Volume 117, Issue 10

Die Implementierung von Lösungen der datengetriebenen Produktion in KMU stellt oftmals eine große Hürde dar, da häufig das notwendige Know-how nicht vorhanden ist. Mit dem Projekt „Plattform dataPro“ werden eine Transferumgebung zum Domänenwissen und Implementierungsansätze im Bereich der datengetriebenen Produktion geschaffen. Die Grundlage bilden Demonstratoren. Am PTW der TU Darmstadt wurde ein solcher Demonstrator zur KI-basierten Echtzeitüberwachung einer Motorspindel entwickelt, der Domänenwissen in einem anschaulichen Anwendungsfall darstellt.

Die Auswertung sensorischer Daten von stationären Betriebsmitteln in der Produktion bietet Potenziale zur Reduktion störungsbedingter Kosten. Vernetzte Sensoren dienen dabei zur datengetriebenen Fehlerursachenanalysen. In diesem Beitrag wird ein generalisierter Ansatz zur Detektion von anomalen Zuständen auf Basis maschineller Lernalgorithmen und die Lokalisierung der Ursache vorgestellt. Um Aufwände zur datentechnischen Abbildung der Ausfälle zu minimieren, wird eine Datengenerierung durch den Bediener herangezogen. Eine Validierung des Ansatzes zeigt, dass unüberwachte Lernmethoden Potenziale zur Erkennung von Störungen selbst auf Basis kleiner Datensätze aufweisen.

In diesem Beitrag wird ein Schulungssystem für Bedienpersonal vorgestellt, das unter Nutzung von Virtueller Realität (VR) Wissen von Prozesszusammenhängen in Verarbeitungsmaschinen vermittelt. Die Kopplung der VR an ein semantisches Modell des Prozesses ermöglicht, dass sich Veränderungen von Einstellparametern durch den Lernenden realitätsgetreu auf die Visualisierung und die Animation des Prozessablaufs sowie die Produktqualität auswirken und eine Lernumgebung für effektive Aus- und Weiterbildung entsteht.

Obwohl Sprachassistenzsysteme im privaten Alltag immer beliebter werden, finden solche Systeme noch kaum Anwendung in der Industrie. In der Theorie werden diverse Potenziale wie Zeiteinsparungen, verbesserte Ergonomie oder optimierter Informationsfluss durch den industriellen Einsatz von Sprachassistenten erwartet. Jedoch wurde dieser Einsatz im industriellen Kontext noch nicht praxisnah erforscht. Aus diesem Grund wurde im Rahmen des Forschungsprojektes „Smart Speaker“ eine Laborstudie durchgeführt, um den Einsatz von Sprachassistenzsystemen am Beispiel eines Montageprozesses zu untersuchen. Es konnten dabei drei wichtige Faktoren identifiziert werden, die maßgeblich die Nutzungseffizienz eines Sprachassistenzsystems beeinflussen.

In der Diskussion um die Folgen von Industrie 4.0 auf die Gestaltung von Arbeit und des demografischen Wandels auf das Erwerbspersonenpotenzial ist häufig die Rede von Assistenzsystemen. Mit ihrem Einsatz werden verschiedene Hoffnungen und Befürchtungen verbunden. Aktuelle Assistenzsysteme fokussieren meist auf die Unterstützung zur korrekten Ausführung einer Tätigkeit. Das Nachahmen von Arbeitsschritten ist wenig nachhaltig. Vielmehr sollten Lernprozesse bei den Beschäftigten initiiert werden. Welche Gestaltungsdimensionen für eine lernförderliche Entwicklung eines digitalen Assistenzsystems zum Tragen kommen sollten, ist Thema des folgenden Beitrags.

