Automatische Identifikation mittels RFID
-
Meike Herbert
Meike Herbert, M. Sc., geb. 1993, studierte Maschinenbau an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU). Seit 2019 ist sie als Wissenschaftliche Mitarbeiterin am Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) an der FAU tätig und bearbeitet seit 2020 ein Kooperationsprojekt mit Siemens Healthineers in Erlangen.
Julian Stirm, geb. 1997, studiert Wirtschaftsingenieurwesen an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) und bearbeitete seine Projektarbeit im Masterstudium in Kooperation mit Siemens Healthineers in Erlangen.
Christian Hofmann, M. Sc., geb. 1994, studierte Elektrotechnik an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU). Seit 2019 ist er als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) an der FAU tätig und forscht dort an autonomen Intralogistikrobotern.
,
Jens Fürst
Dr. Jens Fürst, geb. 1976, verantwortet als Principal Key Expert die Themen Digitalisierung und Automatisierung bei Siemens Healthineers.
Prof. Dr.-Ing. Jörg Franke, geb. 1964, leitet seit 2009 den Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU).
Abstract
Zur automatischen Identifikation von Objekten in der Produktion werden leistungsfähige Technologien eingesetzt, um eine qualitätssichernde Rückverfolgbarkeit von Bauteilen oder Fertigungshilfsmitteln sicherzustellen. In diesem Beitrag wird ein Lösungsansatz zur Rückverfolgbarkeit von Vorrichtungen, Werkzeugen und Messmitteln durch Anwendung eines RFID-Systems in der Produktion von Hochleistungsröntgenstrahlern vorgestellt und auf die Ergebnisse von Lebensdauerversuchen eingegangen.
Abstract
Modern technologies are a key enabler for the automatic identification of objects in production to ensure quality-related traceability of components or manufacturing equipment. This article presents a possible solution for the traceability of equipment, tools and measuring devices by applying a RFID system in the production of high-performance X-ray tubes and discusses the results of durability analysis.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Meike Herbert, M. Sc., geb. 1993, studierte Maschinenbau an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU). Seit 2019 ist sie als Wissenschaftliche Mitarbeiterin am Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) an der FAU tätig und bearbeitet seit 2020 ein Kooperationsprojekt mit Siemens Healthineers in Erlangen.
Julian Stirm, geb. 1997, studiert Wirtschaftsingenieurwesen an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU) und bearbeitete seine Projektarbeit im Masterstudium in Kooperation mit Siemens Healthineers in Erlangen.
Christian Hofmann, M. Sc., geb. 1994, studierte Elektrotechnik an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU). Seit 2019 ist er als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) an der FAU tätig und forscht dort an autonomen Intralogistikrobotern.
Dr. Jens Fürst, geb. 1976, verantwortet als Principal Key Expert die Themen Digitalisierung und Automatisierung bei Siemens Healthineers.
Prof. Dr.-Ing. Jörg Franke, geb. 1964, leitet seit 2009 den Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) an der Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU).
