Band 118, Heft 11

Um die Herausforderungen der Fabrikplanung durch unzureichende Entscheidungsunterstützung, fehlendes durchgängiges Datenmanagement sowie Frontloading zur Vermeidung von wiederholenden Planungsschleifen und Zeitverlusten aufgrund vieler Änderungsoptionen zu bestreiten, wird in diesem Beitrag ein datenbasierter Lösungsansatz zur Szenarienevaluation vorgestellt. Dabei sollen besonders in frühen Phasen der Fabrikplanung bereits Entscheidungen zu Standort, Eigenanteil, Technologiefokus, Zulieferer etc. datenbasiert getroffen werden. Dieser Ansatz besteht aus einer Kombination von Geschäftsprozessmodellierung aus der objektorientierten Integrierten Unternehmensmodellierung (IUM), dem Business Canvas und einer Morphologischen Box zur Szenarienevaluation.

Die Fertigung kundenindividueller elektronischer Bauteile ist durch volatile Losgrößen und heterogene Automatisierungsgrade geprägt. Trotz verfügbarer Assistenzsysteme können zeitbezogene Abweichungen oft erst mit hohem Aufwand in der Produktionsleitung identifiziert und geeignete Maßnahmen verzögert eingeleitet werden. Um eine proaktive Steuerung auf Feldebene zu realisieren, bedarf es einer teilautomatisierten Lösung. Process Mining stellt einen datenbasierten Ansatz dar, um den organisatorischen und zeitlichen Produktionsablauf aufzudecken. Anhand prädiktiver Ergebnisse im operativen Betrieb können somit geeignete Maßnahmen bereitgestellt werden. In diesem Beitrag wird ein anwendungsorientierter Ansatz zur vorhersagenden Prozesssteuerung von Fertigungsabweichungen unter Einsatz von Process Mining vorgestellt.

Wie vollzieht die Natur evolutionäre Anpassungen, und was kann die Produktionstechnik von der Natur lernen, um flexiblere Prozesse zu entwickeln? Forscher:innen aus sieben Fraunhofer-Instituten haben im Fraunhofer-Leitprojekt „EVOLOPRO“ verschiedene Elemente der Flexibilität und Selbstanpassung analysiert und auf die Fertigung komplexer Bauteile übertragen. Das Forschungsteam legte damit den Grundstein für eine neue Generation von Produktionssystemen im Sinne eines „Biological Manufacturing Systems“.

Die Verschleißgrenzen von Fräswerkzeugen dürfen hinsichtlich der Werkstückqualität nicht überschritten werden. Der dafür notwendige Werkzeugwechsel richtet sich häufig nach festen Standzeiten, wodurch variierende Verschleißraten nicht berücksichtigt und optimale Wechselzeitpunkte verpasst werden. In diesem Beitrag wird gezeigt, wie ML-Modelle bei der Entscheidungsfindung für einen Werkzeugwechsel bei variierenden Verschleißraten innerhalb eines definierten Schnittparameterraums genutzt werden können.

Ein gutes Werkzeug für erfolgreiche Anwendung von Pull-Mechanismen ist die Conwip-Steuerung, ein in der Urform kartenbasiertes System, das in der Werkstattfertigung ein hohes Potenzial zur Reduzierung von Beständen und Durchlaufzeiten entfalten kann. Dieser Beitrag beschreibt, wie die Conwip-Logik in einer kundenauftragsspezifischen Werkstattfertigung funktioniert, und evaluiert die Wirksamkeit des Verfahrens anhand eines Simulationsmodells. Die Simulation ergibt ein Durchlaufzeitpotenzial von 30 bis 40 Prozent, das durch die Conwip-gesteuerte Auftragsfreigabe erschlossen werden kann.

Die pandemiebedingt angestiegene Homeofficequote in produzierenden Unternehmen ist seit Juli 2020 deutlich rückläufig und indiziert ein geringes Maß an langfristig gestalteten hybriden Arbeitsplatzkonzepten. Angesichts des Fachkräftemangels besteht Handlungsdruck, eine attraktive Arbeitsumgebung mit industriellen Tätigkeiten zu vereinbaren. Um zukunftsorientierte Arbeitsplatzkonzepte zu gestalten, nennt das vorgestellte Vorgehen systematisch die menschlichen Tätigkeiten in produzierenden Unternehmen und bewertet deren Remotefähigkeit.

Die hybride Prozesskette aus der draht- und lichtbogenbasierten Additiven Fertigung und der spanenden Nachbearbeitung bringt neue Herausforderungen in der Prozessauslegung mit sich. Im Rahmen des Forschungsprojektes CICAM sollen durch die Verwendung des bestärkenden Lernens die rechnergestützte Auslegung dieser hybriden Prozesskette verbessert und die Anwendungsfreundlichkeit der CAM-Planung erhöht werden.

