{"id":93239,"date":"2018-06-15T12:00:00","date_gmt":"2018-06-15T10:00:00","guid":{"rendered":"https:\/\/industry-science.com\/?post_type=article&p=93239"},"modified":"2024-04-16T16:32:10","modified_gmt":"2024-04-16T14:32:10","slug":"using-mobile-iiot-technologies-in-hybrid-learning-factories-a-scenario-based-development-of-acting-capability-in-the-application-center-industry-4-0","status":"publish","type":"article","link":"https:\/\/industry-science.com\/en\/articles\/using-mobile-iiot-technologies-in-hybrid-learning-factories-a-scenario-based-development-of-acting-capability-in-the-application-center-industry-4-0\/","title":{"rendered":"Using Mobile IIoT-Technologies in Hybrid Learning Factories"},"content":{"rendered":"\n

Aufgrund gestiegener Anforderungen an die Flexibilit\u00e4t der Wertsch\u00f6pfungsprozesse sind mobile IIoT-Technologien zum festen Begleiter der Mitarbeiter geworden. Digitalisierte Arbeitsprozesse erfordern von diesen die Handlungskompetenz, fluiden Situationen auf Basis eigenen Wissens und der F\u00e4higkeit, dieses in situationsspezifische Kontexte setzen zu k\u00f6nnen, ad\u00e4quat begegnen zu k\u00f6nnen.<\/p>\n\n

Daf\u00fcr ist zuerst die Herausbildung eines umfassenden Prozessverst\u00e4ndnisses [2] gegen\u00fcber digitalisierten Arbeitsumgebungen elementar. Beide Aspekte k\u00f6nnen in klassischen Lehrformaten (z. B. Frontalunterricht) nicht vermittelt werden. Erwachsene Lerner profitieren zudem vom Aufbau auf vorhandene Kenntnisse [3] und von nah am realen Arbeitsprozess angesiedelten Lerneinheiten [4]. Durch Implementierung mobiler IIoT-Technologien als realit\u00e4ts- und prozessnahe Kommunikationsschnittstellen zwischen Mensch, Maschine(n) und digitalisierter Produktion in szenariobasierte Lernfabriken erwachsen Chancen hinsichtlich einer prozess- und arbeitsplatzorientierten Weiterbildung.<\/p>\n\n

Die darin gewonnene Prozessvertrautheit der Lerner ist Grundlage f\u00fcr eine erfolgreiche (Neu-)Entwicklung bestehender (Handlungs-)Kompetenzen. Bei Letzterer m\u00fcssen gleicherma\u00dfen die individuellen Dispositionen der Adressierten hinsichtlich der Relevanz intrinsischer Motivation f\u00fcr erfolgreiches Lernen [3] sowie der Wertsteigerung menschlicher Erfahrung in zunehmend digitalisierten Arbeitsumfeldern [5] im Fokus stehen.<\/p>\n\n

Mobile IIoT-Technologien auf dem Shopfloor<\/h2>\n\n

Bez\u00fcglich der didaktischen Nutzbarmachung von mobilen IIoT-Technologien eignet sich eine Orientierung an der intelligenten Uhr, dem intelligenten Handschuh und AR-Brillen; diese haben f\u00fcr Arbeiten in realen Produktionsprozessen erheblich an Bedeutung gewonnen [6]. Diese IIoT-Technologien stehen einzelnen Mitarbeitern zur Verf\u00fcgung und bieten sich dementsprechend als Lernhilfen in Lernumgebungen an. Erg\u00e4nzend k\u00f6nnen Tablets eingesetzt werden. Aufgrund ihrer weitreichenden Verbreitung auch im privaten Umfeld sind diese vielen Mitarbeitern bereits vertraut.<\/p>\n\n

Intelligente Uhr<\/h4>\n\n

Eine intelligente Uhr (h\u00e4ufig auch \u201eSmart Watch\u201c) erm\u00f6glicht durch die integrierte Anbindung (zumeist mittels Bluetooth) die gezielte Bereitstellung von Informationen sowie \u00dcbermittlung von Benachrichtigungen (auch mittels haptischer R\u00fcckmeldungen) und wird damit eher zur Einwirkung (wenngleich nur mittelbar) auf den Prozess genutzt. Die Interaktion kann dabei sowohl Maschine zu Mensch als auch Maschine zu Maschine umfassen. F\u00fcr jeweilige Umgebungen k\u00f6nnen kontextrelevante Informationen bereitgestellt werden. Haptische Sensoren erm\u00f6glichen die Erfassung des Bewegungsablaufs. Dar\u00fcber hinaus bieten sich beispielsweise im Einsatzfeld der Feinmechanik optische Sensoren an, um Helligkeitsinformationen zu ermitteln und die Hintergrundbeleuchtung entsprechend anzupassen [6].<\/p>\n\n

