Startseite Technik Materialversorgung effizient automatisieren
Artikel Open Access

Materialversorgung effizient automatisieren

Analyse und Vergleich von manueller und automatisierter Materialversorgung einer Montagezelle in Bezug auf Effizienz, Aufwand und Kosten
  • Lisa Schuler

    Lisa Schuler, geb. 1990, studierte Systemtechnik/techn. Kybernetik (B. Sc.) an der Otto-von-Guericke-Universität und Automatisierungstechnik (M. Sc.) an der RWTH Aachen. Seit 2020 ist sie als Wissenschaftliche Mitarbeiterin im Projekt „Process Innovation Center“ (PR|IN|CE) am Technologiezentrum für Produktions- und Logistiksysteme (TZ PULS) der Hochschule Landshut beschäftigt.

    EMAIL logo
    und Markus Schneider

    Prof. Dr. Markus Schneider, geb. 1974, ist Professor für Logistik, Material- und Fertigungswirtschaft und Wissenschaftlicher Leiter des Technologiezentrums Produktions- und Logistiksysteme (TZ PULS) der Hochschule Landshut. Darüber hinaus ist er geschäftsführender Gesellschafter der PuLL Beratung GmbH.

Veröffentlicht/Copyright: 23. Oktober 2024
Veröffentlichen auch Sie bei De Gruyter Brill

Abstract

Traditionally, assembly cells are supplied with materials manually by a logistics worker using a tugger train. The tasks include transporting, loading and unloading small load carriers. Alternatively, the supply can be fully automated. Three scenarios (manual with tugger train, automated with mobile cobot and automated with modified assembly cell structure) are tested in real life and compared in terms of effort, cost and efficiency and used to determine the efficient automated supply with rapid cost equalisation.

Abstract

Montagezellen werden klassischerweise manuell von einem Logistiker mit Routenzug mit Materialien versorgt. Die Aufgaben umfassen den Transport sowie das Be- und Entladen von Behältern. Alternativ kann die Versorgung komplett automatisiert erfolgen. Drei Szenarien (manuell mit Routenzug, automatisiert mit mobilem Cobot und automatisiert mit veränderter Montagezellenstruktur) werden real nachgestellt, hinsichtlich ihres Aufwands, ihrer Kosten und ihrer Effizienz verglichen, und daraus wird die effiziente automatisierte Versorgung mit schnellem Kostenausgleich ermittelt.

Motivation

Um wettbewerbsfähig bleiben zu können, müssen Unternehmen ihre Produktivität signifikant steigern und sich nachhaltig orientieren [1]. Allerdings kann die Einführung eines komplett neuen Produktionssystems für Unternehmen mitunter ein teures Hindernis darstellen. Daher ist es erforderlich, die einzelnen Prozesse innerhalb der Produktion einer Prüfung zu unterziehen, um festzustellen, welche überarbeitet und weiterentwickelt werden müssen. Ein Beispiel ist die Versorgung der Montagezellen durch Materialien in Behältern.

Ziel dieser Arbeit ist es, eine effiziente automatisierte Versorgung der Arbeitsplätze in einer Montagezelle mit Materialien in Kleinladungsträgern zu ermitteln. Abhängig von den verwendeten Materialien, den genutzten Behältern und den verfügbaren bzw. investierbaren Systemen und dem Personal kann die Versorgung der Montagezelle manuell oder automatisiert gestaltet werden. Der Fokus dieser Arbeit liegt auf der komplett manuellen und der komplett automatisierten Versorgung. Eine halbautomatisierte Versorgung wird hier nicht betrachtet.

Das erste Szenario stellt die komplett manuelle Versorgung der Montagezelle dar. Im zweiten Szenario wird das erste Szenario 1:1 komplett automatisiert. Zusätzlich wird ein drittes Szenario betrachtet, bei dem die automatisierte Versorgung radikal neu gedacht wird.

Zur Beantwortung der Fragestellung werden die drei Szenarien real in der Musterfabrik nachgestellt und auf Kosten, Effizienz und Aufwand analysiert.

Bisherige Untersuchungen zur automatisierten Versorgung in der Wissenschaft

Im Folgenden werden ausgewählte wissenschaftliche Artikel vorgestellt, in denen zu den Themen Versorgung einer Montagezelle, Vergleich der Systeme und Automatisierung geforscht wurde.