Fehldrucke sowie die spanende Nachbearbeitung additiv gefertigter Metallbauteile verteuern und verlängern die Produktion. Ressourceneffiziente Stützkörper und optimierte Nachbearbeitungsprozesse wirken diesem Problem entgegen. Einen praktikablen Lösungsweg haben die Bundesförderprojekte „BEST“ und „OptiPro“ entwickelt: eine optimierte Prozesskette für den 3D-Druck von der Generierung der Stützstrukturen bis zum gedruckten Bauteil.

Das Ziel der vorgestellten Forschungsarbeit ist die Analyse der Eingangsdaten für die Berechnung der thermo-elastischen Tool Center Point (TCP)-Verlagerung mit künstlichen neuronalen Netzen. Mithilfe einer Korrelationsanalyse und einer Rückwärtselimination wird untersucht, welche Stellenwerte den verschiedenen Eingangsdaten zukommen. Aufbauend auf den in diesem Beitrag vorgestellten Ergebnissen kann in zukünftigen Arbeiten eine fundierte Auswahl der Eingangsdaten erfolgen.

Im Rahmen eines im Förderaufruf „Klimaneutrale Wärme und Kälte“ geförderten Mikroprojekts „ECO-TransMikro“ wurden Voruntersuchungen für die Durchführbarkeit des geplanten Forschungsverbundprojekts MISTRAL zur Ermittlung einer Transformationsmethode von Produktionsstandorten hin zu Treibhausgasneutralität unternommen. Mittels dynamischer Simulation wurden Energieeffizienzpotenziale im Produktionssystem einer Hartschaumstoffplattenfertigung ermittelt und hinsichtlich der Wirtschaftlichkeit und des CO2-Einsparpotenzials bewertet.

Volatile Märkte sowie verkürzte Produktzyklen stellen Zulieferer vor Herausforderungen. Um auf diese Änderungen in kurzer Zeit reagieren zu können, muss die Planungsdauer für Restrukturierungsmaßnahmen reduziert werden. In diesem Beitrag wird ein Ansatz zur Erweiterung des Fabrikplanungsprozesses vorgestellt, um den Aufwand abschätzen zu können. Ein Digitaler Schatten dient dabei als Entscheidungsgrundlage für weitere Restrukturierungsmaßnahmen, basierend auf den Daten aus dem Produktionssystem.

Globalisierung und Wettbewerbsfähigkeit zwingen die Industrie, ihre Geschäftsprozesse immer flexibler und agiler zu gestalten. Dennoch zeigen sich Herausforderungen bei der Entwicklung solcher Prozesse. Kundenindividuelle Industrieumgebungen erschweren die Integration von kundenunabhängig entwickelten verfahrenstechnischen Anlagen. Die daraus resultierenden Anforderungen sind vielseitig. Für die datentechnische Beschreibung dieser Anforderungen müssen grundlegende Datenmodelle entwickelt werden, welche die Anforderungen an die reale Industrieumgebung in einer digitalen Welt abbilden können.

Unternehmen sehen sich zukünftig und aktuell einem Fachkräftemangel gegenüber. Dieser wird zusätzlich durch den demografischen Wandel verstärkt. Umso entscheidender ist es, Wissen der erfahrenen Mitarbeitenden zu konservieren und effizient einzusetzen. Der aufgezeigte Ansatz beschreibt eine Möglichkeit, erfasste Daten mithilfe künstlicher Intelligenz aufzubereiten und für Neuaufträge zu nutzen. Er bildet einen Fortschritt gegenüber dem aktuellen Status quo, da die Anwendung im Kontext der Unikatfertigung präsentiert wird. Der Beitrag beschreibt den theoretischen Ansatz sowie die damit einhergehenden Herausforderungen im praktischen Einsatz.

Die vorliegende Studie untersucht die KI-basierte Anomalieerkennung beim Kontaktierprozess von Li-Ionen-Batterieelektroden. Zur Datengenerierung wurden Schweißproben mit zwei gezielt eingebrachten Defekten hergestellt. Auf Basis der aufgezeichneten Strahlungsemissionen können die Fehlertypen aus den Zeitreihendaten durch Merkmalsextraktion und Clusterbildung voneinander unterschieden und gegenüber den defektfreien Referenzproben erfolgreich abgegrenzt werden.

In der Massivumformung stellen Qualitätsabweichungen infolge von Prozessinstabilitäten eine Herausforderung dar. Auf die Prozessinstabilitäten muss durch die Regelung des Prozesses reagiert werden. Dazu wird ein generalistisches Framework basierend auf einem Reinforcement Learning (RL)-Regler entwickelt. Mithilfe von historischen Daten und den geforderten Qualitätsmerkmalen wird ein Regressionsmodell erstellt, mit dem der Regler eine optimierte Parameterkonfiguration bestimmt. Das Framework ist auf verschiedene Prozesse anwendbar.