Translate

Die Einführung von kontinuierlicher Verbesserung stellt Unternehmen regelmäßig vor Herausforderungen. Angesichts der fortschreitenden Digitalisierung eröffnen sich neue Analysemöglichkeiten, die den kontinuierlichen Verbesserungsprozess (KVP) unterstützen. Dieser Beitrag zeigt auf, wie Prozessorientierung, Digitalisierung und operative Tätigkeiten systematisch für die Entwicklung und Integration eines datenbasierten KVP in produzierenden Unternehmen angewandt werden können.

Je nach Industriezweig stellt die Versorgung von Produktionsprozessen und -gebäuden mit thermischer Energie einen bedeutenden Anteil am Gesamtenergiebedarf eines Industriestandortes dar. Die Nutzung von industrieller Abwärme bietet hier die Möglichkeit, den externen Bezug von Endenergien und damit die Ursache energiebedingter Emissionen und Kosten zu reduzieren. Aufgrund mangelnder Transparenz sowie ihrer Komplexität bleiben die Potenziale in der industriellen Praxis häufig ungenutzt. Im Forschungsverbundprojekt ETA im Bestand wurde eine anwenderorientierte Softwarelösung prototypisch realisiert. Diese ermöglicht die Entwicklung und Bewertung von industriellen Energiekonzepten, um somit Umsetzungshemmnisse zu reduzieren. Hierbei finden Ansätze aus den Forschungsgebieten des Operations Research sowie der dynamischen Simulation Anwendung.

Industrie 4.0 und die zugehörigen Technologien werden für Unternehmen immer wichtiger - nicht nur, um Produktivitäts- und Umsatzwachstum realisieren zu können [1]. Eine der Schlüsseltechnologien, die Industrie 4.0 vorantreiben, ist das Industrial Internet of Things (IIoT) [1-3]. Die zugehörigen Software-Plattformen und -lösungen sind von entscheidender Bedeutung, um physische Anlagen miteinander zu vernetzen und Daten zu übermitteln, zu überwachen, zu kombinieren und zu verarbeiten [2, 4]. Auch kleine und mittlere Unternehmen (KMU) sind zunehmend auf solche Softwarelösungen angewiesen; ihnen mangelt es aber häufig an Fähigkeiten, Wissen und anderen Ressourcen [5]. Um eine effiziente Aufwands-Nutzenabschätzung treffen zu können, werden in diesem Beitrag gängige IIoT-Anwendungen unter diesem Gesichtspunkt in einer praxisnahen Forschungsumgebung analysiert.

Die Integration der betrieblichen Anwendungen wird in der DIN IEC-62264 beschrieben und auch als Automatisierungspyramide bezeichnet [1]. Dieses Integrationsmodell wurde auf der Basis des Wasserfall Modells von MRP-II entwickelt, das für die damalige Zeit bahnbrechend war [2, 3, 4]. Hier werden die betrieblichen Anwendungen hierarchisch-sequenziell durchlaufen mit den bekannten Nachteilen: viele Schnittstellen, Zeitverzögerungen, Datenverluste, Inkonsistenzen. Das Modell wird den aktuellen informatorischen Möglichkeiten der Industrie 4.0 nicht mehr gerecht.

Routenflexibilität ermöglicht eine robuste, resiliente Gestaltung der Produktion. In hochverfügbaren, dezentral gesteuerten Produktionssystemen mit Zyklen im Materialfluss kann sie jedoch zu unerwünschtem deterministisch-chaotischen Verhalten führen. Dies kann Förderengpässe zur Folge haben, die dazu führen, dass die Systemverfügbarkeit in der Praxis hinter analytisch oder simulativ ermittelten Prognosen zurückbleibt. Im Beitrag wird eine Methode vorgestellt, die Ankunftszeiten analysiert und eine Messgröße für deterministisch-chaotisches Verhalten liefert. Mittels Algorithmen der Bildanalyse werden Daten aus speicherprogrammierbaren Steuerungen oder Embedded Systems ausgewertet. Anhand eines Beispiels eines Doppelgurtbandfördersystems wird gezeigt, dass sie sowohl im voll- als auch im teilautomatisierten Betrieb einsetzbar ist. Die Methode hat zudem das Potenzial, Industrie 4.0 Steuerungsprogramme nach IEC 61499 abzusichern.

Die Welt, insbesondere die der Logistik, wird seit einigen Jahren als „VUCA-Welt“ deklariert. Warum auch nicht? Wer will denn leugnen, dass Volatilität, Unsicherheit, Komplexität und Mehrdeutigkeit - so das englische Akronym - die schwierigen Rahmenbedingungen der Entscheidungsfindung entlang der Wertschöpfungskette treffend charakterisieren? Das genau war und ist Logistik: Das Herstellen von Verfügbarkeiten in einer nicht-perfekten Welt. Was aber tatsächlich neu ist, das ist die wachsende Bedeutung der zweiten Ausprägung, der Unsicherheit: Covid, Suez, Ukraine - eine historisch einmalige Kombination aus unabhängigen Ereignissen, die die eingeschwungenen Systeme des Supply Chain Managements gefährden. Wie werden oder müssen Unternehmen reagieren? Wie werden sie ihre Güterflüsse und ihre damit einhergehenden Transporte neu ausrichten? Was sind bewährte Lösungen?

Das Internet der Dinge (IoT) und die Transformation zur Industrie 4.0 werden nicht nur die Arbeitsweise in den Unternehmen zukünftig stark verändern, sondern auch die Art und Weise, wie Maschinen genutzt und finanziert werden. Der Einsatz von Sensorik und Cloud-Technologien ermöglicht eine Echtzeit-Datenerfassung, sodass Maschinennutzungsdaten für neue Geschäftsmodelle analysiert und perspektivisch auch über Distributed-Ledger-Technologie (DLT) und Smart Contracts automatisiert verarbeitet werden können [1].