Battini et al. [2] entwickeln eine Entscheidungsmatrix zur Auswahl eines automatisierten Transportsystems in Abhängigkeit zur Anzahl an Teilvarianten und Teilkapazitäten sowie in Abhängigkeit des Tagesverbrauchs der Teile. Sie erwähnen, dass ein automatisierter Routenzug eine höhere Transportkapazität im Vergleich zu einem automatisierten Gabelstapler hat. Jedoch ist er nicht in der Lage, komplett automatisiert zu agieren, da er selbst die Behälter nicht be- und entladen kann.

Samaniego et al. [3] automatisieren direkt den Routenzug, der dann im Raum frei navigieren kann. Allerdings ist das System ebenfalls nicht in der Lage, selbst Behälter zu be- und entladen.

Wurll et al. [4] analysieren eine Versorgung von dezentralen Pufferlagern bzw. Supermärkten mit einem mobilen Cobot, der den Routenzug ersetzt. Der Nachschub wird automatisch durch die RFID-Tags des leeren Behälters ausgelöst, welcher durch den Werker an Orten für leere Behälter im Supermarkt platziert wird. Die Versorgung des Arbeitsplatzes selbst erfolgt manuell.

Kousi et al. [5] entwickeln einen Ansatz zur Planung der Versorgung, der sich an der Verfügbarkeit, Fahrzeit und Kapazität der mobilen Roboter orientiert. Dieser Ansatz erfordert mehrere Transportroboter und unterschiedliche Transportregale zur Übergabe der Behälter, der die Versorgung ineffizienter gestaltet und nicht Ziel dieser Arbeit ist.

Sand et al. [6] evaluieren verschiedene logistische Strategien für interne Materialflussprozesse. Sie untersuchen und modellieren das interne Versorgungssystem und testen verschiedene Transportsysteme zur Versorgung der Montagesysteme, darunter auch fahrerlose Transportfahrzeuge. Die Untersuchung hat ergeben, dass fahrerlose Transportsysteme ineffizienter arbeiten als ein geführter Gabelstapler. Allerdings beschränkt sich die Untersuchung auf den Transport großer Güter.

Schuhmacher und Hummel [7] untersuchen das Potential der Automatisierung und der Mensch-Maschine-Kollaboration bei Routenzugsystemen in veränderbaren Fabrikumgebungen. Im Szenario setzen sie automatisierte Routenzüge mit einem Armroboter ein. Der Fokus dieser Arbeit liegt jedoch auf der Analyse der Austauschbarkeit und Flexibilität der Systeme. Ein Vergleich der manuellen und automatisierten Szenarien ist nicht gegeben.

Seha et al. [8] versuchen, simulativ den produzierten Output zu erhöhen, indem Arbeitsplätze statt mit einem Logistiker mit Routenzug mit einem mobilen Roboter versorgt sowie Pick-to-Light-Systeme eingesetzt werden und die Lieferroute angepasst wird. Das Ergebnis der Studie ist, dass ein Einsatz von mobilen Robotern den Output der Fertigprodukte um 157 Prozent und eine zusätzliche Änderung des Layouts den Output wiederum um 31 Prozent (insgesamt 235 %) steigerte. Eine reale Umsetzung war nicht gegeben.

Aus der Literaturrecherche ist abzuleiten, dass sich bis heute keine Arbeit sowohl mit dem realen Vergleich der komplett manuellen und der komplett automatisierten Versorgung, die auch das Be- und Entladen berücksichtigen, als auch mit der Analyse der Effizienz, des Aufwands und der Kosten einer komplett automatisierten Versorgung auseinandergesetzt hat.

Beschreibung und Rahmen der Szenarien

Die Vergleichsgrundlage bildet das Planspiel „Montage von Bodenrollern“ in der Musterfabrik am Technologiezentrum für Produktions- und Logistiksysteme (TZ PULS). In der Montagezelle, bestehend aus sieben Arbeitsplätzen, werden in zwei Schichten (8 Stunden pro Schicht) insgesamt 768 Bodenroller im Fließprinzip montiert. Dabei werden fünf Arbeitsplätze (AP 2-6) mit Behältern mit Rollen, Schrauben, Muttern und weiteren Komponenten versorgt.

Zur Deckung des Schichtbedarfs werden über die Schicht verteilt 362 Behälter geliefert. Die Verteilung der Menge auf den Arbeitsplätzen ist in Tabelle 1 ersichtlich.

