Netzwerkschwerpunkte
Alle Industriebranchen sind derzeit einem hohen Wandlungsdruck ausgesetzt. Die Digitalisierung in „Industrie 4.0 Märkten“ sowie die Vernetzung von Produktions- und Logistikabläufen sind dabei bekannte Treiber, die neben Nachhaltigkeit, Marktdynamik durch Individualisierung der Produkte und Fachkräftemangel zu tiefgreifenden Veränderungen in der Produktion und Logistik sowie in den Unternehmen und führen. Während diese Transformation z.B. in den hoch automatisierten Produktionsprozessen der großen Automobilhersteller teilweise bereits vollzogen wird, besteht bei kleineren Produktionseinheiten und im Mittelstand noch großer Informations- und Umsetzungsbedarf. Der schnelle und produktive Einstieg in das übergeordnete Thema “Industrie 4.0” wird somit oftmals zu einem großen und komplexen Problem der Organisationsgestaltung, Marktorientierung und des Change-Managements, welche sich über Monate und Jahre zieht. Als Folge dieser neuen Herausforderungen benötigen Deutsche Unternehmen, insbesondere KMUs neue Strategien und Kompetenzen, um am Markt bestehen zu können. Neue Unternehmenskompetenzen müssen erworben werden, die die Mitarbeiter bei der Erfüllung ihrer komplexen Aufgaben optimal unterstützen und fördern. Dies betrifft insbesondere auf die Konzeption und Entwicklung neuer und intelligenter Arbeitssysteme zu, die auf eine Optimierung und Effizienzsteigerung ausgerichtet sind. Ein Arbeitssystem ist dabei nach DIN EN ISO 6385:2004 definiert als „System, welches das Zusammenwirken eines einzelnen oder mehrerer Arbeitender/Benutzer mit den Arbeitsmitteln umfasst, um die Funktion des Systems innerhalb des Arbeitsraumes und der Arbeitsumgebung unter den durch die Arbeitsaufgaben vorgegebenen Bedingungen zu erfüllen“. Unter evolutionär wird in diesem Zusammenhang die Lernfähigkeit von Systemen durch Digitalisierung verstanden. Solche Systeme lösen vorgegebene Aufgaben selbstständig und reagieren auf ihre Umwelt und den Menschen. Das Verhältnis von Mensch und Maschine ändert sich damit grundlegend – und muss im Sinne des Menschen gestaltet werden
Technologische Kompetenzen der teilnehmenden KMUs und Forschungseinrichtungen (TKF):
- Plattformtechnologien
- Maschinelles Lernen
- Industrielle Daten
- MES-Systeme
- Vernetzte Logistik und e-Commerce
- Mensch-Maschine-Interaktion für Industrie 4.0
- Intelligente Arbeitssysteme
- Simulationstechnologien und virtuelles Prototyping
- Wirtschaftspsychologie und Arbeitsschutz
- Augmented Reality und Virtual Reality
Digitale Technologien
In diesem Technischen Kompetenzfeld werden alle Technischen Aspekte zusammengefasst, die in der Entwicklungsphase von komplexen Arbeitssystemen benötigt werden. Dazu gehören im Einzelnen:
- Software Engineering (SE), beschäftigt sich mit der Herstellung oder Entwicklung von Software, der Organisation und Modellierung der zugehörigen Datenstrukturen und dem Betrieb von Softwaresystemen. Softwaretechnik umfasst eine Vielzahl von Teilgebieten, die in ihrer Gesamtheit die Softwareentwicklung begleiten. In erweitertem Sinn versteht man unter Softwaretechnik – neben dem Entwickeln – auch das Betreiben von Software unter Nutzung der Informationstechnik und/oder die technischen Geräte und die Systemsoftware, die dazu oder zur Softwareentwicklung verwendet werden.
