Das Projekt im Überblick Kanadevia Inova sucht nach einer Lösung für eine der größten Herausforderungen im Zusammenhang mit Abfallverwertungsanlagen, da sperrige Gegenstände häufig die Zufuhr zur Verbrennung blockieren. Gemeinsam mit Zühlke entwickelt Kanadevia Inova ein KI-basiertes visuelles Erkennungssystem, um den Betrieb und Unterhalt von Abfallverwertungsanlagen zu verbessern. Die gemeinsam entwickelte Web-Anwendung hilft dem Betreiber, sperrige Gegenstände im Abfallstrom zu erkennen, bessere Entscheidungen zu treffen und geeignete Maßnahmen zu ergreifen. Kanadevia Inova ist ein weltweites Greentech-Unternehmen, das in den Bereichen Waste-to-Energy (WtE) und erneuerbare Gasanwendungen (RG) tätig ist. Kanadevia Inova entwickelt auf Grundlage seiner Erfahrung als vielseitiger Engineering-, Beschaffungs- und Umsetzungspartner mit seinen Kunden Projekte, um komplexe schlüsselfertige Anlagen und Systemlösungen für die Wärmerückgewinnung, Gasveredelung und Power-to-Gas-Anwendungen zu erstellen. Eine der größten Herausforderungen im Zusammenhang mit Abfallverwertungsanlagen sind sperrige Gegenstände, da diese häufig die Zufuhr zur Verbrennung blockieren. Dies kann schwerwiegende Konsequenzen wie ungeplante Wartungsarbeiten und Stillstands Zeiten, Schwankungen der Dampfqualität, die Nichtverfügbarkeit der Anlage sowie Sicherheitsrisiken für die Mitarbeitenden nach sich ziehen. „ Der kollaborative Ansatz und die modernen Lösungen von Zühlke ermöglichen es uns, einer wesentlichen Herausforderung der Bunkerbewirtschaftung zu begegnen. So können wir einen reibungsloseren Betrieb und weniger Stillstandzeiten sicherstellen. “ Miriam Rabacal Leiterin Advanced Digitalisation bei Kanadevia Inova Mit einem multidisziplinären Team, das auch Data Scientists umfasst, entwickelt Kanadevia Inova einen Algorithmus, der Anlagenbetreibern die Erkennung und Handhabung von Sperrgut erleichtert, um so den Betrieb und Unterhalt ihrer Anlage zu verbessern. Multidisziplinäres Know-how ermöglicht Machine-Learning-Lösung Zühlke stieß nach dem ersten «Proof of Concept», aber vor der Entstehung eines MVP (Minimum Viable Product) zum Projekt. Es galt, einen Detektionsalgorithmus zu entwickeln, der die geforderten Leistungskriterien erfüllt und die Einführung eines funktionsfähigen Pilotprodukts ermöglichte. Durch das kombinierte Wissen aus den Bereichen Data Science, Data Engineering, UI/UX, Cloud-Plattform-Technologien, Softwarearchitektur und Softwareentwicklung sowie Machine-Learning-Operations (MLOps) unterstützte Zühlke das Team von Kanadevia Inova bei der Entwicklung einer Datenverarbeitungspipeline und eines visuellen Detektionsalgorithmus für Sperrgut. „ Durch die Kompetenz von Zühlke in den Bereichen Data Science und MLOps konnten wir unser Konzept in ein zuverlässig laufendes KI-System überführen und damit die Sicherheit und Effizienz der Bunkerbewirtschaftung verbessern. “ Miriam Rabacal Leiterin Advanced Digitalisation bei Kanadevia Inova Das Team von Zühlke entwickelt eine Web-Anwendung, mit der der Algorithmus den Anlagenbetreiber per Warnmeldung (einschließlich relevanter Informationen) über festgestellte sperrige Gegenstände informiert und entsprechendes Feedback liefert. Zühlke hat zudem ein erstes MLOps-System konzipiert und umgesetzt, mit dem sich der Detektionsalgorithmus für jede Anlage individuell und halbautomatisch anpassen und neu trainieren lässt, um den spezifischen Anforderungen des jeweiligen Standorts gerecht zu werden. Dies führt zu wesentlichen Zeit- und Kosteneinsparungen beim künftigen Einsatz in weiteren Anlagen. Pilotbetrieb in Kundenanlagen Der Bildverarbeitungs- und Erkennungsalgorithmus wurde in zwei WtE-Pilotanlagen eingeführt, von denen eine von der AVAG Umwelt AG in Thun und die andere von Renergia Zentralschweiz in Perlen betrieben wird. Mithilfe spezieller Kameras werden die Bunkertore laufend überwacht und die entsprechenden Videoaufnahmen werden in die Detektionspipeline eingespeist. Neu ankommende Objekte werden analysiert und potenzielle sperrige Gegenstände nahezu in Echtzeit detektiert. Zudem werden die Anlagenbetreiber über die bereitgestellte Web-Anwendung über das Sperrgut informiert. Das heißt, dass beide Pilotkunden die Möglichkeit haben, die Echtzeitdaten über den gesamten Entwicklungsprozess hinweg zu prüfen und das Ergebnis am Zielwert für den Tagesbetrieb zu messen. „ Zühlke spielte bei dieser Entwicklung eine entscheidende Rolle. Die umfassende Unterstützung von der Datenverarbeitung bis zum Machine-Learning und zu den MLOps haben unser KI-Projekt erst zum Leben erweckt. Die anfangs gesetzten Leistungsziele wurden erreicht und die Fehlerquote war besser als erwartet “ Miriam Rabacal Leiterin Advanced Digitalisation bei Kanadevia Inova Mit der laufenden Weiterentwicklung des Systems zusammen mit ihren Kunden kann Kanadevia Inova Mehrwert schaffen und unter anderem sicherere und zuverlässigere Prozesse, weniger Stillstandzeiten und wesentliche Kosteneinsparungen erreichen. Suchen Sie auch nach dem realen Nutzen von KI? Sprechen Sie uns an Unsere Case Studies Industrie Transformation eines Chemiekonzerns zur datengetriebenen Organisation Mehr erfahren Industrie BSH startet Transformation zur Data-driven Organisation Mehr erfahren Banken & Finanzdienstleister, Handel und Konsumgüter Zühlkes GenAI Project Finder steigert die Effizienz im Presales Mehr erfahren Alle Case Studies aufrufen Schaffen Sie echte Veränderung mit Zühlke. Sprechen Sie uns gleich an. Jetzt anfragen
„ Der kollaborative Ansatz und die modernen Lösungen von Zühlke ermöglichen es uns, einer wesentlichen Herausforderung der Bunkerbewirtschaftung zu begegnen. So können wir einen reibungsloseren Betrieb und weniger Stillstandzeiten sicherstellen. “ Miriam Rabacal Leiterin Advanced Digitalisation bei Kanadevia Inova
„ Durch die Kompetenz von Zühlke in den Bereichen Data Science und MLOps konnten wir unser Konzept in ein zuverlässig laufendes KI-System überführen und damit die Sicherheit und Effizienz der Bunkerbewirtschaftung verbessern. “ Miriam Rabacal Leiterin Advanced Digitalisation bei Kanadevia Inova
„ Zühlke spielte bei dieser Entwicklung eine entscheidende Rolle. Die umfassende Unterstützung von der Datenverarbeitung bis zum Machine-Learning und zu den MLOps haben unser KI-Projekt erst zum Leben erweckt. Die anfangs gesetzten Leistungsziele wurden erreicht und die Fehlerquote war besser als erwartet “ Miriam Rabacal Leiterin Advanced Digitalisation bei Kanadevia Inova