Tabelle 1

Behälterbedarf der Arbeitsplätze pro Schicht

Arbeitsplatz Gesamt AP2 AP3 AP4 AP5 AP6
Behälter pro Schicht 362 88 88 88 88 10

In allen Szenarien erfolgt die Nachschubausgabe in der erforderlichen Reihenfolge an einem festen Ausgabepunkt, der sich im Lager befindet. Der Nachschub wird von dem im Szenario gewählten Transportmittel abgeholt und zu den Arbeitsplätzen transportiert.

Die genannten Bedingungen definieren den Rahmen der Szenarien. Die Berechnung des Lieferzyklus erfolgt in Abhängigkeit von der Transportkapazität. Die Vergleichszeiten der Szenarien werden während der realen Nachstellung in der Musterfabrik gemessen.

Szenario 1: Manuelle Versorgung der Montagezelle durch Logistiker mit Routenzug

Die steigende Produktvielfalt setzt eine effiziente und flexible Versorgung voraus. Um die richtigen Behälter zum richtigen Zeitpunkt zu liefern, werden u. a. Routenzüge und logische Lieferpläne eingesetzt. Diese manuelle Versorgung ist oft Standard in Produktionen [9].

Die Arbeitsplätze einer u-förmigen Montagezelle (U-Zelle) werden von einem Logistiker mit einem Routenzug versorgt. Der Routenzug hat zwei Anhänger mit Regalen, auf dem die Behälter für die Arbeitsplätze transportiert werden. Der Logistiker holt den Nachschub und liefert die Behälter zu den Arbeitsplätzen.

Durch die Verteilung des Bedarfs ergibt sich ein Lieferzyklus von einer Stunde und einer Bereitstellungskapazität von elf Behältern pro Stunde pro Arbeitsplatz. Die Lieferroute ist in Bild 1 links dargestellt.

Bild 1 Lieferroute Szenario 1 mit Routenzug
Bild 1

Lieferroute Szenario 1 mit Routenzug

Szenario 2: Automatisierte Versorgung der Montagezelle durch einen mobilen Cobot

Ein Trend, der innerhalb der Industrie 4.0 beobachtet werden kann, ist die Automatisierung von Prozessen [10]. Gründe können steigende Lohnkosten und Fachkräftemangel sein. Der einfache Weg, den viele Unternehmen erwägen, ist eine 1 : 1-Automatisierung. Dies hat zur Folge, dass die Struktur der Montagezelle und die Peripherie nur geringfügig verändert werden müssen.

Als Transportmittel wird ein mobiler Cobot, der aus einer Transportplattform und einem Roboterarm besteht (Bild 2), eingesetzt. Der mobile Cobot übernimmt die Funktion des Logistikers und versorgt die einzelnen Arbeitsplätze der u-förmigen Montagezelle. Der Ablauf ist identisch mit dem des ersten Szenarios.

Bild 2 Lieferroute Szenario 2 mit mobilem Cobot
Bild 2

Lieferroute Szenario 2 mit mobilem Cobot

Aufgrund der begrenzten Transportfläche ist die Anzahl der Behälter, die ein mobiler Cobot gleichzeitig transportieren kann, limitiert. Das Transportvolumen entspricht demnach elf Behälter pro Stunde für einen Arbeitsplatz. Das bedeutet, dass der mobile Cobot die Arbeitsplätze einzeln, also bis zu sechs Mal pro Stunde, anfahren muss.

Szenario 3: Automatisierte Versorgung der Montagezelle durch einen Armroboter und einen Transportroboter sowie Änderung der Montagezellenstruktur

In diesem Szenario wird die automatisierte Versorgung radikal neu gedacht. Die grundlegenden Strukturen werden so geändert, dass sie zur effizienten Automatisierung geeignet sind.

Der mobile Cobot wird in einen kollaborativen Armroboter und eine Transportplattform getrennt. Die Aufteilung des mobilen Cobots ermöglicht, dass beide Roboter nun voneinander unabhängig arbeiten und die beiden Systeme sinnvoll ausgelastet werden können. Der Armroboter verbleibt bei den Arbeitsplätzen und hat die Aufgabe, die Behälter in die Arbeitsplätze zu stellen. Die Anordnung der Arbeitsplätze erfolgt in der zum Patent angemeldeten O-Form (O-Zelle) [11], sodass der Roboter in der Mitte positioniert ist und alle Arbeitsplätze von innen erreichen kann. Die Mitarbeiter sind bei der O-Zelle außen positioniert [12].

