Home Konzept einer automatisierten und modularen Befundungsstation in der wandlungsfähigen Produktion
Article
Licensed
Unlicensed Requires Authentication

Konzept einer automatisierten und modularen Befundungsstation in der wandlungsfähigen Produktion

Am Anwendungsfall des Remanufacturings
  • Jan-Philipp Kaiser

    Jan-Philipp Kaiser, M. Sc., geb. 1993, studierte Maschinenbau am Karlsruher Institut für Technologie (KIT) und forscht als Wissenschaftlicher Mitarbeiter am wbk Institut für Produktionstechnik in Karlsruhe in der Arbeitsgruppe Qualitätssicherung.

     EMAIL logo     , Norbert Mitschke

    Norbert Mitschke, M .Sc., ist Wissenschaftlicher Mitarbeiter am Institut für Industrielle Informationstechnik (IIIT) des Karlsruher Instituts für Technologie (KIT) in der Forschungsgruppe von Prof. Heizmann.

         , Nicole Stricker

    Dr.-Ing. Nicole Stricker, geb. 1986, studierte Wirtschaftsingenieurwesen am Karlsruher Institut für Technologie (KIT) und leitet seit 2016 als Oberingenieurin die Gruppe Produktionssystemplanung am wbk Institut für Produktionstechnik des KIT sowie das Projekt AgiProbot als Projektleiterin

         , Michael Heizmann

    Prof. Dr.-Ing. Michael Heizmann ist Institutsleiter am Institut für Industrielle Informationstechnik (IIIT) des Karlsruher Instituts für Technologie (KIT).

         and Gisela Lanza

    Prof. Dr.-Ing. Gisela Lanza, geb. 1973, leitet seit 2003 den Bereich Produktionssysteme am wbk Institut für Produktionstechnik des KIT.
Published/Copyright: May 19, 2021
Become an author with De Gruyter Brill
Submit Manuscript Author Information
Zeitschrift für wirtschaftlichen Fabrikbetrieb
From the journal Zeitschrift für wirtschaftlichen Fabrikbetrieb Volume 116 Issue 5

Abstract

Inspektionsprozesse werden im Remanufacturing auch heute noch vorwiegend manuell durchgeführt, da die Einschätzung des Qualitätszustands von rückläufigen Gebrauchtprodukten komplex und damit schwer zu automatisieren ist. Dies ist darauf zurückzuführen, dass Abnutzungsgrade, Deformationen und Schädigungen eine individuelle Bewertung des Gebrauchtprodukts nach sich ziehen und somit schwer standardisierbar sind. In diesem Beitrag werden die Anforderungen an ein System für die Bewältigung der Herausforderung der automatisierten Inspektion im Remanufacturing abgeleitet. Darauf aufbauend wird das Konzept einer Befundungsstation, welches diese Anforderungen erfüllt, präsentiert und Anwendungsfälle im Rahmen des von der Carl-Zeiss-Stiftung geförderten Forschungsprojekts „AgiProbot - Agiles Produktionssystem mittels mobiler, lernender Roboter mit Multisensorik bei ungewissen Produktspezifikationen“ vorgestellt.

Abstract

Inspection processes in remanufacturing are still mainly carried out manually as the assessment of the quality condition of used products is complex and thus difficult to automate. This is due to the fact that degrees of wear, deformation and damage entail an individual assessment of the used product and are thus difficult to standardize. In this paper, the requirements for a system to overcome the challenge of automated inspection in remanufacturing are derived. Based on this, the concept of a inspection station that meets these requirements is outlined and use cases are presented in the context of the research project „AgiProbot - Agile production system using mobile, learning robots with multisensor technology for uncertain product specifications“, which is funded by the Carl Zeiss Foundation.

Schlüsselwörter: Remanufacturing; Inspektion; Messtechnik; Maschinelles Lernen; Flexibilität; Wandlungsfähigkeit; Produktion
Keywords: Remanufacturing; Inspection; Metrology; Machine Learning; Flexibility; Versatility; Production

Hinweis

Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).

Tel.: +49 (0) 1523 9502650

About the authors

Jan-Philipp Kaiser

Jan-Philipp Kaiser, M. Sc., geb. 1993, studierte Maschinenbau am Karlsruher Institut für Technologie (KIT) und forscht als Wissenschaftlicher Mitarbeiter am wbk Institut für Produktionstechnik in Karlsruhe in der Arbeitsgruppe Qualitätssicherung.

Norbert Mitschke

Norbert Mitschke, M .Sc., ist Wissenschaftlicher Mitarbeiter am Institut für Industrielle Informationstechnik (IIIT) des Karlsruher Instituts für Technologie (KIT) in der Forschungsgruppe von Prof. Heizmann.

Dr.-Ing. Nicole Stricker

Dr.-Ing. Nicole Stricker, geb. 1986, studierte Wirtschaftsingenieurwesen am Karlsruher Institut für Technologie (KIT) und leitet seit 2016 als Oberingenieurin die Gruppe Produktionssystemplanung am wbk Institut für Produktionstechnik des KIT sowie das Projekt AgiProbot als Projektleiterin

Prof. Dr.-Ing. Michael Heizmann

Prof. Dr.-Ing. Michael Heizmann ist Institutsleiter am Institut für Industrielle Informationstechnik (IIIT) des Karlsruher Instituts für Technologie (KIT).