In industriellen Montage- und Logistikprozessen führen repetitives Tragen schwerer Lasten, Überkopfarbeiten oder Zwangshaltungen zu starken körperlichen Belastungen, die hohe Personalausfallquoten und geringe Arbeitsattraktivität zur Folge haben. Dieser Beitrag orientiert sich am Operator-5.0-Gedanken und stellt ein neuartiges Konzept für den kombinierten Einsatz von sensorischen Exoskeletten und fahrerlosen Transportfahrzeugen mit dem Ziel verbesserter Arbeitsergonomie und -produktivität vor. Aufbauend auf den funktionalen und prozessualen Anforderungen werden eine Systemarchitektur und Steuerungssoftware sowie intelligente Methoden zur Mensch-Technik-Interaktion vorgestellt. Dabei werden zum einen eine automatisierte, prozess- und mitarbeiterspezifische Materialbereitstellung und zum anderen eine informatorische und physische Verbesserung der Arbeitsergonomie verfolgt. Das entwickelte Konzept wird im Beitrag durch exemplarische Anwendung auf Lager- und Montageprozesse im Automobilumschlag validiert.

Die automatisierte Erstellung von MTM-Analysen stellt ein hohes Potenzial für den effizienten Einsatz sowie die Verbreitung der MTMMethoden dar. Entwicklungen im Kontext der Künstlichen Intelligenz bieten dazu vielfältige neue technologische Möglichkeiten. Im Rahmen einer Machbarkeitsstudie wurde ein Konzept zur KI-gestützten, textbasierten Datenauswertung entwickelt und geeignete Technologien zur Umsetzung des Konzepts identifiziert.

Klima- und Energiewende, Umwelt- und Ressourcenschonung gehören zu den zentralen Herausforderungen unserer Zeit. Nachhaltigkeit gewinnt an Bedeutung. Um der „Corporate Social Responsibility“ gerecht werden zu können, ist es nötig, Produkte für den Markt vorzusehen, die ein positives Ökologie- und Ökonomie-Verhältnis ermöglichen. Die Sustainability-Value-Analyse ist ein Management-Instrument, das genau diesen Zweck erfüllt, wie am Beispiel einer „NFK in 3D“-Tragstruktur der NA chhaltigen MI ttel- KO nsole „NAMIKO“ dargestellt wird: Nachhaltigkeit im „Frontloading“.

Der Verbrauch von elektrischen Antrieben in der Industrie und dem verarbeitenden Gewerbe beträgt in Deutschland fast zwei Fünftel des gesamten Stromes. Somit werden den Elektromotoren eine Schlüsselrolle bei der Energieeinsparung zugeschrieben. Besonders hoch liegt die Energieeinsparung im Leistungsbereich zwischen 0,75 kW und 40 kW, da hier die meisten Betriebsstunden im Jahr anfallen. Gleichzeitig spielt neben der Energieeinsparung auch die Instandhaltung von elektrischen Antrieben eine entscheidende Rolle, da bei plötzlichen Ausfällen hohe Kosten durch Produktionsausfälle oder Reparaturen entstehen können. Um beiden Kriterien gerecht zu werden, wurde ein universell einsetzbares Condition-Monitoring-System entwickelt. Unter Anwendung der integrierten Schwingungsmessung konnten aus unterschiedlichen Belastungs- und Schadensfällen und den daraus ermittelten Kennwerten Vorhersagemodelle und Trendanalysen abgeleitet werden.

Die hohe Leistungsdichte eines elektrischen Antriebs wird in der Regel über eine hohe maximale Rotordrehzahl erreicht. Dies erfordert nicht lösbare Fügeverbindungen sowie thermisch unterstützte Montageprozesse. Der Einsatz einer Rotorwelle, Wuchtscheibe und Magnetfixierung mit federndem Verhalten ermöglicht den Entfall thermischer Prozesse sowie die Demontage treibhausgasintensiver Magnete. Potenziale sowie Herausforderungen dieser neuen Rotorkomponenten werden in diesem Beitrag vorgestellt.

Produktionslinien für Batterieelektroden bestehen aus hoch produktiven aber starren Prozessen. So können Änderungen nur langsam umgesetzt werden, und eine Reaktion auf neue Bedingungen ist kaum möglich. Im Projekt ReFlexBat (Regelbare Beschichtungseinheit für die flexible Beschichtung von Batterieelektroden) wird deshalb eine autonome Beschichtungseinheit entwickelt, um den Anfahrprozess zu beschleunigen, auf neue Randbedingungen zu reagieren und allgemein den Ausschuss im Beschichtungsprozess zu reduzieren. Bisher erfolgte zum einen die Erarbeitung des Konzepts, zum anderen wurde die notwendige Präzision zum Erreichen der Qualitätsziele bestätigt.