Dies hat den Vorteil, dass der Armroboter von den Menschen getrennt ist und schneller arbeiten kann. Für den Transportroboter existiert lediglich einen einzigen Übergabepunkt, was die Automatisierung der Versorgung vereinfacht (Bild 3). Der Transportroboter bringt den Nachschub vom Ausgabepunkt im Lager zum Übergabepunkt der O-Zelle. Das sogenannte Shooter-Prinzip beschleunigt den Behälteraustausch, indem der Transportroboter das Regal auf der Transportfläche an das Regal am Ausgabepunkt im Lager bzw. am Übergabepunkt der O-Zelle andockt und die Vollgut- und Leergut-Behälter über die verbundenen, geneigten Rollenbahnen ausgetauscht werden können. Auf diese Weise ist eine komplett automatisierte Versorgung möglich.

Bild 3 Lieferroute Szenario 3 mit Transportroboter und Armroboter in der O-Zelle
Bild 3

Lieferroute Szenario 3 mit Transportroboter und Armroboter in der O-Zelle

Der Bedarf an Behältern wird auf die Kapazität des Shooter-Transportregals verteilt. Daraus ergibt sich ein Lieferzyklus von 38 Minuten. Innerhalb einer Fahrt werden bis zu 29 Behälter zur O-Zelle geliefert und durch den Armroboter auf die Arbeitsplätze verteilt.

Vor- und Nachteile sowie Aufwand der Szenarien

In Tabelle 2 sind die Vor- und Nachteile sowie der Aufwand der einzelnen Szenarien übersichtlich dargestellt.

Tabelle 2

Vor- und Nachteile sowie Aufwand der Szenarien

Szenario 1 Szenario 2 Szenario 3
Vor- und Nachteile

  1. flexibel

  2. effizient

  3. schnelle Reaktion

  4. mindestens eine Fachkraft pro Schicht notwendig

  5. steigende Personalkosten

  6. Fachkräftemangel

  1. durchgehender Einsatz möglich (außer bei Ladezeiten)

  2. selbstständiges Arbeiten

  3. geringeres Unfallpotential

  4. 3. Schicht möglich

  5. mehrere Anfahrpunkte bei U-Zelle

  6. benötigt breite Wege

  7. langsame Arbeitsgeschwindigkeit

  8. keine simultane Nutzung des Arms und der Plattform möglich

  9. geringe Transportkapazität

  1. ein Anfahrpunkt bei O-Zelle

  2. Entkopplung der Systeme

  3. bessere Auslastung der Systeme

  4. geringeres Unfallpotential

  5. höhere Transportkapazität

  6. 3. Schicht möglich

  7. Vernetzung und Steuerung erforderlich

Aufwand geringer Aufwand bei der Umsetzung hoher Aufwand bei Programmierung und Optimierung hoher Aufwand bei Programmierung sowie Vernetzung und Steuerung

Kosten der einzelnen Szenarien

Zum Vergleich der Kosten der Szenarien werden die Personalkosten, Anschaffungskosten und mögliche Nebenkosten, wie z. B. Inbetriebnahme und jährliche Wartungskosten der involvierten Systeme, in Tabelle 3 aufgelistet. Zu den Inbetriebnahmekosten zählen zum Beispiel der Aufbau der Ladestation, die Sicherheitsabnahme, Schulungen, die Programmierung der Geräte usw. Unter die jährlichen Wartungskosten fallen Kosten für Personal, Reparaturen, Ersatzteile usw. Diese Kostenangaben beruhen auf eigenen Erfahrungen, Angaben im Internet und in Broschüren sowie Anfragen an Hersteller.

Tabelle 3

Entstehende Kosten der einzelnen Szenarien

Szenario 1 Szenario 2 Szenario 3
Fixe Kosten Kauf Routenzug 25.000€ Mobile Cobot 150.000€ FTS 100.000€
Inbetriebn. Routenzug 5.000€ Inbetriebn. mo. Cobot 100.000€ Inbetriebn. FTS 70.000C
Armroboter 26.000€
Inbetriebn. Armroboter 50.000€
Laufende Kosten 2 Logistiker 130.000€ p.J. Wartung mo. Cobot 20.000€ p.J. Wartung FTS 15.000€ p.J.
Wartung Routenzug 10.000€ p.J. Wartung Armroboter 10.000€ p.J.

