Neben unseren täglichen Aktivitäten im World Wide Web erzeugen wir ebenso riesige Datenmengen in unserem industriellen Umfeld durch Maschinen, Ereignisse, aber auch durch uns Menschen selbst. Vielfach liegt die Verwertung dieser „Industriedaten“ brach. Oft sind sie in Datensilos verteilt und werden nicht konsequent analysiert und zu brauchbaren Informationen verdichtet. Mit Hilfe von künstlicher Intelligenz (KI) bzw. Ansätzen von Machine Learning (ML) können hier neue Dienstleistungen entstehen und gerade mittelständischen Unternehmen dabei helfen, wettbewerbsfähig zu bleiben.
Uli Bockholt, Business Development Manager Visometry GmbH Holger Graf, Abteilungsleiter Virtuelle und Erweiterte Realität Fraunhofer Institut für Graphische Datenverarbeitung (IGD)
Augmeted-Reality-Inspektionssysteme werden bereits als Qualitätssicherungssysteme in Produktionslinien der Automobilindustrie eingesetzt. Sie sollen fortwährend prüfen, ob eine Baugruppe exakt so gefertigt ist, wie sie in den CAD-Daten spezifiziert ist. Diese Systeme basieren auf einem Computer-Vision-Trackingsystem, das sowohl mobil als auch stationär eingesetzt werden kann. Diese Art der Qualitätssicherung ist auch in vielen anderen Bereichen der Fertigungsindustrie möglich.
Die additive Fertigung ist eine große Chance für das Ersatzteilmanagement. Bereits heute lassen sich durch additive Verfahren attraktive Alternativen zu herkömmlichen Produktionsmethoden darstellen. Durch das häufig anzuwendende Reverse Engineering (Rückführung auf die Konstruktionsebene) handelt sich dabei aber häufig um komplexe Aufgaben, die deutlich über die reine Vermessungstätigkeit hinausgehen und vom Aufwand her nicht unterschätzt werden sollten.
Von allen Seiten wächst der Druck, den Energieverbrauch und damit auch die Kohlendioxidemissionen zu reduzieren. Auch für das produzierende Gewerbe ist das ein wichtiges Thema. Mit smarten Sensoren ausgestattet, können bestehende Maschinen oder Motoren die Vorteile der Digitalisierung nutzen, um Energie einzusparen. Komponenten von Industrieanlagen entgehen so einer vorzeitigen Veralterung.
Künstliche Intelligenz (KI) eröffnet viele Wege, um Produktionsabläufe effizienter zu gestalten. Dabei reichen die Anwendungsmöglichkeiten von der Personal- und Materialeinsatzplanung bis hin zu einer Optimierung der Maschinenleistung. Sogenannte APS-Systeme (Advanced Planning and Scheduling), die als Ergänzungsmodul zu bestehenden ERP- und PPS-Systemen genutzt werden, leisten hier ganze Arbeit. Insbesondere Maschinen- und Anlagenbauer profitieren.
Selbst jetzt, wo die Automatisierung von Fabriken extrem voranschreitet, sind zahlreiche Prozesse in der Fertigung nach wie vor von manuellen Tätigkeiten geprägt. Ganz besonders trifft das auch die Qualitätskontrolle zu. Hier gibt es durch künstliche Intelligenz in Kombination mit Kameratechnik allerdings neue Möglichkeiten zur Automatisierung der Prozesse.
Schnell soll sie vonstatten gehen und fehlerfrei soll sie sein: Die Rede ist von der Kommissionierung, die im Produktionsworkflow eines Unternehmens viele Formen annehmen kann: Von der Produktionsversorgung für das Fließband, über die Konsolidierung von Sendungen im Versandbereich bis zur Warenannahme für die Verteilung auf die vorgesehenen Zwischenlagerplätze. Überall gilt: Zeit ist Geld.
Kathariina Röhrig, GFOS GmbH Prof. Eric Frère, FOM Hochschule in Düsseldorf Prof. Alexander Zureck, FOM Hochschule in Düsseldorf
Ungeachtet aller Vorteile und Potenziale, die sich durch Industrie 4.0 ergeben, hat Industrie 4.0 bislang nur in begrenztem Umfang Einzug in die Fertigungsindustrie gehalten, wie eine im Jahr 2017 veröffentlichte Studie von Bitkom Research im Auftrag von Ernst & Young belegt. Acht Jahre nach der öffentlichen Bekanntmachung des Themas als Teil der Hightech-Strategie 2020 der Bundesregierung ist der überwiegende Teil der Anwendungen auf Testapplikationen und Pilotprojekte begrenzt.
Time Sensitive Networking (TSN) hat sich fest im Vokabular der Automatisierungsbranche etabliert. Hersteller, Konsortien und TSN-Testbeds stellen bereits Demonstratoren vor, die konkrete Anwendungen dieser Technologie mit heute schon verfügbaren Komponenten zeigen.
Mit dem Einzug von (spurgebundenen) fahrerlosen Transportsystemen (FTS) in der Intralogistik wurde der Grundstein gelegt, den gesamten Materialbereitstellungsprozess zu automatisieren. Eine der Herausforderungen dabei ist die Automatisierung von Ein- und Auslagerungsprozessen, die aufgrund der zusätzlichen Handhabungstechnik einen höheren Komplexitätsgrad aufweisen.