Die Volatilität der Märkte stellt für produzierende Unternehmen eine zentrale Herausforderung dar. Neben kurzfristigen Schwankungen der Nachfragemengen verstärken Variantenmixschwankungen kundenindividueller Produkte die Notwendigkeit des effizienten Einsatzes von Belastungsabstimmungsmaßnahmen. Als Lösungsansatz wird am Institut für Fabrikanlagen und Logistik (IFA) im Forschungsprojekt „GeProVar“ eine Methodik zur Operationalisierung der Belastungsflexibilität für KMU entwickelt. Die den produzierenden Unternehmen zur Verfügung stehenden Maßnahmen zur Kapazitäts- und Belastungsabstimmung werden in diesem Beitrag kategorisiert. Durch die angestrebte Entscheidungsunterstützung wird eine reaktionsschnelle Durchführung der Auswahl von optimalen Maßnahmenkombinationen der Belastungsabstimmung zur Handhabung von kurzfristigen Nachfrageschwankungen ermöglicht.

Um die Prozesskräfte bei Werkzeugschleifen zu messen, wird am Institut für Fertigungstechnik und Werkzeugmaschinen (IFW) der Leibniz Universität Hannover eine sensorische Spindel entwickelt. In Kooperation mit dem Maschinenhersteller VOLLMER WERKE Maschinenfabrik GmbH wird auf deren Basis eine Online-Abdrängungskompensation beim Werkzeugschleifen erforscht, um den Einrichtaufwand durch den Verzicht einer Abstützlünette zu reduzieren und die Produktivität des Werkzeugschleifens zu steigern.

Im Rahmen der digitalen Transformation der Produktion ist das Themenfeld Paperless Production ein wichtiger Treiber für die digitale Datenverfügbarkeit. Papierlose Lösungen haben den Vorteil, dass Daten aufwandsarm erzeugt und verwendet werden können. Beispielsweise lassen sich Messwerte aus Anlagenrundgängen und Papier-Checklisten in IT-Systemen abbilden und können dort als Datengrundlage für die Prozessoptimierung verwendet werden. Dieser Beitrag ordnet Paperless Production in die Industrie-4.0-Transformation ein und stellt ein Konzept dar, wie Paperless Production in einem Produktionsbetrieb der Prozessindustrie umgesetzt werden kann. Dazu wird eine Implementierung des Konzepts in einem Anwendungsfall eines Produktionsbetriebs beschrieben.

Der Digitale Zwilling (DZ) ist ein wichtiger Bestandteil der Industrie 4.0 und ermöglicht Anwendungen wie Predictive Maintenance, virtuelles Prototyping oder die Steuerung von Produktions- und Logistikprozessen. Herausforderungen bei der Entwicklung des Digitalen Zwillings entstehen durch fehlende Struktur und Standards. Mit diesem Beitrag soll ein Vorgehensmodell für die Erstellung eines Digitalen Zwillings im Bereich der Produktion und Logistik aufgezeigt werden. Das Vorgehensmodell hilft bei der Einordnung, für welche Anwendungsfälle ein Digitaler Zwilling entwickelt werden kann, welche Schritte bei einer Umsetzung erfolgen müssen, und gibt einen Überblick über die Voraussetzungen und Komplexität bei der Entwicklung. Das zentrale Element bildet dabei die zielgerichtete Aufbereitung und Analyse der zugrunde liegenden Daten mittels des in der Industrie etablierten Vorgehensmodell CRISP-DM.

Um eine hohe Prozesssicherheit innerhalb automatisierter MSGSchweißprozesse zu erreichen, ist der Einsatz zusätzlicher Sensorik oftmals unumgänglich. Im Rahmen dieses Beitrags werden die Gründe dafür näher beschrieben und auch herausgestellt, warum ein Roboter bei komplexeren Anwendungen oftmals das Nachsehen hat. Es wird zudem ein Ansatz vorgestellt, der den Einsatz künstlicher Intelligenz zur Erfassung und Antizipation des Prozesszustands vorsieht und in Kombination mit etablierter Sensorik innovative Adaptionsstrategien erlauben könnte.