Intelligenter Handschuh<\/h4>\n\n

Ein intelligenter Handschuh zeichnet sich durch Integration von Sensorkomponenten in jeweilige Materialien aus. Diese k\u00f6nnen unterschiedliche physische Messgr\u00f6\u00dfen erfassen: So sind beispielsweise Druck- oder Temperaturmessungen im Arbeitsablauf zur Qualit\u00e4tssicherung m\u00f6glich. Die T\u00e4tigkeitsform ist auf Wahrnehmung beschr\u00e4nkt, da die Einwirkung selbst bzw. die dahinterliegende Reaktion durch den Mitarbeiter erfolgt. Bez\u00fcglich Interaktionsform sind Mensch (in jedem Fall) und Maschine als R\u00fcckmeldung m\u00f6glich. Haptische Sensoren stellen zumeist die typischste Form dar, wobei auch optische, z. B. in der Werkstofftechnik, m\u00f6glich sind. Kommunikationsschnittstellen sind unerl\u00e4sslich, da die Technologie gerade im Zusammenspiel mit anderen Komponenten und damit verbundener Informationsverf\u00fcgbarkeit Potenziale aussch\u00f6pft [6].<\/p>\n\n

Augmented Reality-Brille<\/h4>\n\n

Eine AR-Brille erm\u00f6glicht die gezielte Einblendung von Informationen in das Sichtfeld. Sie wird f\u00fcr die Erkennung von Umweltmerkmalen, den Abruf von Informationen in Kooperation mit anderen Technologien sowie die Einbindung von Informationen oder Bedarfen anderer Standorte eingesetzt. Ein Anwendungsfeld ist etwa die Unterst\u00fctzung in der Montage. Hier werden sowohl Anleitungen (Informationsbereitstellung) als auch \u00dcberpr\u00fcfung von Arbeitsschritten (aktive Unterst\u00fctzung) bereitgestellt. Die T\u00e4tigkeitsform umfasst zumeist die Wahrnehmung (z. B. durch optische Kameras) und die mittelbare Einwirkung durch die Bereitstellung von Informationen. Die Interaktion kann zum Menschen oder zur Maschine erfolgen und unterst\u00fctzt die Anpassung an die Umgebung \u00fcberwiegend durch Kontextinformationen. Neben optischen k\u00f6nnen weitere Sensoren, z. B. Lage- und Beschleunigungssensoren, erg\u00e4nzend zum Einsatz kommen [6].<\/p>\n\n

Die Schulung des Umgangs mit mobilen IIoT-Technologien allein kann noch nicht als Herausbildung von Prozessverst\u00e4ndnis oder Handlungskompetenzen verstanden werden. Zwar kann die Handhabung durch die Auseinandersetzung mit der jeweiligen Technologie verbessert werden, ein Verst\u00e4ndnis von prozessualen Zusammenh\u00e4ngen bzw. den inh\u00e4renten individuellen Handlungsoptionen innerhalb der digitalisierten Arbeitsumgebung bleibt jedoch aus. Werden mobile IIoT-Technologien jedoch als Lernhilfen verstanden und in den Kontext von Szenarien in Lernfabriken gesetzt, kann die Generierung von Handlungskompetenzen bzw. notwendiger Prozessvertrautheit durch Einbezug einer prozess- und realit\u00e4tsnahen Lernumgebung gelingen.<\/p>\n\n

Das Forschungs- und Anwendungszentrum Industrie 4.0<\/h2>\n\n

Lernfabriken erm\u00f6glichen Simulationen von Produkten, Prozessen und Ressourcen in einer erlebnisorientierten [7] sowie partizipativen Lernumgebung. Die darin abgebildeten interdisziplin\u00e4ren sowie mehrdimensionalen Lernsituationen erm\u00f6glichen es, sowohl Wissen \u00fcber Prozesse und Abl\u00e4ufe als auch konkrete Handlungsf\u00e4higkeit innerhalb dieser zu entwickeln [8]. Dabei kommen die direkte, fassbare Anwendung von Lerninhalten sowie die Abbildung realer Betriebsstrukturen zum Einsatz.<\/p>\n\n

