KI-gestützte Prozessoptimierung und Prognosen in der Stahlproduktion bei Tata Steel
Manuelle Schneide- und Biegeprozesse führten bei Tata Steel zu hohem Verschnitt, ungenauen Bewehrungsstahl-Maßen und ineffizienter Lagerhaltung. Mit IoT-Sensorik, ML-basierter Nachfrageprognose und einem Cloud-Analytics-System auf AWS-Basis wurden Produktion und Bestand über 26 Standorte hinweg digitalisiert. Ergebnis: 10 % weniger Schrott und 50 % bessere Verwertung von Reststücken.
Vertiefung
Ausgangslage waren hoher Materialverschnitt, inkonsistente Bewehrungsstahl-Dimensionen, langsame Produktion und ineffizientes Bestandsmanagement mit Über- und Unterproduktion an Tata-Steel-Vertriebs- und Verarbeitungsstandorten. Die Lösung kombinierte IoT-Sensoren zur Maschinenzustandsüberwachung und Predictive Maintenance, ML-Modelle zur standortübergreifenden Nachfrageprognose sowie ein cloudbasiertes Bestandsmanagement mit Echtzeit-Dashboards auf AWS (Aurora, S3). Voraussetzung war die Vernetzung von 26 Vertriebs- und Verarbeitungsstandorten in Indien und die Einbindung in Tata Steels Nachhaltigkeitsziele. Ergebnisse waren 10 % weniger Schrott, 50 % höhere Nutzung von Reststücken, geringere Maschinenausfallzeiten durch Predictive Maintenance sowie reduzierte Transportemissionen durch optimierte Lieferplanung. Der Ansatz ist auf andere Schwerindustrie- und Metallverarbeitungsbetriebe mit verteilten Produktionsstandorten übertragbar.