Doppelte Transformation im Maschinen- und Anlagenbau |
Digitalisierung und Nachhaltigkeit bei Unikat- und Kleinserienfertigern
| Zeitschrift | Industry 4.0 Science |
| Ausgabe | 40. Jahrgang, 2024, Ausgabe 5, Seite 10-17 |
| Open Access | https://doi.org/10.30844/I4SD.24.5.10 |
| Literatur | Teilen | Zitieren | Download |
Abstract
Keywords
Artikel
Unikat- und Kleinserienfertiger im Maschinen- und Anlagenbau spielen eine maßgebliche Rolle in der Industrie, weil sie im Gegensatz zur Massenproduktion maßgeschneiderte Lösungen, wie Sondermaschinen, für individuelle Anforderungen anbieten. Durch die Kombination von Know-how und modernsten Fertigungstechnologien liefern sie hochwertige Produkte von hoher Präzision und Qualität, wobei ihr Geschäftsmodell stark projektbasiert ist [1]. Eine termingerechte Fertigstellung, Lieferung und Inbetriebnahme beim Kunden ist für die meist mittelständischen Unternehmen ein entscheidender Wettbewerbsfaktor [2].
Dabei spielen neben der Ausgestaltung der produktionsnahen Prozesse, wie Fertigung und Montage, auch die präzise Planung und Durchführung aller logistischen Prozesse rund um ein kundenspezifisches Projekt eine entscheidende Rolle für die zuverlässige Terminplanung und -einhaltung. Diese Prozesse sind jedoch mit Unsicherheiten verbunden [3], beispielsweise aufgrund lokaler Randbedingungen beim Kunden, der Arbeitsteilung mit Zulieferern, Dienstleistern und Subunternehmern oder fehlender Echtzeit-Statusmeldungen zur Inbetriebnahme auf der Baustelle [4]. Die Einmaligkeit der Vorhaben und deren spezifische Rahmenbedingungen führen aufgrund des Projektcharakters dazu, dass Erfahrungen und Daten aus vergangenen Projekten nicht 1:1 zur Planung neuer Projekte herangezogen werden können.
Zur Steigerung von Effizienz und Produktivität werden im Zuge der Digitalen Transformation zunehmend digitale Technologien, Methoden und Werkzeuge eingesetzt, um eine durchgängig digitale Projektplanung und -steuerung zu realisieren [5]. Mit dem Voranschreiten der Digitalen Transformation kann Projektwissen langfristig für nachfolgende Projekte zur Verfügung gestellt und ausgewertet werden. Gleichzeitig sind – mit der seit einigen Jahren wachsenden Bedeutung von Nachhaltigkeit in dieser Branche – Umweltverträglichkeit, soziale Verantwortung und langfristige Wirtschaftlichkeit in Einklang zu bringen [6].
Dies äußert sich in einem verstärkten Engagement für die Entwicklung nachhaltiger Produkte und Technologien, darunter energieeffiziente Maschinen, CO2-reduzierte Anlagen, innovative Recycling- und Abfallverwertungslösungen sowie die Einführung ressourcenschonender Produktionsverfahren. Aufgrund der politischen Entwicklungen steigen die Anforderungen seitens der Kunden in Bezug auf Nachhaltigkeitsaspekte und deren Berichterstattung [7].
Besonders Unikat- und Kleinserienfertiger im Maschinen- und Anlagenbau stehen in der Rolle des Zulieferers vor spezifischen Herausforderungen, um den PCF (siehe dazu [8]) ihrer kundenindividuellen Produkte zu ermitteln. Dazu gehören die Auswahl eines geeigneten Reporting-Standards zur Bestimmung des CO2-Fußabdrucks (siehe z. B. [9]), die Erfassung aller relevanten Informationen und Daten, deren korrekte Be- und Verrechnung sowie die Anpassung der ermittelten Kennzahlen für kundenorientierte Reportings und Bereitstellung des CO2-Fußabdrucks als Value-Added-Service, um einen wirtschaftlichen Mehrwert in einem globalen Wettbewerbsumfeld zu generieren.