Beteiligte Akteure k\u00f6nnen in einer gesch\u00fctzten Lernumgebung neue Technologien und verbundene Abl\u00e4ufe ausprobieren und gem\u00e4\u00df eigener Dispositionen Verst\u00e4ndnis f\u00fcr digitalisierte Arbeitsprozesse sowie prozessnahe Handlungskompetenzen entwickeln. Insbesondere die M\u00f6glichkeit der passgenauen Konfiguration an die Erfahrungen und Voraussetzungen der Lerner sowie praxisorientierte Lerninhalte machen die Lernfabrik zu einem didaktischen Instrument, welches sowohl individuelle Interessen als auch unternehmerische Bed\u00fcrfnisse in den Blick nimmt.<\/p>\n\n

Das Forschungs- und Anwendungszentrum Industrie 4.0 (Bild 1) greift diese Aspekte auf und erm\u00f6glicht die praktische Umsetzung arbeitsplatzorientierter Weiterbildungsformate durch eine hybride Simulationsumgebung, die virtuelle und reale Produktionskomponenten und damit die Vorteile beider Bereiche vereint [9]. Dies erm\u00f6glicht neben der Konstruktion realit\u00e4tsnaher und authentischer Lernszenarien ebenfalls die Analyse und Gestaltung industrieller Wertsch\u00f6pfungsprozesse und -netzwerke. Diese Szenarien k\u00f6nnen vorhandenes Erfahrungswissen aktivieren und helfen, neue Kenntnisse zu erwerben. In jenen werden – angelehnt an reale Produktionsabl\u00e4ufe und deren spezifische Bedingungen – die Teilnehmer darin bef\u00e4higt, selbstst\u00e4ndig und strukturiert sowohl ein umfassendes Prozessverst\u00e4ndnis als auch Handlungskompetenzen zu entwickeln [10].<\/p>\n\n

\"Lernfabrik
Bild 1: Lernfabrik im Forschung- und Anwendungszentrum Industrie 4.0.<\/em><\/figcaption><\/figure>\n\n

Wesentliche physische Komponenten der Lernfabrik sind Werkst\u00fccke, Maschinendemonstratoren mit hoher Interoperabilit\u00e4t sowie das flexible Transportsystem, welches diese verbindet. Eine aufwandsarme Integration neuer Hardware in die Simulationsumgebung ist einfach m\u00f6glich. Die Betriebssoftware ist dazu ausgelegt, bspw. Sensoren oder Aktoren, die Standardkommunikationsprotokolle wie OPC UA verwenden, schnell integrieren zu k\u00f6nnen.<\/p>\n\n

Der hybride Aufbau erm\u00f6glicht eine realit\u00e4tsnahe Abbildung betriebsnaher Prozesse, wobei einzelne Produktionsschritte mithilfe der Demonstratoren und mit Displays ausgestatteter Werkst\u00fccke nachempfunden werden k\u00f6nnen (eine Konfiguration gem\u00e4\u00df betriebsspezifischer Produktionsschritte ist dabei ebenfalls m\u00f6glich). Reale Entit\u00e4ten aus dem Betrieb der Teilnehmer k\u00f6nnen so detailgetreu simuliert werden. Das Anwendungszentrum eignet sich insbesondere zur Schulung von in der Produktion t\u00e4tigen Mitarbeitern, da die vorhandenen physischen und digitalen Elemente passgenau auf die im Betrieb gegebenen Ausgangsbedingungen und individuellen Dispositionen der Teilnehmer angepasst werden k\u00f6nnen, indem reale Produktionsprozesse abgebildet werden.<\/p>\n\n

Zusammengefasst erm\u00f6glicht die Darstellung simulierter Fertigungsprozesse mit unterschiedlichen T\u00e4tigkeitsprofilen eine gro\u00dfe Auswahl an individuellen Lernm\u00f6glichkeiten. Teilnehmer k\u00f6nnen in gesch\u00fctzter Umgebung bspw. Prozessmodifikationen initiieren, die direkten Auswirkungen ihres Handelns beobachten und Erfahrungen sammeln. Darauf aufbauend k\u00f6nnen Kenntnisse gegen\u00fcber digitalisierten Prozessen sowie weiterf\u00fchrend Handlungskompetenzen entwickelt werden.<\/p>\n\n

Elementar ist die kontinuierliche Einbindung mobiler IIoT-Technologien (beispielsweise AR-Brillen oder Tablets), durch die eine realit\u00e4ts- und prozessnahe Orientierung am digitalen Shopfloor und dar\u00fcber hinaus gelingt. Die N\u00e4he zu realbetrieblichen Abl\u00e4ufen verhindert Transferproblematiken zwischen Theorie und Praxis und gibt auch einen Ausblick auf die Ausgestaltung zuk\u00fcnftiger Produktionen. Dadurch wird eine Identifikation mit der Lernumgebung erm\u00f6glicht, welche einen schnellen Einstieg in Lernthematiken und damit einen nachhaltigen Lernerfolg unterst\u00fctzt.<\/p>\n\n