Literatur
1 Gillert, F.; Hansen, W.-R.: RFID für die Optimierung von Geschäftsprozessen. Carl Hanser Verlag, München 2007 DOI: 10.3139/978344640859310.3139/9783446408593Search in Google Scholar
2 Finkenzeller, K.: RFID-Handbuch. Grundlagen und praktische Anwendungen von Transpondern, kontaktlosen Chipkarten und NFC. 7., aktualisierte und erweiterte Aufl., Carl Hanser Verlag, München 2015 DOI: 10.3139/9783446444393.fm10.3139/9783446444393.fmSearch in Google Scholar
3 Toro, C.; Wang, W.; Akhtar, H.: Implementing Industry 4.0 – The Model Factory as Key Enabler for the Future of Manufacturing. Springer International Publishing, Cham 2021 DOI: 10.1007/978-3-030-67270-610.1007/978-3-030-67270-6Search in Google Scholar
4 Braun, K.-H.; Schwöbel, C.: RFID Lösungen erfolgreich einführen. ATZproduktion 1 (2008) 3, S. 6–9 DOI: 10.1007/BF0322406410.1007/BF03224064Search in Google Scholar
5 Siemens (Hrsg.): SIMATIC RF600 Transponder. Online unter https://mall.industry.siemens.com/mall/de/WW/Catalog/Products/10035415?tree=CatalogTree [Abruf am 29.06.2022]Search in Google Scholar
© 2022 Walter de Gruyter GmbH, Berlin/Boston
Articles in the same Issue
- Inhalt
- Editorial
- Mensch und Maschine vereint
- Produktionsnetzwerke
- Entscheidungsfindung in der Gestaltung und Koordination von globalen Produktionsnetzwerken
- Nachhaltigkeit
- Effiziente Druckluftnutzung in der automatisierten Produktion
- Nachhaltigkeitsgetriebene Transformation von globalen Produktionsnetzwerken
- Reifegradmodelle der ökologischen Nachhaltigkeit
- Wirtschaftlichkeit
- Ökonomische Bewertung nachhaltiger Wärmeerzeuger
- Produktivitätssteigerung bei der Inline-Erwärmung
- Krisenmanagement
- Bioinspirierte Erkennung von Abweichungen
- Kennzahlen
- Systematik für Kennzahlen in der Produktion
- Traceability
- Automatische Identifikation mittels RFID
- Batterieproduktion
- Automatisierter Stapelprozess zur Herstellung von Festkörperbatterien
- Ablaufplanung
- Ablaufoptimierung in einer Halbleiterfertigung
- Prozesssteuerung
- Adaptive Steuerungssoftware für die frei verkettete Montage
- Kommissionierung
- Vorgehensmodell zur Einführung von Pick-by-Scan
- Energieeffizienz
- Optimierung einer Materialflusssteuerung zur Energieeffizienzerhöhung in der Produktion
- Künstliche Intelligenz
- Industrielles Transferlernen
- Digitalisierung
- Leitfaden zur Einführung digitaler Produkte im Maschinenbau
- Digitale Erfassung von Energieverbräuchen in der Produktion
- Maschinelles Lernen
- Transfer und Reinforcement Learning in der Produktionssteuerung
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Mensch und Maschine vereint
- Produktionsnetzwerke
- Entscheidungsfindung in der Gestaltung und Koordination von globalen Produktionsnetzwerken
- Nachhaltigkeit
- Effiziente Druckluftnutzung in der automatisierten Produktion
- Nachhaltigkeitsgetriebene Transformation von globalen Produktionsnetzwerken
- Reifegradmodelle der ökologischen Nachhaltigkeit
- Wirtschaftlichkeit
- Ökonomische Bewertung nachhaltiger Wärmeerzeuger
- Produktivitätssteigerung bei der Inline-Erwärmung
- Krisenmanagement
- Bioinspirierte Erkennung von Abweichungen
- Kennzahlen
- Systematik für Kennzahlen in der Produktion
- Traceability
- Automatische Identifikation mittels RFID
- Batterieproduktion
- Automatisierter Stapelprozess zur Herstellung von Festkörperbatterien
- Ablaufplanung
- Ablaufoptimierung in einer Halbleiterfertigung
- Prozesssteuerung
- Adaptive Steuerungssoftware für die frei verkettete Montage
- Kommissionierung
- Vorgehensmodell zur Einführung von Pick-by-Scan
- Energieeffizienz
- Optimierung einer Materialflusssteuerung zur Energieeffizienzerhöhung in der Produktion
- Künstliche Intelligenz
- Industrielles Transferlernen
- Digitalisierung
- Leitfaden zur Einführung digitaler Produkte im Maschinenbau
- Digitale Erfassung von Energieverbräuchen in der Produktion
- Maschinelles Lernen
- Transfer und Reinforcement Learning in der Produktionssteuerung
- Vorschau
- Vorschau