Spezifische Herausforderungen und erste Lösungsansätze
Der Projektcharakter in der Unikat- und Kleinserienfertigung erschwert den Einsatz digitaler Methoden und Werkzeuge bei der Planung und Realisierung neuer Produkte, da die benötigten Informationen und Daten heute zumeist nicht in der erforderlichen Qualität und Quantität zur Verfügung stehen. So lassen sich Projektpläne zwar durch Simulationen absichern, allerdings ist die Dauer von auszuführenden Prozessen mit großen Unsicherheiten behaftet [10]. Das Projektmanagement kann lediglich auf Erfahrungswissen zurückgreifen und daraus Annahmen für das neue Projekt ableiten. Die genaue Prozessdauer lässt sich jedoch nicht valide prognostizieren, weil historische Daten zu durchgeführten Projekten nicht hinreichend vorliegen [11].
Das Lernen aus historischen Daten sowie das frühzeitige Eingreifen bei Anomalien im Projektablauf auf Basis von Ist-Zustandsdaten können bei der Unikat- und Kleinserienfertigung nicht vollumfänglich ausgeschöpft werden, weil digitale Technologien zur (teil-)automatischen Identifikation, Erfassung und Übertragung von Daten z. B. zum echtzeitnahen Status der Inbetriebnahme beim Kunden fehlen [12]. Die Intransparenz bei der Projektdurchführung erschwert den Ressourceneinsatz (insbesondere des Personals) und führt aufgrund der manuellen Prozesse zu einem hohen Aufwand in der Dokumentation von Arbeitszeiten und ihrer Aufschlüsselung in konkrete Tätigkeiten (z. B. elektrische oder mechanische Inbetriebnahme beim Kunden).
Außerdem lässt die z. B. auf den Baustellen vorliegende Informationstechnik keine Ermittlung des PCF zu, weil weder die benötigten Daten zur CO2-Bilanzierung einer Sondermaschine noch die Technologien zur Datenerfassung bekannt sind. In Konsequenz erfordert jedes neue Projekt aufgrund seiner Individualität das Hinzuziehen eines externen Dienstleisters zur Kalkulation der entstandenen Treibhausgasemissionen.
Für die besonderen Herausforderungen in der Unikat- und Kleinserienfertigung sind im Laufe der letzten Jahre verschiedene Lösungsansätze zur Unterstützung der KMU bei der Digitalen Transformation entwickelt worden. Mit digitalen Technologien zur (teil-)automatischen Datenerfassung lassen sich konkrete Zustände von Prozessen (echtzeitnah) festhalten, die eine solide Datenbasis für eine bedarfsgerechte Nutzung bieten.
Die Technologieauswahl stellt jedoch eine Hürde für viele KMU dar, weil zum einen das Know-how über die Vielzahl an Auswahlmöglichkeiten nicht vorhanden ist, zum anderen jedoch auch die finanziellen Mittel begrenzt sind. Ein erster Ansatz ist hier die KMU-gerechte Aufbereitung von Technologien in Form von Steckbriefen und eine nutzerfreundliche Auswahlmaske auf Basis eines ausgefüllten Anforderungsprofils (vgl. [13]). Eine gezielte Datenerhebung steht im direkten Zusammenhang mit dem vorgesehenen Zweck und ist im Vorfeld zu spezifizieren. Für eine nachhaltige Nutzung der Daten können semantische Modelle (= Informationsmodelle) zur Beschreibung eines Digitalen Schattens zum Einsatz kommen, die alle relevanten Prozesse und Informationen eines Projektes abbilden (vgl. [14]).
Bezugnehmend auf [15] ist ein Digitaler Schatten ein hinreichend genaues Abbild von Prozessen, um eine echtzeitfähige Auswertungsbasis aller relevanten Daten zu schaffen. Ein allgemeingültig einsetzbares und erweiterbares semantisches Modell eines Digitalen Schattens für Logistikprozesse im Maschinen- und Anlagenbau, über das eine (teil-)automatisierte Erfassung von Daten realisiert werden kann, ist beispielsweise in [12] entwickelt worden (siehe auch [16]).