- Simulationstechnologie: Um Systeme analysieren zu können, die für die theoretische oder formelmäßige Behandlung zu komplex sind, nutzt man oft Simulatoren. Bei der Simulation werden Experimente an einem digitalen Modell des späteren Systems durchgeführt, um Erkenntnisse über das reale System zu gewinnen.
- Entwicklung von IT-Plattformen und Cloud-Diensten: Durch den Einsatz von Cloud-Diensten können Prozesse und Abläufe optimiert werden, geräteabhängige Installationen und Updates entfallen. Außerdem ist keine eigene IT-Infrastruktur notwendig.
- Entwicklung von Mobilen Apps: Darunter versteht man Anwendungssoftware für Mobilgeräte beziehungsweise mobile Betriebssysteme. Bei mobilen Apps wird zwischen nativen Apps, die nur auf einer Plattform funktionieren, und plattformunabhängigen Web-, Hybrid- und Cross-Plattform-Apps unterschieden.
- Virtual Prototyping ist eine Methode im Prozess der Produktentwicklung. Es umfasst den Einsatz von Software für computergestütztes Design (CAD), computergestütztes Design (CAutoD) und computergestütztes Engineering (CAE), um ein Design zu validieren, bevor es zur Herstellung eines physischen Prototyps verwendet wird. Dazu werden (in der Regel 3D) computergenerierte geometrische Formen (Teile) erstellt und entweder zu einer „Baugruppe“ kombiniert und verschiedene mechanische Bewegungen, Passform und Funktion getestet. Die Baugruppe oder einzelne Teile könnten in CAE-Software geöffnet werden, um das Verhalten des Produkts in der realen Welt zu simulieren.
Produktionstechnologien
In diesem Technischen Kompetenzfeld werden alle Technischen Aspekte zusammengefasst, die in Betriebsphase von komplexen Arbeitssystemen benötigt werden. Arbeitssysteme sind in einen Produktionsprozess eingebunden. Die Menschen kooperieren und interagieren mit der Technik. In diesem Kompetenzfeld sind alle benötigten Kompetenzen zusammengefasst, die zur Integration von Arbeitssystemen in einer Industrieumgebung benötigt werden. Dazu gehören im Wesentlichen Technologien der Industrie 4.0 u.a.:
- Internet der Dinge (IoT) – Dies beschreibt die intelligente Vernetzung verschiedener Gegenstände untereinander und nach außen hin mit dem Internet unter Nutzung von Vernetzungs- und Kommunikationstechnologie. Speziell im Bereich der sog. 5G-Technologie (Mobilfunk der 5. Generation) mit Nitraten von bis zu 10 GB/s sind im Bereich der industriellen Produktion neue Möglichkeiten gegeben, um Daten zu generieren und Systeme zu vernetzen.
- Industrielle Feldbusse, dabei handelt es sich um Bussysteme, die in einer Produktionsanlage die Roboter zwecks Kommunikation mit einem Automatisierungsgerät verbindet
- Produktionsplanung und Steuerung: diese beschäftigt sich mit der Planung, Steuerung und Überwachung der Produktion. Sie besteht im Allgemeinen aus zwei Teilen:
- Produktionsplanung: Hier werden die Produktionsvorgänge mittel- bis kurzfristig vorgeplant. Dazu werden Produktionsplanungssysteme (PPS) genutzt – diese dienen dazu, die gesamte Produktion computergestützt zu planen. Ein derartiges PPS übernimmt die Terminplanung, Kapazitätsplanung und Mengenplanung und plant alle operativen Vorgänge im Produktionsprozess
- Produktionssteuerung: Hier werden die geplanten Fertigungsaufträge freigegeben, gesteuert und überwacht. Hierfür werden sog. Manufacturing Execution Systems (MES) genutzt, oft wird der deutsche Begriff Produktionsleitsystem synonym verwendet. Das MES zeichnet sich durch die direkte Anbindung an die verteilten Systeme der Prozessautomatisierung aus und ermöglicht die Führung, Lenkung, Steuerung oder Kontrolle der Produktion in Echtzeit.
