Papier- & Zellstoffindustrie

Ein Bandriss in der Nasspartie kostet 2–6 Stunden Produktionsausfall plus Reinigung und Neuanfahrt. Operatoren erkennen kritische Zustände erst, wenn das Band bereits gerissen ist — zu spät für korrigierende Eingriffe.

Zeitreihen-Anomalieerkennung auf Spannungs-, Feuchte- und Geschwindigkeitssensoren entlang der gesamten Nasspartie. Das ML-Modell lernt die normalen Signalmuster und schlägt 3–8 Minuten vor dem Riss Alarm.

Rissfrequenz um 40–60% reduzierbar. Jeder verhinderte Riss spart 2–6 Std. Stillstand plus Anfahrtsverluste — bei einer Maschine mit 500 €/Min Kapazitätswert summiert sich das schnell.

Echtzeit-Sensorstreaming (OPC-UA) + Anomaliemodell (LSTM oder Isolation Forest) auf Edge-Hardware an der Maschine

Ligningehalt variiert je nach Holzcharge um 15–30%. Operatoren dosieren pauschal für das Worst-Case-Szenario — im Durchschnitt werden 20–35% zu viel Chemikalien verbraucht. Das erhöht Kosten und Abwasserlast.

NIR-Inline-Messung des Ligningehalts + ML-Regressionsmodell berechnet die optimale Peroxid-Dosierung für jede Charge. Das System gibt Dosierempfehlungen in Echtzeit an das Prozessleitsystem weiter.

Chemikalieneinsatz um 15–25% reduzierbar. Bei Jahreskosten von 500.000–2 Mio. € für Bleichchemikalien entspricht das 75.000–500.000 € Einsparung. Gleichzeitig sinken CSB-Werte im Abwasser.

NIR-Spektroskopie + Regressionsmodell (Random Forest / Gradient Boosting) + SCADA-Anbindung

Dickenschwankungen unter 5 µm sind für Operatoren nicht erkennbar, führen aber zu Reklamationen beim Druckkunden und erhöhtem Ausschuss in der Weiterverarbeitung. Walzenwechsel nach Kalender verpasst oft den kritischen Zeitpunkt.

Laserprofilmessung quer zur Maschinenrichtung + KI-Modell analysiert Verschleißmuster über Zeit. Das System berechnet den optimalen Zeitpunkt für Walzenschliff und visualisiert das aktuelle Profil für Operatoren.

Reklamationsrate wegen Dickenschwankungen um 50–70% senkbar. Walzenschliffrythmus wird bedarfsgerecht statt kalenderbasiert — typisch 15–20% längere Standzeiten pro Walze.

Inline-Laserprofilometrie + Zeitreihen-ML für Verschleißprognose + Dashboard-Visualisierung

Stickies aus Haftetiketten, Klebern und Beschichtungen sind makroskopisch im Altpapierballen nicht sichtbar. Erst wenn sie im Prozess aufschmelzen und sich auf Walzen ablagern, wird das Problem erkannt — zu spät, Reinigungsstopp unvermeidbar.

Nahinfrarot-Spektroskopie am Altpapierballen-Eingang + KI-Klassifikationsmodell identifiziert kritische Verunreinigungen. Hochbelastete Chargen werden für separate Aufbereitung oder Beimischung in unkritischer Menge separiert.

Reinigungsstopps durch Stickies-Ablagerungen um 30–50% reduzierbar. Jeder vermiedene Reinigungsstopp spart 4–8 Std. Produktionsausfall plus Chemikalieneinsatz für die Reinigung.

NIR-Spektroskopie-Scanner + CNN-basierte Spektralklassifikation + automatische Sortierklappe

Übergetrocknete Ränder werden spröde und brechen in der Weiterverarbeitung. Feuchte Mittelzonen führen zu Welligkeit und Planheitsproblemen. Beide Fehler verursachen Reklamationen — vor allem bei Druck- und Verpackungskunden.

Inline-Mikrowellen-Feuchtemesstechnik quer zur Maschinenrichtung + Regelalgorithmus (modellprädiktiv oder RL-basiert) steuert Dampfdosierung der einzelnen Heizzonen individuell nach.

Feuchteabweichung im Querprofil von ±2–4% auf ±0,5–1% reduzierbar. Planheitsreklamationen sinken um 40–60%. Energieverbrauch in der Trockenpartie um 5–8% optimierbar.

Inline-Feuchtemessung (Mikrowelle/NIR) + MPC-Algorithmus (Model Predictive Control) + SCADA-Integration

Pauschalintervalle für Filzwechsel führen zu zwei Fehlern gleichzeitig: Filze werden zu früh ausgetauscht (unnötige Materialkosten) oder zu spät erkannt (Qualitätsverlust, Maschinenschäden). Gleiches gilt für Lager in der Pressenpartie.