Für Szenario 1 werden jährliche Kosten zweier Logistiker für je eine Schicht berücksichtigt. Es sind nicht nur die reinen Lohnkosten, sondern auch die Kosten, die auf der Unternehmerseite entstehen, einkalkuliert. Als Transportmittel wird ein Routenzug mit zwei Anhängern eingesetzt. Dessen Anschaffungskosten, Inbetriebnahmekosten und jährliche Wartungskosten werden berücksichtigt.

Für Szenario 2 sind die Anschaffungskosten, die Inbetriebnahmekosten und die jährlichen Wartungskosten eines mobilen Cobots einkalkuliert. Die Nebenkosten sind wesentlich höher als die Nebenkosten von Szenario 1, da für einen mobilen Cobot ein hoher Programmieraufwand entsteht und wiederholt Optimierungsprogrammierungen erforderlich sind.

Für Szenario 3 werden die jeweiligen Anschaffungskosten, Inbetriebnahmekosten und jährlichen Wartunkosten für den Transportroboter und den Armroboter berücksichtigt. Die Summe der Inbetriebnahmekosten sind höher als die in Szenario 2, da es sich um zwei verschiedene Geräte handelt. Beide Systeme erfordern jeweils den Aufbau, die Programmierung und die Sicherheitsabnahme der Geräte sowie eine Schulung des involvierten Personals. Es gilt die Faustregel [13, 14], dass die Anschaffungskosten eines Armroboters 30 Prozent der Gesamtkosten betragen. Für Transportroboter (FTS) gelten überwiegend fixe Kosten, die sich im angegebenen Bereich bewegen [15].

Bei den jährlichen Kosten wird eine Inflationsrate von 3 Prozent pro Jahr mit einbezogen.

Den Summen der Szenarien in Tabelle 3 ist zu entnehmen, dass eine Automatisierung der Versorgung höhere Investitionskosten bedeutet. Allerdings besteht bei allen Szenarien die Annahme, dass das Personal und die Systeme nicht zu 100 Prozent ausgelastet sind und die Restkapazität anderweitig sinnvoll genutzt werden kann. Aus diesem Grund muss für jedes Szenario die zeitliche Auslastung ermittelt werden.

Ermittlung der zeitlichen Auslastung

Als Indikator zum Vergleich der Szenarien wird der zeitliche Auslastungsgrad genutzt [16]. Die zeitliche Auslastung errechnet sich aus dem Verhältnis der tatsächlichen Arbeitszeit zur verfügbaren Arbeitszeit, d. h. der Lieferzykluszeit (vgl. Gl. (1)). Daraus ist ersichtlich, zu wie viel Prozent die Systeme für die Aufgabe ausgelastet sind.

Die tatsächliche Arbeitszeit des Logistikers bzw. der Systeme werden aus der realen Nachstellung in der Musterfabrik am TZ PULS ermittelt.

Zeitliche Auslastung im Szenario 1

Im Szenario 1 beträgt die Lieferzykluszeit 60 Minuten. Aus der Nachstellung in der Musterfabrik ergibt sich eine Arbeitszeit in Höhe von max. 15 Minuten. Davon beträgt die Transportzeit fünf Minuten und die Handlingzeit zehn Minuten. Die zeitliche Auslastung beträgt 25 Prozent (vgl. Gl. (2)).

Um eine Montagezelle komplett zu versorgen, wird pro Schicht eine 0,25-Fachkraft (25 %-Vollzeitäquivalent) benötigt. Der Logistiker kann nach der Arbeitszeit für 45 Minuten anderen Tätigkeiten nachgehen.

Zeitliche Auslastung im Szenario 2

Der Lieferzyklus ist der gleiche wie in Szenario 1. In der Realnachstellung benötigt der mobile Cobot 1:30 Stunden, um alle Arbeitsplätze zu versorgen.

Davon beträgt die Transportzeit 15 Minuten und die Handlingzeit 1:15 Stunden. Dies ergibt ein Transportzeit-Handlingzeit-Verhältnis von 1 : 5. Der mobile Cobot ist zu 150 Prozent ausgelastet (vgl. Gl. (3)).