Bei einer Neuplanung einer kundenspezifischen Anlage mit ausgeprägtem Projektcharakter lässt die geschaffene Datenbasis von durchgeführten Projekten im Digitalen Schatten zwar weiterhin keine 1:1-Übertragung auf ein neues Projekt zu, jedoch können neue Prozesse weitaus präziser unter Berücksichtigung von Vergleichsdaten geplant werden. Die Nutzung einer Methodik zur sicheren Prognose von Logistikdaten auf Basis von expliziertem Erfahrungswissen im Einklang mit historischen Daten reduziert beispielsweise die Planungsunsicherheit um 10 % [11]. Ebenfalls profitiert die Projektsteuerung während der Projektdurchführung vom Digitalen Schatten. Während zuvor ca. 30 % der Zeit auf einer Baustelle mit Suchen behaftet war [17], ist der Standort der Materialien und Ressourcen z. B. durch Tracking- und Tracing-Systeme bekannt.
Grundsätzlich lassen sich nach Umsetzung der ersten Instanz, dem Aufbau eines Digitalen Schattens, in einem nächsten Schritt auch Nachhaltigkeitsfragen beantworten. Am Markt verfügbare Werkzeuge zur CO2-Bilanzierung von Produkten (siehe z. B. [18]), die neben dem Einsatz in großen Konzernen bereits gezielt auf KMU zugeschnitten sind (siehe z. B. [19]), bieten aktuell aber immer noch keine Lösung für den Umgang mit Unikaten. Die individuellen Prozesse ermöglichen bisher keine erkennbare Übertragung in die standardisierte Erfassung eines PCF. Ein Digitaler Schatten schafft allerdings eine Berechnungsbasis unter der Voraussetzung, dass die benötigten Daten erkannt und erfasst wurden (zur Technologieauswahl siehe wieder [13]), und kann eine individuelle Kalkulation von Treibhausgasemissionen für ein Unikat anstoßen.
Die daraus resultierende Doppelte Transformation bietet dem Maschinen- und Anlagenbau eine Grundlage, um sich den zukünftigen Bedarfen im Wettbewerb zu stellen.
Forschungsansatz zur Doppelten Transformation
Um den Herausforderungen in der praktischen Anwendung zu begegnen, wird im Folgenden ein Forschungsansatz vorgestellt, der mittels Services und semantischem Informationsmodell in der Lage ist, die Doppelte Transformation im Maschinen- und Anlagenbau zu unterstützen (siehe Bild 1). Teilaspekte dieses ganzheitlichen Ansatzes sind in [10-12] bereits erforscht.
Einbindung in die reale Welt und die IT-Landschaft des Unternehmens
Im Maschinen- und Anlagenbau findet die Herstellung eines Unikates sowie einer Kleinserie in der Regel in der Produktionsstätte des eigenen Betriebes und die Inbetriebnahme auf der Baustelle beim Kunden statt. Durch die Nutzung von Technologien zur manuellen und/oder (teil-)automatischen Datenerfassung sowie Datenübertragung werden Daten aus der realen Welt ermittelt und beispielsweise durch Anlageninformationen, Arbeitspläne, Produktdaten oder Projektpläne aus betrieblichen Informationssystemen, wie einem Product Lifecycle Management (PLM) System, einem Enterprise Resource Planning (ERP) System, Management Information Systems (MIS), Executive Information Systems (EIS) oder auch einem Werkzeug zum Projektmanagement (PM) ergänzt.
Services
Zur Erfüllung von spezifischen Informationsanfragen, u. a. aus dem Projektmanagement, sind Services bereitzustellen, die abhängig von ihrem Zweck Prozess-, Produkt- und Unternehmensdaten, Expertenwissen oder historische Daten abrufen und verwenden. Als Services werden z. B. die Prognose der Dauer von Logistikprozessen (vgl. [11]), die simulationsbasierte Absicherung von Projektplänen (vgl. [10]), die Ressourcenverfolgung (vgl. [12]), die Berechnung des CO2-Fußabdrucks, die Arbeitszeiterfassung und die Planung des Personaleinsatzes sowie die Auswahl geeigneter Technologien zur Datenerfassung und -übertragung mit Hilfe von Steckbriefen (vgl. [13]) verstanden.