Vibrations-, Temperatur- und Drucksensoren an Lager- und Pressenpartie liefern kontinuierliche Daten. ML-Modell erkennt Abweichungen vom Normalzustand und schlägt kontextabhängige Wechselzeitpunkte vor.

Filzkosten um 10–20% reduzierbar durch bedarfsgerechten Wechsel. Ungeplante Pressenausfälle durch Lagerschäden um 60–80% reduzierbar. Typische Einsparung: 80.000–200.000 €/Jahr bei einer Großmaschine.

IoT-Sensorik (Vibration, Temperatur) + Zeitreihen-Anomaliedetektion (z.B. AWS Lookout, Azure Anomaly Detector)

Operatoren stellen Mahlgrad konservativ ein — lieber zu viel als zu wenig, um Qualitätsziele sicher zu erreichen. Energiekosten in der Mahlung machen 15–25% des Gesamtverbrauchs einer Papierfabrik aus, Optimierungspotenzial bleibt ungenutzt.

Inline-Messung von Schorrenmeter (Mahlgrad) und Festigkeitsparametern + ML-Regressionsmodell berechnet den minimalen Energieeinsatz für jeden Sortenauftrag. Das Modell berücksichtigt Rohstoffvariabilität automatisch.

Energieverbrauch in der Mahlung um 8–15% senkbar ohne Qualitätsverlust. Bei Energiekosten von 2–5 Mio. €/Jahr in der Mahlung: 160.000–750.000 € Einsparung.

Inline-Mahlgradmessung + Festigkeitsprüfung + Gradient-Boosting-Regressionsmodell

Trockenpartien werden mit statischen Dampfkurven betrieben — kalibriert auf den schlechtesten Betriebsfall (höchste Flächenmasse, feuchteste Rohstoffcharge). Im Normalbetrieb wird damit systematisch zu viel Dampf verbraucht.

Digitales Trocknungsmodell auf Basis von Flächenmasse, Eingangsfeuchte und Produktionsgeschwindigkeit. MPC-Algorithmus passt Dampfdruck und -verteilung über alle Trockenzylindergruppen dynamisch an.

Dampfeinsatz in der Trockenpartie um 8–12% reduzierbar. Bei einem Verbrauch von 3–8 t Dampf pro Tonne Papier und Dampfkosten von 30–50 €/t: 300.000–1.200.000 € Einsparung pro Jahr und Maschine.

Digitales Trocknungsmodell (physikbasiert oder ML-hybrid) + MPC-Regler + DCS-Integration

Ausschussquoten von 3–8% gelten in der Papierindustrie als normal — obwohl ein erheblicher Teil systematisch vermeidbar wäre. Ursachenanalysen nach Ausschussereignissen sind zeitaufwendig und bleiben oft bei offensichtlichen Symptomen stecken.

Automatische Korrelationsanalyse aller erfassten Prozessparameter mit Ausschussereignissen. Entscheidungsbaum- und SHAP-Analysen machen die wichtigsten Einflussfaktoren transparent und priorisierbar.

Ausschussquote um 1–3 Prozentpunkte senkbar. Bei einer Maschine mit 200 t/Tag Kapazität und 150 €/t Produktwert: 300.000–900.000 €/Jahr. Dazu schnellere Root-Cause-Analysen nach Vorfällen.

Prozessdata-Warehouse + Gradient-Boosting-Regression + SHAP-Erklärbarkeit + Operator-Dashboard

Ein Wechsel von weißem Schreibpapier auf braune Verpackungspappe kostet 4–6 Stunden Umrüstzeit. Die gleiche Maschine kann von Zeitungsdruck auf SC-Papier in 45 Minuten wechseln. Manuelle Planung ignoriert diese Asymmetrien weitgehend.

Traveling-Salesman-ähnliche kombinatorische Optimierung über alle Sorten-Wechsel-Kombinationen mit realen Umrüstzeiten aus der Produktionshistorie. Der Algorithmus findet die optimale Sequenz unter Liefertermineinhaltung.

Umrüstzeiten um 15–25% reduzierbar ohne Lieferterminverletzungen. Bei 3–5 Sortenwechseln pro Woche und 2 Std. Durchschnittseinsparung pro Wechsel: 300–500 zusätzliche Produktionsstunden pro Jahr.