Das Be- und Entladen der Behälter dauert sehr lange, da sich der Armroboter im kollaborativen Modus nicht schnell bewegen darf. Dazu kommt, dass der mobile Cobot aus Sicherheitsgründen nicht fahren darf, solange der Armroboter Behälter auf den Regalen bereitstellt, und umgekehrt.

Folglich kann der einstündige Lieferzyklus nicht eingehalten werden. Um eine termingerechte Versorgung zu gewährleisten, wären 1,5 mobile Cobots nötig.

Zeitliche Auslastung im Szenario 3

Im Szenario 3 beträgt der Lieferzyklus 38 Minuten. In diesem Szenario werden Transportroboter und Armroboter getrennt betrachtet. Aus diesem Grund existieren zwei verschiedene zeitliche Auslastungsgrade für dieses Szenario.

Der Transportroboter benötigt lediglich zehn Minuten, um den Nachschub zum Übergabepunkt zu bringen, da er durch den einzigen Übergabepunkt insgesamt weniger Fahrmeter als im Szenario 2 zurücklegt. Dies entspricht einer zeitlichen Auslastung von 26 Prozent (vgl. Gl. (4)).

Der Transportroboter kann nach seiner Arbeitszeit für 28 Minuten anderen Tätigkeiten nachgehen.

Der kollaborative Armroboter benötigt etwa 15 Minuten, um den neuen Nachschub auf die Arbeitsplätze zu verteilen. Dies entspricht einer zeitlichen Auslastung von 39 Prozent (vgl. Gl. (5)). Abhängig davon, ob der Armroboter neben dieser Aufgabe weitere Tätigkeiten ausführen kann, muss bei der Kostenkalkulation der Bereich der zeitlichen Auslastung von 39 Prozent bis 100 Prozent berücksichtigt werden.

ZeitlicheAuslastung=ArbeitszeitLieferzykluszeit100% (1)
ZeitlicheAuslastungSzl=15Min.60Min.100%=25% (2)
ZeitlicheAuslastungSz2=90Min.60Min.100%=150% (3)
ZeitlicheAuslastungSz3TR=10Min.38Min.100%26% (4)
ZeitlicheAuslastungSz3AR=15Min.38Min.100%39% (5)

Durch den einzigen Übergabepunkt und die Anwendung des Shooter-Prinzips beträgt das Transportzeit-Handlingzeit-Verhältnis 1 : 1,5. Das Verhältnis zeigt, dass in diesem Szenario die Behälter im Vergleich zu Szenario 1 effizienter bereitgestellt werden.

Kostenvergleichsrechnung der Szenarien

Bei der Kostenvergleichsrechnung (Bild 4) werden die jeweiligen zeitlichen Auslastungen berücksichtigt.

Bild 4 Darstellung der Gesamtkosten der einzelnen Szenarien über die Jahre
Bild 4

Darstellung der Gesamtkosten der einzelnen Szenarien über die Jahre

Wenn der Armroboter in Szenario 3 anderen Tätigkeiten (zeitliche Auslastung = 39 %) nachgehen kann, wird der Ausgleich, wie in Bild 4 dargestellt, nach 2,2 Jahren erreicht. Im Fall, dass der Armroboter keine weiteren Tätigkeiten ausführen kann (zeitliche Auslastung = 100 %), wird der Ausgleich nach fünf Jahren erreicht.

Der Ausgleich zwischen Szenario 1 und 2 wird erst nach 50 Jahren erreicht. Wenn der Kaufpreis und die Inbetriebnahmekosten um die Hälfte reduziert werden, wird er nach 30 Jahren erreicht.

Zusammenfassung und Ausblick

Die drei Versorgungsszenarien werden in der Musterfabrik des TZ PULS in realer Umgebung nachgestellt, um den Aufwand, die Kosten und die Effizienz der Szenarien zu ermitteln.

Das Ergebnis des ersten Szenarios ist, dass der Logistiker mit seinem Routenzug eine hohe Flexibilität und Effizienz aufweist. Der Aufwand ist als gering zu bewerten.

Im zweiten Szenario wird die Versorgung 1 : 1 automatisiert. Allerdings zeigt die Realisierung des zweiten Szenarios, dass eine solche Automatisierung sehr ineffizient ist sowie der Aufwand und die entstehenden Kosten hoch sind, da 1,5 mobile Cobots notwendig sind. Eine 1 : 1-Automatisierung der Versorgung ist keine effiziente Lösung.