Prof. Dr.-Ing. Gisela Lanza

Prof. Dr.-Ing. Gisela Lanza, geb. 1973, leitet seit 2003 den Bereich Produktionssysteme am wbk Institut für Produktionstechnik des KIT.

Danksagung

Diese Arbeit wurde im Rahmen des durch die Carl-Zeiss-Stiftung geförderten Projekts AgiProbot durchgeführt.

Literatur

1 Global Footprint Network: Calculating Earth Overshoot Day 2020: Estimates Point to August 22 2020Search in Google Scholar

2 United Nations: The Sustainable Development Goals Report. New York, 2019Search in Google Scholar

3 Hauschild, M. Z.; Kara, S.; Ropke, I. : Absolute Sustainability: Challenges to Life Cycle Engineering. CIRP Annals – Manufacturing Technology 69 (2020) 2, S. 533–553 DOI: 10.1016/j.cirp.2020.05.00410.1016/j.cirp.2020.05.004Search in Google Scholar

4 Tolio, T.; Bernard, A.; Colledani, M.; Kara, S.; Seliger, G.; Duflou, J. et al.: Design, Management and Control of Demanufacturing and Remanufacturing Systems. CIRP Annals 66 (2017) 2, S. 585–609 DOI: 10.1016/j.cirp.2017.05.00110.1016/j.cirp.2017.05.001Search in Google Scholar

5 Ortegon K.; Nies L.; Sutherland, J. W.: Remanufacturing. In: Chatti, S.; Laperrière, L.; Reinhart, G.; Tolio, T. (Hrsg.): CIRP Encyclopedia of Production Engineering. Springer-Verlag, Berlin, Heidelberg 2019 DOI: 10.1007/978-3-662-53120-4_661210.1007/978-3-662-53120-4_6612Search in Google Scholar

6 Liu, Z.; Afrinaldi, F.; Zhang, H.-C.; Jiang, Q.: Exploring Optimal Timing for Remanufacturing Based on Replacement Theory. CIRP Annals 65 (2016) 1, S. 447–450 DOI: 10.1016/j.cirp.2016.04.06410.1016/j.cirp.2016.04.064Search in Google Scholar

7 Lange, U.: Resource Efficiency through Remanufacturing (VDI ZRE Publications). VDI Zentrum Ressourceneffizienz, Berlin 2017Search in Google Scholar

8 Parker, D.; Riley, P.; Robinson, S.; Symington, H.; Tewson, J.; Jansson, K.; Ramkumar, S.; Peck, D. : Remanufacturing Market Study [online]. European Remanufacturing Network, Okt. 2015. Online unter https://www.remanufacturing.eu/wpcontent/uploads/2016/01/study.pdf [Zugriff am 22.02.2021]Search in Google Scholar

9 Kurilova-Palisaitiene, J.; Sundin, E.; Poksinska, B.: Remanufacturing Challenges and Possible Lean Improvements. Journal of Cleaner Production 172 (2018), S. 3225–3236 DOI: 10.1016/j.jclepro.2017.11.02310.1016/j.jclepro.2017.11.023Search in Google Scholar

10 Nwankpa, C.; Eze, S.; Ijomah, W.; Marshall, S.: Achieving Remanufacturing Inspection Using Deep Learning. Journal of Remanufacturing, Published online 15.10.2020, S. 1–17 DOI: 10.1007/s13243-020-00093-910.1007/s13243-020-00093-9Search in Google Scholar

11 Colledani, M.; Battaïa, O.: A Decision Support System to Manage the Quality of Endof-Life Products in Disassembly Systems. CIRP Annals 65 (2016) 1, S. 41–44 DOI: 10.1016/j.cirp.2016.04.12110.1016/j.cirp.2016.04.121Search in Google Scholar

12 Casper, R.; Sundin, E.: Addressing Today’s Challenges in Automotive Remanufacturing. Journal of Remanufacturing 8 (2018) 3, S. 93–102 DOI: 10.1007/s13243-018-0047-910.1007/s13243-018-0047-9Search in Google Scholar

13 Wurster, M.; Häfner, B.; Gauder, D.; Stricker, N.; Lanza, G.: Fluid Automation – A Definition and an Application in Remanufacturing Production Systems. Digitalizing Smart Factories. Elsevier, 2021, S. 508–513 DOI: 10.1016/j.procir.2020.05.26710.1016/j.procir.2020.05.267Search in Google Scholar

14 Mitschke, N.; Heizmann, M.: Semantische Segmentierung von Ankerkomponenten von Elektromotoren. In: Forum Bildverarbeitung, KIT Scientific Publishing, Karlsruhe 2020, S. 329–340 DOI: 10.5445/KSP/100012438310.5445/KSP/1000124383Search in Google Scholar
Published Online: 2021-05-19
Published in Print: 2021-05-31