Die aufgeführte Auswahl an Services ist erweiterbar. Die Ergebnisdaten der Services fließen jeweils in das Informationsmodell zur Erweiterung der betrieblichen Wissensbasis zurück. In den betrieblichen Informationssystemen werden die Ergebnisse aus den Services für das Tagesgeschäft weiterverarbeitet.
Informationsmodell zur Beschreibung eines Digitalen Schattens
Das zentrale Element des Gesamtkonzeptes ist ein Informationsmodell zur Beschreibung eines Digitalen Schattens; dieses kann beispielsweise über eine Ontologie umgesetzt werden, die eine geordnete Darstellung der fachspezifischen Terminologien und deren semantischen Zusammenhänge ermöglicht [20]. Die Ontologie berücksichtigt alle relevanten Informationen, verknüpft diese und setzt sie in Beziehung zueinander. Grundsätzlich ist eine Ontologie zunächst allgemeingültig und erfährt erst bei der betrieblichen Integration eine unternehmensspezifische Adaption, da jedes Unternehmen sowie seine Produkte und Kundenprojekte eigene Besonderheiten aufweisen.
Ein Vorgehensmodell in [12] beschreibt die notwendigen Aktivitäten für diesen Adaptionsprozess in den fünf Phasen Unternehmensanalyse, Wissens- und Datenmanagement, Implementierung, Instanziierung und Anwendungstest. Die Ontologie sorgt für eine einheitliche und konsistente Repräsentation von Daten aus verschiedenen Quellen und Systemen, unabhängig von ihrer Herkunft oder Struktur. Sie ist flexibel und erweiterbar, um neuen Anforderungen oder Änderungen in der Domäne gerecht zu werden.
Die Transformation einer Ontologie in einen Digitalen Schatten erfordert jedoch ein tiefes Verständnis der Domäne und ist ein komplexer Prozess, der qualifiziertes Personal und Ressourcen voraussetzt. Die Bestimmung eines für die Anwendung hinreichenden Detaillierungsgrades, die Integration der notwendigen Datenquellen, die regelmäßige bedarfsgerechte Aktualisierung und Überwachung sowie die Präsentation der Ergebnisse und die Interaktion mit dem Anwender sind bei der Entwicklung und Aufrechterhaltung eines Digitalen Schattens unternehmensindividuell zu spezifizieren und umzusetzen.
In [12] ist eine Ontologie zur Beschreibung von Logistikprozessen im Maschinen- und Anlagenbau mit dem Werkzeug Protégé entwickelt und evaluiert worden, die den zentralen Verbindungspunkt zwischen den im Projektmanagement verwendeten Werkzeugen und den auf der Baustelle erfassten Daten darstellt. Aufgrund des Projektgeschäftes sind alle Daten einem konkreten Auftrag (Klasse „A_Auftraege“) zuzuordnen (siehe Bild 2). Die Stammdaten eines Produktes werden unter Berücksichtigung der konkreten Positionsnummern hinterlegt (Klasse „TO_Transformationsobjekt“).
In den einzelnen Bereichen auf der Baustelle (Klasse B_Bereich) finden konkrete Logistikprozesse (Klasse „LBP_Logistischer_Basisprozess“) unter Einsatz von spezifischen Ressourcen (Klasse „R_Ressource“) statt. Die betriebsinternen sowie projektspezifischen Instanzen (engl. individuals) sind in den Klassen abgelegt und eineindeutig über Dateneigenschaften (engl. data properties) beschrieben.
Mit dieser Ontologie wird beispielsweise ein umfassendes Abbild der Logistikprozesse auf der Baustelle geschaffen. SPARQL-Queries ermöglichen den Abruf benötigter Daten für einen auszuführenden Service, wohingegen Echtzeitdaten oder Ergebnisdaten über SPARQL-Updates in der Ontologie persistent gespeichert werden. Für die Nutzung im Unternehmen bietet sich beispielsweise eine Cloud-Lösung an, um unternehmensinterne Daten vor unberechtigtem Zugriff zu schützen, aber auch für mehrere Nutzer zugänglich zu machen.