- Digitalisierung der Produktion (Industrie 4.0, Digitalire Zwilling): Die Grundlagen der Digitalen Fabrik werden in der VDI-Richtlinie VDI 4499 Blatt 1:2008-02 definiert. Ihr Zweck ist die ganzheitliche Planung, Realisierung, Steuerung und laufende Verbesserung aller wesentlichen Fabrikprozesse und -ressourcen in Verbindung mit dem Produkt. Grundsätzlich handelt es sich bei einer Digitalen Fabrik grob um die Optimierung des Kundenauftragsprozesses. Im Zentrum steht dabei die Steigerung der Flexibilität, Schnelligkeit, Effizienz sowie der Nachhaltigkeit
- Arbeitsschutz: Darunter werden die Maßnahmen, Mittel und Methoden zum Schutz der Beschäftigten vor arbeitsbedingten Sicherheits- und Gesundheitsgefährdungen verstanden. Das angestrebte Ziel ist die Verhütung von Arbeitsunfällen und der Schutz der Gesundheit der Beschäftigten.
- Remote Assistance: Gerade in weltweit operierenden Produktionssystemen ist es wichtig, dass die Unterstützung aus der Ferne erfolgen kann.
Maschinelles Lernen
Maschinelles Lernen (ML) setzt komplexe ML-Algorithmen ein, um die Muster in Datenbeständen zu erkennen, Vorhersagen zu treffen oder Daten zu klassifizieren. Maschinelles Lernen ist ein Kernaspekt für Analytics- und Big-Data-Strategien eines Unternehmens. Neben bestehender Digitaler Strategien der KMUs, soll ML zukünftig als disruptive Technologie zum Wettbewerbsvorteil in vielen operativen Unternehmensbereichen eingesetzt werden. Um evolutionäre Systeme effizient und effektiv in Produktionsumgebungen integrieren zu können, müssen hocheffiziente Datenanalyseansätze eingebracht werden, mit denen Aktivitäts- und Prozessdaten kontinuierlich erfasst und analysiert werden können, mit dem Ziel geeignete Maßnahmen und Strategien zur Optimierung des Systems in Echtzeit bereitzustellen. Eine wesentliche Herausforderung besteht darin, eine Echtzeit-Datenstromverarbeitung in einem Fertigungs-Prozess zu implementieren, d.h. zwischen relevanten und irrelevanten Datenmustern zu unterscheiden und schließlich geeignete Maßnahmen und Strategien zur Optimierung des Produktions-Prozesses abzuleiten. In diesem Sinne eignen sich Techniken des maschinellen Lernens (ML) um belastbare ML-Modelle aufzubauen und zu trainieren. Die sich daraus ergebenden Vorteile sind vielfältig – durch die Erfassung und Verarbeitung dieser Parameter innerhalb industrieller Prozesse wären Hersteller in der Lage, die Ursachen für ungeplante Ausfallzeiten von Anlagen zu identifizieren und unmittelbar zu beheben. Neben der Herausforderung, eine zuverlässige Echtzeit-Datenstromverarbeitung zu gewährleisten, ist die Zusammenführung bzw. Fusion prozessbezogener Daten aus heterogenen Quelleneine der größten technischen Herausforderungen.
Um Daten generieren und nutzen zu können sind folgende Kompetenzen nötig:
- Data Science (im Deutschen auch Datenwissenschaft) bezeichnet generell die Extraktion von Informationen aus Daten und die Extraktion von Wissen aus diesen Informationen. Dabei handelt es sich um ein interdisziplinäres Wissenschaftsfeld, welches wissenschaftlich fundierte Methoden, Prozesse, Algorithmen und Systeme zur Extraktion von Erkenntnissen, Mustern und Schlüssen sowohl aus strukturierten als auch unstrukturierten Daten ermöglicht.