Entwicklung von Handlungskompetenzen durch Lernszenarios<\/h2>\n\n

Am Beispiel des Teilszenarios \u201eSmarte Qualit\u00e4tssicherung in der Logistik\u201c soll ausschnitthaft sowohl die praktische Einbindung mobiler IIoT-Technologie in eine Lernfabrik als auch deren Nutzen zur Entwicklung von Prozessverst\u00e4ndnis innerhalb digitalisierter Arbeitsumgebungen als Grundvoraussetzung zum Aufbau von Handlungskompetenz erl\u00e4utert werden. Darin werden Halbfabrikate auf Basis eintreffender Kommissionierungsauftr\u00e4ge an nachfolgende Abteilungen weitergeleitet sowie Qualit\u00e4tspr\u00fcfungen mithilfe mobiler IIoT-Technologie durchgef\u00fchrt. Bild 2 stellt die prozesshafte Abbildung des Teilszenarios dar.<\/p>\n\n

Zwei Personen nehmen die Rollen des Produktionsverantwortlichen (Lerner B) sowie des technischen Qualit\u00e4tsbeauftragten (Lerner A) ein. Lerner A wird mit einem intelligenten Handschuh und einer intelligenten Uhr, Lerner B mit einer AR-Brille und einem Tablet ausgestattet.<\/p>\n\n

Die Aufgabe von Lerner A besteht im Folgenden darin, mithilfe des Handschuhs und der Uhr den Status der halbfertigen Werkst\u00fccke nach dem Produktionsschritt \u201ePulverbeschichtung\u201c zu kontrollieren. Dabei soll der Handschuh genutzt werden, mittels integrierter Sensorien wesentliche Qualit\u00e4tsparameter der Pulverbeschichtung festzustellen. Die ermittelten Messwerte werden in einem zentralen Qualit\u00e4tssicherungssystem hinterlegt und auf etwaige Grenzwert\u00fcberschreitungen gepr\u00fcft. Sollten die QS-Parameter die Grenzwerte \u00fcberschreiten, informiert die smarte Uhr durch visuelle und haptische R\u00fcckmeldung \u00fcber die Qualit\u00e4t des Werkst\u00fccks. In diesem Fall wird dieses aus dem Produktionsprozess ausgeschleust.<\/p>\n\n

\"Prozesshafte
Bild 2: Prozesshafte Abbildung des Lernszenarios.<\/em><\/figcaption><\/figure>\n\n

Tritt eine \u00e4hnliche Abweichung wiederholt auf, kann der Qualit\u00e4tsbeauftragte (Lerner A) den Produktionsverantwortlichen (Lerner B) direkt benachrichtigen, da die Vermutung eines Systemfehlers naheliegt. In Extremf\u00e4llen kann Lerner A einen Produktionsstopp veranlassen. Lerner B erh\u00e4lt die Meldung auf sein Tablet mit zus\u00e4tzlichen Informationen (u. a. die betroffene Maschine), um sich zielgerichtet mit der Problematik besch\u00e4ftigen zu k\u00f6nnen. An der Maschine erh\u00e4lt er auf seine AR-Brille relevante Maschinenparameter.<\/p>\n\n

Ein Abgleich mit den empfohlenen Richtwerten erm\u00f6glicht die Ursachenanalyse und stellt die Grundlage f\u00fcr die Fehlerbehebung dar. Die Detailanalyse des Werkst\u00fccks selbst wird durch die AR-Brille unterst\u00fctzt. Dort erh\u00e4lt der Nutzer die gemessenen Parameter ebenso wie Vorschl\u00e4ge f\u00fcr das weitere Vorgehen (z. B. Nacharbeiten oder Verschrotten). Basierend auf den Informationen und der Detailanalyse trifft Lerner B die Entscheidung \u00fcber das weitere Verfahren, da dieser mit dem Prozess vertraut ist.<\/p>\n\n

Zusammengefasst bekommen die Lerner im aufgef\u00fchrten Lernszenario die M\u00f6glichkeit, Einblicke in die IIoT-Technologie gest\u00fctzte Produktion der Zukunft in einer realit\u00e4tsnahen Umgebung zu erhalten und dadurch Prozessvertrautheit zu entwickeln. Das Anwendungszentrum erm\u00f6glicht, zu verstehen, wie einzelne Produktionsstationen untereinander, mit dem Werkst\u00fcck und\/oder dem Menschen zuk\u00fcnftig miteinander kommunizieren und interagieren werden.<\/p>\n\n