Ist ein Digitaler Schatten im Betrieb integriert, lassen sich die oben erwähnten unterschiedlichen Services z. B. zur Prognose von Logistikprozessdauern oder zur Absicherung von Projektplänen mittels Simulation aufsetzen. Auch kann ein Digitaler Schatten mittels eines weiteren Services zur Berechnung des PCF genutzt werden, wenn im Digitalen Schatten kontinuierlich die dafür notwendigen Daten über den gesamten Lebenszyklus eines Produktes von der Rohstoffgewinnung, der Herstellung des Unikates bzw. der Kleinserie, dem außerbetrieblichen Transport bis zur Nutzung und Entsorgung des Produktes erfasst werden. Außerdem lassen sich potenzielle Bereiche entlang der gesamten Lieferkette identifizieren, in denen Verbesserungen des PCF durch die Reduktion von Umweltauswirkungen vorgenommen werden können.
Digitaler Schatten macht Projektwissen verfügbar
Der Nutzen der Digitalen Transformation ist bereits in der Literatur umfassend diskutiert worden, die Digitale Transformation stellt aber für die Unikat- und Kleinserienfertiger im Maschinen- und Anlagenbau aufgrund des Projektgeschäftes im Vergleich zur Serienfertigung immer noch eine Herausforderung dar. Mit der Umsetzung von Lösungen für die Bereitstellung von Informationsmodellen als Digitale Schatten kann verstärkt Projektwissen für zukünftige Projekte nutzbar gemacht werden. Die Praktikabilität dieses Lösungsansatzes konnte bereits in verschiedenen Forschungsvorhaben bestätigt werden (vgl. z. B. [11; 12]).
Die Erweiterung des Ansatzes unter Nutzung von serviceorientierten IT-Strukturen schafft die Voraussetzung für die jetzt anstehenden nachhaltigen Transformationsprozesse, indem beispielsweise die für die Berechnung des CO2-Fußabdrucks notwendigen Informationen und Daten ermittelt und entsprechende PCF-Services angeboten werden. Welche Informationen und Daten allerdings hierfür zur Verfügung stehen bzw. wie diese in der richtigen Qualität und Quantität zu ermitteln und in einem Informationsmodell abzulegen sind, ist zurzeit noch Gegenstand der Forschung.
Ein besonders herausfordernder Bereich ist weiterhin die Auswahl einer geeigneten Bilanzierungsmethode und die Integration von Logistikdaten, die einen erheblichen Teil der Scope 3-Emissionen aus [9] verantworten.
Literatur
[1] Heidmann, R.: Windenergie und Logistik. Losgröße 1: Logistikmanagement im Maschinen- und Anlagenbau mit geringen Losgrößen. Berlin 2015.[2] Schuh, G.; Hering, N.; Brunner, A.: Einführung in das Logistikmanagement. In: Schuh, G.; Stich, V.: Logistikmanagement. Handbuch Produktion und Management 6. 2. Auflage. Berlin 2013.
[3] Wenzel, S.; Stolipin, J.; Weber, J.; König, M.: Digitale Planung der Baustellenlogistik im Großanlagenbau. Ontologie zur Nutzung digitaler Modelle für die Logistikplanung auf der Baustelle. In: Industrie 4.0 Management 3 (2019) 6, S. 55-59.
[4] Burghardt, M.: Einführung in Projektmanagement. Definition, Planung, Kontrolle, Abschluss, 6. überarbeitete Auflage. Erlangen 2013.
[5] Blome, W.: Der digitale Zwilling und die Automatisierungstechnik. In: Der Maschinenbau. URL: https://der-maschinenbau.de/allgemein/der-digitale-zwilling-und-die-automatisierungstechnik/, Abrufdatum 11.06.2024.
[6] Altmeppen, K.-D.; Zschaler, F.; Zademach, H.-M.; Böttigheimer, C.; Müller, M.; Nachhaltigkeit in Umwelt, Wirtschaft und Gesellschaft. Interdisziplinäre Perspektiven. 2017.
[7] IW Consult GmbH: CO2-Fußabdruck in Lieferketten – Studie für den Verein ECLASS. URL: https://www.iwconsult.de/fileadmin/user_upload/projekte/2023/eclass_co2/ Bericht_CO2_Fussabdruck_in_Lieferketten_Rev.pdf, Abrufdatum 11.06.2024.
