Auf dem Weg zur autonomen Maschine
-
Florian Oexle
Florian Oexle, M. Sc, geb. 1994, promoviert als Wissenschaftlicher Mitarbeiter am wbk Institut für Produktionstechnik des Karlsruher Instituts für Technologie im Bereich Maschinen, Anlagen und Prozessautomatisierung in den Fachgebieten Werkzeugmaschinen und Maschinendynamik. Sein Forschungsschwerpunkt liegt dabei in der lebensbegleitenden und individuellen digitalen Abbildung des maschinendynamischen Verhaltens von Fräsmaschinen. Er war von 2013 bis 2021 zuerst als Student und anschließend als Versuchs- und Entwicklungsingenieur bei der Maschinenfabrik Berthold Hermle AG, Gosheim tätig, bevor er 2021 seine Promotion begann.
and
Jürgen Fleischer
Prof. Dr.-Ing. Jürgen Fleischer studierte Maschinenbau an der Universität Karlsruhe (TH) und promovierte 1989 am Institut für Werkzeugmaschinen und Betriebstechnik (wbk). Von 1992 an war er in mehreren leitenden Positionen in der Industrie tätig, ehe er im Jahr 2003 zum Professor und Leiter des wbk Institut für Produktionstechnik am heutigen Karlsruher Institut für Technologie (KIT) berufen wurde. Darüber hinaus ist er seit 2012 Gastprofessor an der Tongji-Universität in Shanghai. Als anerkanntes Mitglied der wissenschaftlichen Gemeinschaft betätigt sich Prof. Fleischer in diversen nationalen und internationalen Gesellschaften. Darüber hinaus engagiert sich Prof. Fleischer bei der Deutschen Akademie für Technikwissenschaften (acatech) und ist Mitglied mehrerer wissenschaftlicher und industrieller Beiräte. Seit dem Jahr 2020 ist Prof. Fleischer Sprecher des Batteriekompetenzclusters des Bundesministeriums für Bildung und Forschung BMBF.
Abstract
Im Kontext von Industrie 4.0 werden die Funktionen von Produktionsmaschinen durch digitale Services immer umfangreicher. Unter anderem steht dabei die Vorhersage des Maschinenverhaltens im Fokus. Zur Abbildung des maschinendynamischen Verhaltens kommen aktuell beispielsweise die Finite-Elemente-Methode oder Mehrkörpersimulationen zum Einsatz. Jedoch gibt es bisher keine Lösung, die eine Maschine lebensbegleitend und individuell digital abbildet. Folgend wird hierfür ein neuer Ansatz vorgestellt.
Abstract
In the context of Industry 4.0, the features of production machines are becoming increasingly comprehensive thanks to digital services. Among other things, the focus is on the prediction of machine behavior. Currently, for example, the finite element method or multi-body simulations are used to map the machine‘s dynamic behavior. However, up to now there is no solution that digitally represents a machine throughout its lifetime and individually. In the following, a new approach is presented.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Florian Oexle, M. Sc, geb. 1994, promoviert als Wissenschaftlicher Mitarbeiter am wbk Institut für Produktionstechnik des Karlsruher Instituts für Technologie im Bereich Maschinen, Anlagen und Prozessautomatisierung in den Fachgebieten Werkzeugmaschinen und Maschinendynamik. Sein Forschungsschwerpunkt liegt dabei in der lebensbegleitenden und individuellen digitalen Abbildung des maschinendynamischen Verhaltens von Fräsmaschinen. Er war von 2013 bis 2021 zuerst als Student und anschließend als Versuchs- und Entwicklungsingenieur bei der Maschinenfabrik Berthold Hermle AG, Gosheim tätig, bevor er 2021 seine Promotion begann.
Prof. Dr.-Ing. Jürgen Fleischer studierte Maschinenbau an der Universität Karlsruhe (TH) und promovierte 1989 am Institut für Werkzeugmaschinen und Betriebstechnik (wbk). Von 1992 an war er in mehreren leitenden Positionen in der Industrie tätig, ehe er im Jahr 2003 zum Professor und Leiter des wbk Institut für Produktionstechnik am heutigen Karlsruher Institut für Technologie (KIT) berufen wurde. Darüber hinaus ist er seit 2012 Gastprofessor an der Tongji-Universität in Shanghai. Als anerkanntes Mitglied der wissenschaftlichen Gemeinschaft betätigt sich Prof. Fleischer in diversen nationalen und internationalen Gesellschaften. Darüber hinaus engagiert sich Prof. Fleischer bei der Deutschen Akademie für Technikwissenschaften (acatech) und ist Mitglied mehrerer wissenschaftlicher und industrieller Beiräte. Seit dem Jahr 2020 ist Prof. Fleischer Sprecher des Batteriekompetenzclusters des Bundesministeriums für Bildung und Forschung BMBF.