- Da es sich bei Produktionsdaten i.d.R. um große Mengen von unstrukturierten oder strukturierten Daten Handel, sind auch die Technologien aus dem Forschungsgebieten Big Data, Data Engineering oder Data Mining relevant. Unter Data-Mining versteht man die systematische Anwendung statistischer Methoden auf große Datenbestände (insbesondere „Big Data“ bzw. Massendaten) mit dem Ziel, neue Querverbindungen und Trends zu erkennen. Solche Datenbestände werden aufgrund ihrer Größe mittels computergestützter Methoden v erarbeitet. Dazu gehören auch Methoden des maschinellen Lernens und der Künstlichen Intelligenz.
Mensch-Maschine-Schnittstelle
In Arbeitssystemen arbeiten Menschen mit Maschinen zusammen. Aus diesem Grund kommt den Schnittstellen zwischen der Maschine und dem Menschen (HMI) und der Interaktion zwischen Mensch und Maschine (MTI) eine zentrale Bedeutung zu. Dabei werden folgende Fälle unterschieden:
- Kommunikation Maschine -> Mensch: abstrakte Daten (z. B. Prozessstatus, Sensordaten) und Zusammen-hänge oder auch die Planungen der Maschine müssen in eine vom Menschen erfassbare Form gebracht wer-den. Diese müssen dann im Kontext der Arbeitsumgebung dem Menschen auf verschiedene Weisen artikuliert werden. Gänge Modi sind Akkustich, Haptisch oder Visuell.
- Kommunikation Mensch -> Maschine (oder Umgebung): Hier geht es im Wesentlichen darum, dass der Mensch, also der Bediener (oder Partner) der Maschine seine Befehle oder auch Planungen kommunizieren kann. Im Wesentlichen werden dieselben Modi genutzt, wie in der anderen Richtung.
Die für HMI und MIT benötigten Kompetenzen sind in diesem TKF zusammengefasst. Es handelt sich dabei um:
- Visuelle Technologien: Neben Kamerasystemen, mit denen der das Produktionssystems Informationen über den Menschen erhalten kann, spielen Technologien der Augmented Reality / Virtual Reality eine wesentliche Rolle zur Kommunikation mit dem Menschen. Da der Bediener in den Arbeitsprozess integriert ist und i.d.R. für manuelle Tätigkeiten die Hände frei haben muss, kommen spezielle Brillen, die Informationen in das Blickfeld des Nutzers einblenden können, zum Einsatz. Virtuelle Realität (man sieht die Umgebung nur virtuell) kann darüber hinaus auch z.B. zu Trainings- oder Simulationszwecken genutzt werden
- Akustische Technologien: Neben Lautsprechern zur akustischen Signalisierung kommt hier der Spracherkennung eine wesentliche Rolle zu, da so der Mensch seine Kommandos in natürlicher Sprache an die Maschine geben kann. Durch den Lärmpegel von Industrieanlagen sind hier speziell Technologien der Störgeräuschunterdrückung relevant.
- Gestaltung von Benutzungsschnittstellen und Usability (Ergonomie): Die Hauptaufgabe von Arbeitssystemen liegt darin, dass Mensch und Maschine gemeinsam Arbeiten erledigen. Damit dies effizient und effektiv geschehen kann muss ein besonderer Fokus auf die Usability oder Ergonomie gelegt werden.
Technologische Entwicklungslinien
Das Netzwerk organisiert seine Arbeiten in den folgenden technologischen Entwicklungslinien:
TEL-1 Infrastruktur
Das Hauptziel dieser TEL ist die Entwicklungen technischer Innovationen im Bereich der Infrastrukturen für evolutionäre Arbeitssysteme in einer zunehmend nach den Grundsätzen von Industrie 4.0 gestalteten, vernetzten Produktionsumgebung. Dazu zählen im Kontext dieses Netzwerks Innovationen der Kommunikationstechnologie und Produktionsmaschinen (Sensorik, Robotik, Handhabung)
FuE-Aufgaben und Innovationsgehalt
- Entwicklung innovativer Sensorsysteme, um Daten aus Produktionssystemen in Echtzeit erheben und für Simulation und Training von maschinellen Lernen nutzen zu können.