Zudem f\u00f6rdert die stetige Implementierung mobiler IIoT-Technologien innerhalb der Szenarien nicht nur das Abbauen von Hemmnissen auf Seiten der Nutzer, vielmehr unterst\u00fctzt der stetige Einbezug der eigenen Person die Entwicklung einer eigenen Rollenidentit\u00e4t f\u00fcr den digitalen Shopfloor. In aufbauenden, an den individuellen Dispositionen der Lernenden orientierten und offen gehaltenen Lernszenarios k\u00f6nnen weiterf\u00fchrend Handlungskompetenzen entwickelt werden.<\/p>\n\n

Zusammenfassung<\/h2>\n\n

Mobile IIoT-Technologien spielen eine zunehmende Rolle in der Produktion der Zukunft. Dementsprechend bieten sich Weiterbildungsformate an, welche diese nicht nur als Gegenstand von isolierten Schulungen begreifen, sondern auch als Lernhilfe in \u00fcbergeordneten Verst\u00e4ndnisprozessen verstehen. In diesem Zusammenhang schl\u00e4gt der vorliegende Beitrag eine Kombination mobiler IIoT-Technologien, Lernfabriken und Lernszenarien als einen auf die Bed\u00fcrfnisse erwachsener Lerner abgestimmten L\u00f6sungsweg vor. Daf\u00fcr wurden zuerst notwendig werdende Anforderungen an Mitarbeiter und relevante IIoT-Technologien identifiziert, welche im Anschluss in ein Forschungs- und Anwendungszentrum Industrie 4.0 gest\u00fctztes Lernszenario eingebettet wurden. Am Szenarioausschnitt \u201eSmarte Qualit\u00e4tssicherung in der Logistik\u201c konnte gezeigt werden, wie Teilnehmer praxisorientiert sowohl im Umgang mit mobilen IIoT-Technologien geschult werden als auch Ihre eigene Position innerhalb der digitalisierten Produktion reflektieren k\u00f6nnen.<\/p>\n

Bibliography <\/h2>[1] Erpenbeck, J.: Kompetenzen \u2013 Eine begriffliche Kl\u00e4rung. In: Heyse, V.; Erpenbeck, J.; Ortmann, J. (Hrsg): Grundstrukturen menschlicher Kompetenzen: Praxiserprobte Konzepte und Instrumente. M\u00fcnster 2010.\r
[2] Sp\u00f6tl, G.; Gorldt, C.; Windelband, L.; Grantz, T.; Richter, T.: Industrie 4.0 \u2013 Auswirkungen auf Aus- und Weiterbildung in der M+E Industrie. M\u00fcnchen 2016.\r
[3] Arnold, R.: Assisted Learning. A Workbook, 1. Auflage. Land- au 2010.\r
[4] Dehnbostel, P.: Betriebliche Bildungsarbeit. Kompetenzbasierte Aus- und Weiterbildung im Betrieb. Baltmanns- weiler 2010.\r
[5] Hirsch-Kreinsen, H.: Wandel von Produktionsarbeit \u2013 \u201eIndustrie 4.0\u201c. In: WSI Mitteilungen 6 (2014), S. 421-429.\r
[6] Bender, B.; Teichmann, M.; Ullrich, A.: Mobile IIoT-Technologien als Erfolgsfaktor f\u00fcr Fertigung und Lernszenarien \u2013 Systematisierung und Anwendung. In: Gronau, N. (Hrsg): Industrial Internet of Things in der Arbeits- und Betriebsorganisation. Berlin 2017.\r
[7] Wagner, U.; Al Geddawy, T.; El Maraghy, H.; M\u00fcller, E.: The State-of-the-Art and Prospects of Learning Factories. In: Procedia CIRP 3 (2012), S. 109-114.\r
[8] M\u00fcller, E; Plorin, D; Ackermann, J.: Advanced Learning Factory (aLF): Ein ganzheitliches Konzept zur Fachkompetenzentwicklung als Antwort auf den demografischen Wandel. In: Industrie Management 29 (2013) 3, S. 59-62.\r
[9] Gronau, N.; Theuer, H.; Lass, S.: Evaluation of Production Processes using Hybrid Simulation. In: Windt, K. (Hrsg): Robust Manufacturing Control, Lecture Notes in Production Engineering. Berlin 2013.\r
[10] Gronau, N.; Ullrich, A.; Teichmann, M.: Development of the Industrial IoT Competences in the Areas of Organization, Process, and Interaction based on the Learning Factory Concept. In: Procedia Manufacturing 9 (2017), S. 254-261.<\/div>

Your downloads<\/h2>