Eine effiziente Automatisierung der Versorgung wird durch eine Modifikation der Montagezellenstruktur sowie eine Trennung des mobilen Cobots in einen Transportroboter und einen Armroboter erreicht [11]. Der Armroboter versorgt in der O-Zelle die Arbeitsplätze, während der Transportroboter den Nachschub vom Lager zur O-Zelle bringt. Die Trennung führt zu einer unabhängigen und damit einer effizienten Nutzung der Roboter. Die zeitlichen Auslastungen sind gering, sodass die Systeme noch Puffer haben, um weitere Tätigkeiten während des Lieferzyklus auszuüben und die anteiligen Kosten geringer als beim zweiten Szenario ausfallen. Ein Kostenausgleich gegenüber dem ersten Szenario wird, abhängig von der Auslastung des Armroboters, bereits nach 2,2 bis 5 Jahren erreicht.

Dieses Szenario erfordert jedoch die Digitalisierung der Montagezelle. Die Vernetzung der Systeme mit einem einheitlichen Kommunikationsprotokoll, die Anbindung der Systeme an das Netzwerk sowie die systemübergreifende Steuerung sind unabdingbar.

Des Weiteren ist es wichtig, dass die Systeme in einer Industrie-4.0-Umgebung eine hohe Flexibilität aufweisen, um auf unvorhergesehene Ereignisse zeitnah und effizient reagieren zu können [10, 17]. Dies setzt interoperable Schnittstellen und somit die Notwendigkeit eines einheitlichen digitalen Datenabbilds der Systeme voraus, welches den Zugriff auf das Wissen der einzelnen Systeme erlaubt. Ein Lösungsansatz ist die Verwaltungsschale (englisch: Asset Administration Shell), die ein einheitliches Datenabbild aller Systeme durch Standardisierung sowie Interoperabilität und Flexibilität ermöglicht [18].

Durch Anwendung dieses Ansatzes können die Inbetriebnahmekosten und Wartungskosten des dritten Szenarios weiter reduziert werden, sodass ein Kostenausgleich schneller erreicht wird. Diese Thematik wird Gegenstand weiterer Forschungsarbeiten sein.


Hinweis

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



Tel.: + 49 (0) 871 5068350

About the authors

Lisa Schuler

Lisa Schuler, geb. 1990, studierte Systemtechnik/techn. Kybernetik (B. Sc.) an der Otto-von-Guericke-Universität und Automatisierungstechnik (M. Sc.) an der RWTH Aachen. Seit 2020 ist sie als Wissenschaftliche Mitarbeiterin im Projekt „Process Innovation Center“ (PR|IN|CE) am Technologiezentrum für Produktions- und Logistiksysteme (TZ PULS) der Hochschule Landshut beschäftigt.

Prof. Dr. Markus Schneider

Prof. Dr. Markus Schneider, geb. 1974, ist Professor für Logistik, Material- und Fertigungswirtschaft und Wissenschaftlicher Leiter des Technologiezentrums Produktions- und Logistiksysteme (TZ PULS) der Hochschule Landshut. Darüber hinaus ist er geschäftsführender Gesellschafter der PuLL Beratung GmbH.

Literatur

1 Schneider, M.: Z-Production – Ein revolutionäres Produktionsparadigma. ZWF 117 (2022) 1/2, S. 4–8 10.1515/zwf-2022-1001Suche in Google Scholar

2 Battini, D.; Gamberi, M.; Persona, A.; Sgarbossa, F.: Part-Feeding with Supermarket in Assembly Systems: Transportation Mode Selection Model and Multi-Scenario Analysis. Assembly Automation 35 (2015) 1, S. 149–159 10.1108/AA-06-2014-053Suche in Google Scholar

3 Samaniego, R.; Rodríguez, R.; Vázquez, F.; López, J.: Efficient Path Planing for Articulated Vehicles in Cluttered Environments. Sensors 20 (2020) 23, S. 6821 10.3390/s20236821Suche in Google Scholar PubMed PubMed Central

4 Wurll, C.; Fritz, T.; Hermann, Y.; Hollnaicher, D.: Production Logistics with Mobile Robots. In: ISR 2018; 50th International Symposium on Robotics. VDE, München 2018, S. 1–6Suche in Google Scholar

5 Kousi, N.; Koukas, S.; Michalos, G.; Makris, S.: Scheduling of Smart Intra – Factory Material Supply Operations Using Mobile Robots. International Journal of Production Research 57 (2019) 3, S. 801–814 10.1080/00207543.2018.1483587Suche in Google Scholar