© 2021 Walter de Gruyter GmbH, Berlin/Boston, Germany

Articles in the same Issue

  1. Inhalt
  2. Editorial
  3. Mensch und Maschine Hand in Hand
  4. Technologietrends
  5. Trends der Fertigungs-IT 2021
  6. Intelligente Fertigung
  7. Magnetführung in der Optikfertigung
  8. Produktivität
  9. Vorschubanpassung auf Basis realer Qualitätsdaten bei Fräsprozessen
  10. Geschäftsmodelle
  11. Erfolgsgrößen datengetriebener Geschäftsmodelle
  12. Technologiemanagement
  13. Potenzialbasierte Bewertung innovativer Technologien in der Produktion
  14. Fabrikplanung
  15. Software für eine automatisierte mehrdimensionale Fabriklayoutoptimierung
  16. Produktionssysteme
  17. Anpassung von Produktionssystemen an die Auswirkungen des Klimawandels
  18. Bestellwesen
  19. Lagerverhalten unter Prognoseunsicherheit mit dynamischen Bestellpolitiken
  20. Remanufacturing
  21. Konzept einer automatisierten und modularen Befundungsstation in der wandlungsfähigen Produktion
  22. Montagesysteme
  23. Strukturierung eines Montagesystems bei Fertigungszeitspreizung
  24. Digitales Modell
  25. Aufwandsarme Rekonstruktion von Bestandsanlagen
  26. Simulation
  27. Berechnung der statischen axialen Steifigkeit von Planentenrollengewindetrieben
  28. 5G-Industrie
  29. Industrielle Produktionsanlagen modular erweitern mit 5G
  30. Smart Services
  31. Smart Service-Transformation mit Geschäftsmodellmustern
  32. Automatisierung
  33. Industrie 4.0-gerechte und automatisierte Handhabungstechnik für Freiformoberflächen
  34. Cloud computing
  35. Cloud-Nutzung in der Industrie 4.0
  36. Maschinelles Lernen
  37. Ableitung eines Vorgehensmodells zur systematischen Wissensgenerierung aus Sensordaten
  38. Anwendungen des maschinellen Lernens in der Produktion aus Auftrags- und Produktsicht
  39. Digitale Technologien
  40. Entwicklung eines Bewertungsinstruments für neue digitale Technologien in KMU
  41. Vorschau
  42. Vorschau
https://doi.org/10.1515/zwf-2021-0070
Keywords for this article
Remanufacturing; Inspection; Metrology; Machine Learning; Flexibility; Versatility; Production

Articles in the same Issue

  1. Inhalt
  2. Editorial
  3. Mensch und Maschine Hand in Hand
  4. Technologietrends
  5. Trends der Fertigungs-IT 2021
  6. Intelligente Fertigung
  7. Magnetführung in der Optikfertigung
  8. Produktivität
  9. Vorschubanpassung auf Basis realer Qualitätsdaten bei Fräsprozessen
  10. Geschäftsmodelle
  11. Erfolgsgrößen datengetriebener Geschäftsmodelle
  12. Technologiemanagement
  13. Potenzialbasierte Bewertung innovativer Technologien in der Produktion
  14. Fabrikplanung
  15. Software für eine automatisierte mehrdimensionale Fabriklayoutoptimierung
  16. Produktionssysteme
  17. Anpassung von Produktionssystemen an die Auswirkungen des Klimawandels
  18. Bestellwesen
  19. Lagerverhalten unter Prognoseunsicherheit mit dynamischen Bestellpolitiken
  20. Remanufacturing
  21. Konzept einer automatisierten und modularen Befundungsstation in der wandlungsfähigen Produktion
  22. Montagesysteme
  23. Strukturierung eines Montagesystems bei Fertigungszeitspreizung
  24. Digitales Modell
  25. Aufwandsarme Rekonstruktion von Bestandsanlagen
  26. Simulation
  27. Berechnung der statischen axialen Steifigkeit von Planentenrollengewindetrieben
  28. 5G-Industrie
  29. Industrielle Produktionsanlagen modular erweitern mit 5G
  30. Smart Services
  31. Smart Service-Transformation mit Geschäftsmodellmustern
  32. Automatisierung
  33. Industrie 4.0-gerechte und automatisierte Handhabungstechnik für Freiformoberflächen
  34. Cloud computing
  35. Cloud-Nutzung in der Industrie 4.0
  36. Maschinelles Lernen
  37. Ableitung eines Vorgehensmodells zur systematischen Wissensgenerierung aus Sensordaten
  38. Anwendungen des maschinellen Lernens in der Produktion aus Auftrags- und Produktsicht
  39. Digitale Technologien
  40. Entwicklung eines Bewertungsinstruments für neue digitale Technologien in KMU
  41. Vorschau
  42. Vorschau
Sign up now to receive a 20% welcome discount
Institutional Access
How does access work?
Have an idea on how to improve our website?
Please write us.
© 2025 De Gruyter Brill
Downloaded on 8.9.2025 from https://www.degruyterbrill.com/document/doi/10.1515/zwf-2021-0070/html
Scroll to top button