Historische Umrüstmatrix + Constraint Solver (OR-Tools, Gurobi) + Integration in bestehende Produktionsplanung

Labor-Analysen für CSB/BSB dauern 4–24 Stunden. Bis ein Grenzwertverstoß erkannt wird, ist die betroffene Charge bereits eingeleitet. Folge: Bußgelder, behördliche Auflagen und Produktionseinschränkungen.

Inline-Messung von Surrogatparametern (UV-Absorption, Trübung, Leitfähigkeit) + ML-Korrelationsmodell schätzt CSB/BSB-Werte in Echtzeit. Alarm-Logik greift ein, bevor kritische Werte den Einleitpunkt erreichen.

Grenzwertverstöße um 70–90% reduzierbar. Vermiedene Bußgelder und Produktionsunterbrechungen: 50.000–500.000 € je nach Betriebsgenehmigung. Erleichtert Behördenmonitoring durch lückenlose Dokumentation.

Online-UV/Vis-Spektrometer + ML-Surrogatmodell + automatisches Alarm- und Bypass-System

Papierhersteller kaufen Altpapier und Zellstoff oft reaktiv — wenn die Bestände sinken. Dabei verpassen sie günstige Einkaufsfenster und zahlen in Hochpreisphasen. Beschaffungskosten machen 40–60% der Gesamtkosten aus.

Zeitreihenprognose auf Basis von Marktpreisindices, Containerfrachtkosten, Währungskursen und saisonalen Mustern. Das Modell gibt 4–8 Wochen Vorlauf auf Preistendenzen und empfiehlt Einkaufsfenster.

Beschaffungskosten durch besseres Timing um 3–8% senkbar. Bei Rohstoffkosten von 10–50 Mio. €/Jahr: 300.000–4.000.000 € Einsparung. Dazu stabilere Margen durch proaktives Hedging.

Zeitreihenmodelle (Prophet, LSTM) auf öffentlichen Marktdaten + interne Bestandsdaten

Jeder Formatwechsel bringt eine Risiko-Phase. Erfahrene Maschinenführer kennen ihre Maschine gut — aber dieses Wissen ist nicht formalisiert, nicht übertragbar und geht mit der Pensionierung verloren. Jüngere Operatoren haben oft deutlich mehr Anfahrschwierigkeiten.

ML-Modell auf historischen Anfahrdaten nach Formatwechseln: Welche Parameterkombinationen führen zu rissfreiem Anfahren? Das System gibt dem Operator konkrete Empfehlungen für Geschwindigkeit, Zugkraft und Feuchtigkeit beim nächsten Formatwechsel.

Anfahrtrisse nach Formatwechsel um 30–50% reduzierbar. Wichtiger: Erfahrungswissen wird systematisch digitalisiert und bleibt dem Unternehmen auch nach Personalwechseln erhalten.

Produktionshistorie-Analyse + Klassifikationsmodell für Anfahrqualität + Operator-Assistenz-Interface

Chargen, die leicht außerhalb der Primärspezifikation liegen, werden oft als Ausschuss deklariert oder zu Tiefstpreisen verkauft — obwohl sie für andere Kunden mit schwächeren Anforderungen voll werthaltig wären. Fehlmatching kostet Marge.

ML-Klassifikationsmodell mappt Chargeneigenschaften auf Kundenanforderungsprofile. Bei Grenzchargen findet das System automatisch Sekundärabnehmer mit passenden Toleranzfenstern und berechnet den optimalen Preis.

Ausschussquote durch besseres Kunden-Matching um 1–2 Prozentpunkte senkbar. Für Spezialpapier-Hersteller mit 500 €+/t Produktwert: 500.000–1.500.000 € Mehrerlös bei 1% Ausschussreduktion.

Produktdatenbank + Kundenanforderungsprofil-Datenbank + Multi-Label-Klassifikation

Druckfarbenreklamationen entstehen oft erst beim Kunden in der Druckerei — Wochen nach der Papierproduktion. Rückwärtsverfolgung zur Leimungsrezeptur ist aufwendig. Labortest-Kapazitäten reichen nicht für alle Varianten.

ML-Modell korreliert Leimungsparameter (Leim-Typ, Konzentration, Auftragsgewicht, Stärkerezeptur) mit Saugverhalten-Messwerten (Cobb-Wert, IGT-Test). Neue Rezepturen werden simuliert bevor sie auf der Maschine laufen.

Druckfarbenreklamationen durch schlechte Leimungskompatibilität um 40–60% reduzierbar. Labortest-Aufwand für neue Rezepturen sinkt durch Vorab-Simulation um 50–70%.

Rezeptur-Datenbank + Labortest-Ergebnisdatenbank + Ensemble-Regressionsmodell