6 Sand, H. C.; Auf Der Landwehr, M.; von Viebahn, C.: Simulating and Evaluating Internal Logistics Strategies for Suppliers in Just-in-Sequence Supply Systems in the Automotive Industry. In: 2023 Winter Simulation Conference (WSC). IEEE, San Antonio, TX, USA 2023, S. 1546–1557 10.1109/WSC60868.2023.10408563Suche in Google Scholar

7 Schuhmacher, J.; Hummel, V.: Self-Organization of Changeable Intralogistics Systemsat the ESB Logistics Learning Factory. Procedia Manufacturing 31 (2019), S. 194–199 10.1016/j.promfg.2019.03.031Suche in Google Scholar

8 Seha, S.; Zamberi, J.; Fairu, A. J.: Design and Simulation of Integration System between Automated Material Handling System and Manufacturing Layout in the Automotive Assembly Line. IOP Conference Series: Materials Science and Engineering 257 (2017) 1, S. 12–17 10.1088/1757-899X/257/1/012017Suche in Google Scholar

9 Emde, S.; Fliedner, M.; Boysen, N.: Optimally Loading Tow Trains for Just-in-Time Supply of Mixed-Model Assembly Lines. IIE Transactions 44 (2012) 2, S. 121–135 10.1080/0740817X.2011.575442Suche in Google Scholar

10 Bauernhansl, T.: Die Vierte Industrielle Revolution – Der Weg in ein wertschaffendes Produktionsparadigma. In: Vogel-Heuser, B.; Bauernhansl, T.; ten Hompel, M. (Hrsg): Handbuch Industrie 4.0. Band 4: Allgemeine Grundlagen. Springer-Vieweg-Verlag, Wiesbaden 2017, S. 1–31 10.1007/978-3-662-53254-6_1Suche in Google Scholar

11 Schneider, M.; Ettengruber, T.; Büttner, K.; Rittberger, S.: Partially Automated Manufacturing Cell, EP 20 162 144.8, Anmelder: Hochschule für angewandte Wissenschaften, Landshut, Deutschland, Anmeldedatum: 10. März 2020 10.1515/zwf-2021-0005Suche in Google Scholar

12 Schneider, M.; Büttner, K.; Ettengruber, T.: Eine automatisierungsgerechte Anordnungsform von Montagesystemen. ZWF 116 (2021) 1–2, S. 25–2810.1515/zwf-2021-0005Suche in Google Scholar

13 Klaerner, J.: Was kostet ein Roboter wirklich? igus blogs (2021). Online unter https://blog.igus.de/was-kostet-ein-roboter-wirklich [Zugriff am 19.06 2024]Suche in Google Scholar

14 Merger, D.: Diese Fakten zu Industrierobotern sollten Sie kennen. Produktion Online (2023) . Online unter https://www.produktion.de/technik/diese-fakten-zu-industrierobotern-sollten-sie-kennen-6-578.html [Zugriff am 19.06 2024]Suche in Google Scholar

15 Schierack, M.: Jungheinrich – Mobile Robots Planertag 2023. Online-Vortrag bei Jungheinrich Logistiksysteme GmbH, Moosburg 2023Suche in Google Scholar

16 Aberle, G.: Transportwirtschaft: Einzelwirtschaftliche und gesamtwirtschaftliche Grundlagen. Oldenbourg Wissenschaftsverlag, München 2013Suche in Google Scholar

17 Custodio, L.; Machado, R.: Flexible Automated Warehouse: A Literature Review and an Innovative framework. The International Journal of Advanced Manufacturing Technology 106 (2020) 1, S. 533–558 10.1007/s00170-019-04588-zSuche in Google Scholar

18 Kagermann, H.; Wahlster, W.: Ten Years of Industrie 4.0. Sci 4 (2022) 3, S. 26 10.3390/sci4030026Suche in Google Scholar

Published Online: 2024-10-23
Published in Print: 2024-10-20

© 2024 Lisa Schuler und Markus Schneider, publiziert von De Gruyter

Dieses Werk ist lizensiert unter einer Creative Commons Namensnennung 4.0 International Lizenz.

Heruntergeladen am 29.1.2026 von https://www.degruyterbrill.com/document/doi/10.1515/zwf-2024-1137/html
Button zum nach oben scrollen