- Entwicklung innovativer Kommunikationstechnologien zur Vernetzung der Sensoren oder Industrieanlagen über 5G oder Feldbussysteme
- Entwicklung oder Anpassung innovativer Produktionsmaschinen und Systemkomponenten (Sensoren, Roboter), die eine sofortige Einbindung in Evolutionäre Arbeitssysteme ermöglichen
TEL-2 Interaktion
Ein zentraler Aspekt von Arbeitssystemen ist die intuitive Interaktion mit dem Menschen. Ziel dieser TEL ist die Entwicklung von Innovationen, die es dem Menschen erlauben, mit den Maschinen oder dem Produktionsprozess zu kommunizieren und die eine Interaktion mit dem System erlauben. Der Mensch muss jederzeit die Kontrolle über das Gesamtsystem behalten und sich sicher fühlen
FuE-Aufgaben und Innovationsgehalt
- Augmented Reality Visualisierungen von Prozess- oder Maschinenzuständen
- Virtual Reality System zum Training der Menschlichen Nutzer, zur Remote Assistance oder zur Planung von Anlagen
- Multimodale Kommunikationsmethoden, wie z.B. Mixed-Reality-Anwendungen
- Aufmerksamkeitslenkung des Nutzers auf relevante Aspekte der Interaktion oder Zustände des Systems
TEL-3 Simulation
Kern der Industrie 4.0 ist das Konzept des Digitalen Zwillings. Basierend auf den Informationen aus einem Modell des Produkts und der Fertigungsumgebung werden Produkte im Rahmen eines Virtual Prototypings entwickelt und simuliert. In der Fertigung gibt darüber hinaus MES und PPS-Systeme (Management Execution und Produktionsplanungs- Systeme), um die Fertigung planen und deren Verhalten vorhersagen zu können, auch diese Vorhersagen basieren auf Simulationen.
FuE-Aufgaben und Innovationsgehalt
- Es müssen Modelle entwickelt werden, die es erlauben, das Verhalten von Produkten und Produktionsprozessen als Digitaler Zwilling abbilden zu können
- Es müssen Simulatoren entwickelt werden, die es erlauben, die Modelle zu testen, um Virtual Prototyping oder Remote Assistance unterstützen zu können
- Es müssen Schnittstellen zu existierenden Systemen (Engineering, MES, PPS) entwickelt werden, die es erlauben, Simulatoren in allen Phase der Produkt-Entstehung und des Betriebs anbinden zu können
TEL-4 Evolution
Eine Kernidee dieses Netzwerks ist die Entwicklung von Verfahren der KI im speziellen des Maschinellen Lernens, so sollen sich Arbeitssystem weiterentwickeln und an den Menschen anpassen können. Basierend auf Daten und Informationen aus den Modellen soll das System seine Aufgaben und seine Interaktion mit dem Menschen entsprechend anpassen können. Damit das System entscheiden kann, braucht es neben den Daten aus dem Weltmodell Informationen über den Produktionsprozess, das Produktionsprogramm sowie Qualitätsdaten.
FuE-Aufgaben und Innovationsgehalt
- Es müssen Datenmodellierungen und Verfahren zur Klassifizierung entwickelt werden, die es ermöglichen, die aus den digitalen Produkt- oder Produktionsdaten zu lernen.
- Es müssen Maschinelle Lerner entwickelt und algorithmisch umgesetzt werden, die auf der Basis von Trainingsdaten den effizientesten oder wahrscheinlichsten Ziel-Systemzustand ermittelt und entsprechend agieren.
- Die Maschinellen Lerner müssen je nach Szenario cloud-basiert oder auf EDGE-Devices (also vor Ort) umgesetzt werden. Dazu müssen Deployment- und Partitionierungsstrategien für die Trainings- und Betriebsphase entwickelt werden