs through its large global scale. The European Union's "Energy Efficiency First" principle under the Green Deal aims to decarbonize energy systems by 2050, pushing industries like automotive manufacturing to enhance energy efficiency. Addressing the "energy efficiency gap"- the dis-parity between current practices and potential energy savings - requires innovative data-driven approaches to optimize energy use and close this gap effectively.

However, the literature review reveals gaps in energy performance analysis, often focusing only on specific processes and not the entire system, leading to only local improvements and problem shifting. There is also a lack of detailed quantification of the energy performance gap and the consideration of competitor evaluation based on public data. Existing methods do not adequately address the allocation of energy gap causes across different measures and lack ad-vanced methodologies that integrate both white-box and black-box approaches. Additionally, there is a need to enhance the development of energy performance indicators for complex sys-tems and to improve methods for clustering similar systems for effective benchmarking. The research also identifies a need for more robust data-driven evaluation approaches to handle data interdependencies and non-linearities, and for continuous, coherent methodologies that support root-cause analysis to identify energy savings opportunities.

This work introduces a novel and robust framework designed to enhance energy performance across automotive manufacturing systems. Grounded in cybernetic control loop thinking and data mining, it assesses and quantifies energy performance and identifies the most promising areas for improvement. By integrating this framework within the ISO 50001 standard, it ensures broad applicability and adherence to international energy management practices. The applica-tion of this framework has been validated through three detailed use cases, covering the three production management horizons. The first strategical use case focused on improving energy performance through internal and external benchmarking, highlighting the ability to predict energy performance on public available data. The second tactical use case utilized the frame-work to identify and implement energy performance improvement actions (EPIAs), using the systematic top-down decomposition method. The third operational use case showcased the framework's practical application in automotive paint shops, validating the effectiveness of au-tomated activity state labeling for monitoring performance changes using high-resolution time series data. These use cases not only demonstrated the framework's robustness and applicability but also enhancing its broader adoption potential to other industries and even to external organ-isations, governmental bodies, NGOs etc.

Energie wird für die Industrie immer wichtiger, insbesondere angesichts steigender Energie-preise und der zunehmenden Nachhaltigkeitsanforderungen. Der Industriesektor, der für mehr als 22 % der Emissionen in Europa verantwortlich ist, spielt eine zentrale Rolle bei der Be-kämpfung der globalen Erwärmung, wie sie in den Zielen des Pariser Klimaabkommens be-schrieben wird. Dies gilt insbesondere für die Automobilindustrie, die aufgrund ihrer großen globalen Skalen einen erheblichen Energieverbrauch hat. Das von der Europäischen Union im Rahmen des Green Deal verfolgte Prinzip "Energy Efficiency First" zielt darauf ab, die Ener-giesysteme bis 2050 zu dekarbonisieren, was Industrien wie die Automobilherstellung dazu veranlasst, ihre Energieeffizienz zu verbessern. Um die "Energieeffizienzlücke" - die Diskre-panz zwischen aktuellen Stand und potenziellen Energieeinsparungen - zu schließen, bedarf es innovativer datengesteuerter Ansätze, um die Energienutzung zu verbessern und diese Lücke effektiv zu schließen.

Die Literaturrecherche zeigt jedoch Lücken bei der Analyse der energiebezogenen Leistung, die sich oft nur auf bestimmte Prozesse und nicht auf das gesamte System konzentrieren, was zu lediglich lokalen Verbesserungen und Problemverschiebungen führen kann. Ein weiteres Defizit besteht bei der Quantifizierung der Energieleistungsbewertung und bei der Berücksich-tigung von Wettbewerbern auf der Grundlage öffentlicher Daten. Die bestehenden Ansätze ver-nachlässigen die Zuordnung der Ursachen von Energieeffizienzlücken über verschiedene Maß-nahmenkategorien hinweg und es fehlen fortschrittliche Methoden, die sowohl White-Box- als auch Black-Box-Ansätze integrieren. Darüber hinaus besteht die Notwendigkeit, die Entwick-lung von Energieleistungskennzahlen komplexer Systeme zu fördern und die Methoden für das Clustering ähnlicher Systeme für ein effektives Benchmarking zu verbessern. Die Literaturana-lyse verdeutlicht die Notwendigkeit robusterer, datengesteuerter Bewertungsmethoden, die ef-fektiv mit ausgeprägten Interdependenzen und Nichtlinearitäten umgehen können, sowie an kontinuierlichen, kohärenten Methoden, die eine Ursachenanalyse zur Ermittlung von Energie-einsparungen unterstützen.

In der vorliegenden Arbeit wird ein innovatives Konzept präsentiert, welches darauf abzielt, die Energieeffizienz von Automobilproduktionssystemen mittels eines kontinuierlichen Perfor-mance-Management-Ansatzes zu steigern. Das Konzept, das auf kybernetischem Regelkreis-denken und Data Mining basiert, bewertet und quantifiziert die Energieeffizienz und identifi-ziert die vielversprechendsten Bereiche zur Verbesserung. Durch die Integration in den Rahmen der ISO 50001 wird eine breite Anwendbarkeit und die Einhaltung internationaler Energiema-nagementpraktiken gewährleistet. Die Anwendung dieses Konzepts wurde anhand von drei de-taillierten Anwendungsfällen entlang der drei Horizonte des Produktionsmanagements vali-diert. Der erste strategische Anwendungsfall konzentriert sich auf die Verbesserung der energiebezogenen Leistung durch interne und externe Benchmarks, wobei die Fähigkeit zur Vorhersage der externen energiebezogenen Leistung anhand öffentlich verfügbarer Daten er-folgt. Der zweite taktische Anwendungsfall nutzt das entwickelte Konzept, um konkrete Maß-nahmen zur Verbesserung der energiebezogenen Leistung mit Hilfe des systematischen Top-Down-Dekompositionsansatzes effektiv zu identifizieren. Der dritte operative Anwendungsfall demonstrierte den praktischen Nutzen des Konzepts in Automobillackierereien und bestätigte die Wirksamkeit der automatischen Kennzeichnung von Aktivitätszuständen zur Überwachung von Leistungsänderungen auf Basis hochgranularer Zeitreihendaten. Diese Anwendungsfälle haben nicht nur die Robustheit und Anwendbarkeit des Konzepts gezeigt, sondern auch das Potenzial für eine breitere Anwendung in andere Industriezweige und sogar externe Organisa-tionen, Regierungsstellen oder NGOs.