[8] ISO 14067: Treibhausgase – Carbon Footprint von Produkten – Anforderungen an und Leitlinien für Quantifizierung. Berlin 2019.
[9] GHGprotocol: Webseite der Organisation. URL: https://ghgprotocol.org/, Abrufdatum 11.06.2024.
[10] Gutfeld, T.; Jessen, U.; Wenzel, S.; Akbulut, A.; Laroque, C.; Weber, J.: Schlussbericht zum Projekt simject – Simulationsgestütztes logistikintegriertes Projektmanagement im Anlagenbau. URL: https://kobra.uni-kassel.de/handle/123456789/2015102249152, Abrufdatum 11.06.2024.
[11] Gliem, D.; Jessen, U.; Stolipin, J.; Wenzel, S.; Kusturica, W.; Laroque, C.: Schlussbericht zum Projekt SimCast – Simulationsgestützte Prognose der Dauer von Logistikprozessen. URL: https://kobra.uni-kassel.de/handle/123456789/11210, Abrufdatum 11.06.2024.
[12] Gliem, D.; Vössing, D.; Wenzel, D.; Kusturica, W.; Laroque, C.: Schlussbericht zum Projekt dataject.log – Entwicklung eines semantischen Modells zur Beschreibung eines Digitalen Schattens der Logistikprozesse im Maschinen- und Anlagenbau zur Verwendung im Projektmanagement. URL: https://kobra.uni-kassel.de/handle/123456789/15333, Abrufdatum 11.06.2024.
[13] Gliem, D.; Wenzel, S.; Kusturica, W.; Laroque, C.: Methodik zur Auswahl von Datenerfassungstechnologien. Digitalisierung der Baustellenlogistik. In: PROJEKTMANAGEMENT AKTUELL 34 (2023) 4, S. 49-53.
[14] Gliem, D.; Jessen, U.; Wenzel, S.; Kusturica, W.; Laroque, C.: Ontology-based Forecast of the Duration of Logistics Processes in One-of-a-Kind Production in SME. In: Logistics Research 15 (2022) 5, S. 1-29.
[15] Bauernhansl, T.; Krüger, J.; Reinhart, G.; Schuh, G.: WGP-Standpunkt Industrie 4.0. Darmstadt 2016.
[16] Wenzel, S.; Vössing, D.; Gliem, D.; Laroque, C.; Kusturica, W.: Digitalization of Logistical Processes on Construction Sites – Concept for the Creation and Use of a Digital Shadow for Construction Site Logistics in Mechanical and Plant Engineering. In: Industry 4.0 Science (2023) 1, S. 54-58.
[17] Boenert, L.; Blömecke, M.: Kostensenkung durch zentrales Logistikmanagement. In: Clausen, U. (Hrsg): Baulogistik – Konzepte für eine bessere Ver- und Entsorgung im Bauwesen, Dortmund 2006, S. 29-41.
[18] Carbon Trust: Webseite der Carbon Trust mit CO2-Berechnungssoftware. URL: https://www.carbontrust.com/de, Abrufdatum 11.06.2024.
[19] Hottenroth, H.; Joa, B.; Schmidt, M.: Carbon Footprints für Produkte. Handbuch für die betriebliche Praxis kleiner und mittlerer Unternehmen. URL: https://businesspf.hs-pforzheim.de/fileadmin/user_upload/uploads_redakteur/Forschung/INEC/Dokumente/Hottenroth_et_al_Carbon_Footprints_fuer_Produkte_web.pdf, Abrufdatum 11.06.2024.
[20] Busse, J.; Humm, B.; Lubbert, C.; Moelter, F.; Reibold, A.; Rewald, M.; Schlüter, V.; Seiler, B.; Tegtmeier, E.; Zeh, T.: Was bedeutet eigentlich Ontologie? In: Informatik-Spektrum 37 (2014), S. 286-297.
Ihre Downloads
Potenziale: Energieeffizienz Ressourceneffizienz
Lösungen: Produktionssteuerung
Das könnte Sie auch interessieren