Literatur
1 Gönnheimer, P.; Netzer, M.; Lange, C.; Dörflinger, R.; Armbruster, J.; Fleischer, J.: Datenaufnahme und -verarbeitung in der Brownfield-Produktion. ZWF 117 (2022) 5, S. 317–320 DOI:10.1515/zwf-2022-106210.1515/zwf-2022-1062Search in Google Scholar
2 Schlagenhauf, T.; Hillenbrand, J.; Klee, B.; Fleischer, J.: Integration von Machine Vision in Kugelgewindespindeln. wt – Werkstattstechnik online 109 (2019) 7/8, S. 605–610 DOI:10.37544/1436-4980-2019-07-08-9510.37544/1436-4980-2019-07-08-95Search in Google Scholar
3 Ye, X. et al.: Multi-level Optimization Approach for Multi-robot Manufacturing Systems. In: 54th International Symposium on Robotics (ISR Europe 2022), Munich, Germany on June 20-21, 2022Search in Google Scholar
4 Barton, D.; Fleischer, J.: Concept for Predicting Vibrations in Machine Tools Using Machine Learning. In: Behrens, B.-A. et al. (Hrsg.): Production at the Leading Edge of Technology (WGP 2020). Springer-Verlag, Berlin, Heidelberg 2020, S. 549–558 DOI:10.1007/978-3-662-62138-7_5510.1007/978-3-662-62138-7_55Search in Google Scholar
5 IWD – Der Informationsdienst: Hunderttausende Fachkräfte fehlen (09. Jun. 2022). Online unter https://www.iwd.de/artikel/hunderttausende-fachkraefte-fehlen-547876 [Zugriff am 15.11.2022]Search in Google Scholar
6 Puchta, A.; Riegel, V.; Barton, D.; Fleischer, J.: Auto-identification of Dynamic Axis Models in Machine Tools. 16th CIRP Conference on Intelligent Computation in Manufacturing Engineering – CIRP ICME ‘22 [in Druck]Search in Google Scholar
7 Gebr. Heller Maschinenfabrik GmbH (Hrsg.): HELLER4Industry: Produktivitätssteigerung durch Digitalisierung. Online unter https://www.heller.biz/de/maschinen-undloesungen/heller4industry [Zugriff am 31.10.2022]Search in Google Scholar
8 Siemens Deutschland (Hrsg.):. SINUMERIK ONE. Online unter https://www.siemens.com/de/de/produkte/automatisierung/systeme/cnc-sinumerik/cnc-steuerungen/sinumerik-one.html [Zugriff am 31.10.2022]Search in Google Scholar
9 Siemens Deutschland (Hrsg.): Aufzeichnung – Siemens Simulation Symposium 2022 – Gebr. Heller Maschinenfabrik GmbH. Online unter https://view.highspot.com/viewer/63036bd0756fcc2c186c7b07 [Zugriff am 23.11.2022]Search in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Frontmatter
- Editorial
- Herausforderungen der Fertigungsindustrie
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Wandlungsfähigkeit
- Beschreibung und Bewertung der Wandlungsfähigkeit
- Anlaufmanagement
- Nachhaltigkeit im Produktionsanlauf
- Produktionssteuerung
- Bewertungsmodell zur proaktiven Produktionssteuerung im Schiffsbau
- Additive Fertigung
- Adaptive Reparatur-Prozesskette
- Ergonomie
- Kommissionierung
- Industrielle Reinigung
- Cyberphysische Reinigungssysteme für ressourceneffiziente Tankreinigungsprozesse
- Ökologie
- Klimamanagement zur Verbesserung der CO2-Bilanz in der Produktion
- Effiziente Stagnationswasser-Entfernung in trinkwassertechnischen Anlagen
- Diskontinuität
- Frühaufklärung produktionskritischer Diskontinuitäten
- Personas
- Die empirische Bestimmung von Personas und deren Implikationen auf eine User Journey
- Künstliche Intelligenz
- KI-Kanban-Behälter
- Soziotechnische Gestaltung einer intelligenten Personaleinsatzplanung
- Auf dem Weg zur autonomen Maschine
- Maschinelles Lernen
- Potenziale von Motion Capturing bei der Erstellung von Ausführungsanalysen
- Assistenzsysteme
- Automatisierte Angebotskalkulation
- 10.1515/zwf-2023-1159
- Systems Engineering
- Systems & Life Cycle Engineering für Strategische Souveränität
- Vorschau
- Vorschau
Articles in the same Issue
- Frontmatter
- Editorial
- Herausforderungen der Fertigungsindustrie
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Wandlungsfähigkeit
- Beschreibung und Bewertung der Wandlungsfähigkeit
- Anlaufmanagement
- Nachhaltigkeit im Produktionsanlauf
- Produktionssteuerung
- Bewertungsmodell zur proaktiven Produktionssteuerung im Schiffsbau
- Additive Fertigung
- Adaptive Reparatur-Prozesskette
- Ergonomie
- Kommissionierung
- Industrielle Reinigung
- Cyberphysische Reinigungssysteme für ressourceneffiziente Tankreinigungsprozesse
- Ökologie
- Klimamanagement zur Verbesserung der CO2-Bilanz in der Produktion
- Effiziente Stagnationswasser-Entfernung in trinkwassertechnischen Anlagen
- Diskontinuität
- Frühaufklärung produktionskritischer Diskontinuitäten
- Personas
- Die empirische Bestimmung von Personas und deren Implikationen auf eine User Journey
- Künstliche Intelligenz
- KI-Kanban-Behälter
- Soziotechnische Gestaltung einer intelligenten Personaleinsatzplanung
- Auf dem Weg zur autonomen Maschine
- Maschinelles Lernen
- Potenziale von Motion Capturing bei der Erstellung von Ausführungsanalysen
- Assistenzsysteme
- Automatisierte Angebotskalkulation
- 10.1515/zwf-2023-1159
- Systems Engineering
- Systems & Life Cycle Engineering für Strategische Souveränität
- Vorschau
- Vorschau
