I4S+ Exklusiv für Abonnenten

Sichtprüfungen von Produktoberflächen werden überwiegend von Mitarbeitern ausgeführt, wobei Automatisierungsansätze mit Kamera- und Bildverarbeitungssystemen großes Potenzial zeigen. Auch Cobots werden in Qualitätssicherungsprozesse einbezogen. Im Folgenden werden die Integrationsmöglichkeiten von Cobots in die Sichtprüfung diskutiert und ein Entscheidungsmodell dargestellt, mit dem Sichtprüfungsprozesse auf ihre Cobot-Tauglichkeit überprüft werden können. Das Entscheidungsmodell ist für die direkte Integration in bereits existierende Cobot-Eignungsuntersuchungsverfahren konzipiert und dient als erste strategische Entscheidungshilfe.

Unternehmen, insbesondere KMU, stehen vor der Herausforderung, digitale Technologien effizient und möglichst reibungslos einzuführen. Der Beitrag zeigt anhand der Einführung eines digitalen Assistenzsystems im technischen Service, welche Herausforderungen und Problemfelder sich dabei ergeben, wie sie bewältigt werden können und welche Faktoren einen erfolgreichen Einführungsprozess fördern. Dabei wird herausgearbeitet, wie KMU mit geringeren Ressourcen ein hohes Maß an Partizipation und Akzeptanz erzeugen können. Grundlage ist ein sozio-technisches Verständnis, das den Blick beim Einführungsprozess von digitalen Technologien ganzheitlich auf das Gesamtsystem von Mensch, Technik und Organisation richtet.

Daten spielen in unserer Welt – und u. a. auch in der Produktionstechnik – eine immer größere Rolle. Unternehmen sind steigenden Kundenanforderungen und einem erhöhten Wettbewerbsdruck ausgesetzt. Weiterhin erfordert der Trend zu kleineren Losgrößen und zunehmender Variantenvielfalt eine schnelle Reaktionsfähigkeit und Agilität der Unternehmen. Um unter diesen Voraussetzungen die richtigen Entscheidungen treffen zu können, müssen Daten erzeugt und analysiert werden, um daraus Erkenntnisse abzuleiten. Oftmals sind bereits Unmengen an ungenutzten Daten im Unternehmen vorhanden, sodass eine Verarbeitung notwendig ist, um z. B. mithilfe von KI-Algorithmen Mehrwert daraus zu generieren.

Um dem steigenden Fachkräftemangel im IT-Bereich entgegenzuwirken, müssen niedriger qualifizierte Mitarbeitende dazu befähigt werden, Aufgaben durchzuführen, für die bisher Experten einbezogen werden mussten. Für die Inbetriebnahme und den Betrieb von technischen Systemen in Produktions- und Logistikprozessen sind dies Konfigurations-, Steuerungs-, Überwachungs- und Instandhaltungstätigkeiten. Die im Rahmen von Industrie 4.0 verfügbar werdenden Technologien zur Mensch-Technik-Interaktion sowie zum Digitalen Zwilling ermöglichen die Gestaltung intuitiver Nutzerschnittstellen, systemunabhängiger Kommunikationsschnittstellen sowie nutzerindividueller Assistenzfunktionalitäten zur Begegnung dieser Herausforderung. Aufbauend auf diesen grundlegenden Konzepten wird in diesem Beitrag ein Framework zur Konfiguration und Überwachung von Prozessabläufen für unterschiedliche technische Zielsysteme vorgestellt. Ausgehend von bestehenden Programmieransätzen leitet der Beitrag ...

Deep Learning-basierte Methoden zur Fehlererkennung sind traditionellen Methoden aufgrund der stetig steigenden Komplexität technischer Systeme und der damit verbundenen Flexibilität und Skalierbarkeit von Deep-Learning-Techniken überlegen. Dieser Beitrag stellt die KrakenBox vor − einen autonomen Deep Learning-basierten Fehlerdetektor für Cyber-Physische-Produktions-Systeme (CPPS). Dieser nutzt ein in der Komplexität speicherreduziertes Long Short-Term Memory (LSTM) Netzwerk, das zur Online-Fehlererkennung geeignet ist und auf einer eingebetteten Plattform wie dem NVIDIA Jetson AGX Xavier oder der Google Coral Edge TPU eingesetzt werden kann. Dieser Beitrag beschreibt die Architektur der KrakenBox und demonstriert ihre Anwendung anhand von zwei Fallstudien.

Intelligente Assistenzsysteme unterstützen die Mitarbeiter in der Produktion und erhöhen die Effizienz durch das Einblenden von situationsbasierten Aufgabeninformationen. Im Projekt Advanced Robot Assistance Solution (ARAS) im Rahmen des Kuka Innovation Awards 2021 wurde eine Assistenztechnologie entwickelt, um automatisiert Roboterprogramme für Montageabläufe zu generieren. Durch innovative Mensch-Maschine-Schnittstellen werden Montageschritte per maschinellem Lernen erkannt und in ausführbare Programme für Industrieroboter übersetzt. Dadurch können roboterbasierte Montageprozesse innerhalb von Minuten auf neue Produkte angepasst werden, ohne dass die Mitarbeiter über Kenntnisse des Programmierens oder der Robotik verfügen müssen. Ein Mitarbeiter muss den Montageprozess nur einmal vormachen. Das ARAS-System ermöglicht die kosten- und zeiteffiziente Integration und Adaption von Industrierobotern in der Montage für große und mittelständische Unternehmen.

Die Automatisierung informatorischer Logistikprozesse ist bereits heute eine der Kernherausforderungen für produzierende Unternehmen auf dem Weg zu autonom agierenden logistischen Systemen. Dass die Mehrheit informatorischer Logistikprozesse bereits bis zum Ende dieser Dekade autonom ablaufen wird, ist durchaus realistisch. Der Weg dahin jedoch noch ungewiss. Daher zielt dieser Beitrag darauf ab, unter Einbeziehung von Industrie-Experten die Evolutionsstufen der Autonomie logistischer Prozesse zu definieren, Voraussetzungen zum Erreichen einzelner Stufen zu beschreiben und Herausforderungen auf dem Weg zu diskutieren. Zudem werden die prägendsten informatorischen Logistikprozesse mit hohem Autonomisierungspotenzial identifiziert und abgeschätzt, wann das Erreichen der Autonomiestufen industrieweit zu erwarten ist.

Die strukturelle Bedeutung von Containerterminals für den Produktions- und Logistikstandort Deutschland ist hoch. Die Effizienz der Terminalprozesse ist dabei ein zentraler Faktor für die Wettbewerbsfähigkeit der Terminalbetreiber. An vielen Containerterminals der deutschen Nordseeküste kommen hierfür die als flexibel geltenden, jedoch mit Risiken behafteten bemannten Portalhubwagen (engl. straddle carrier, SC) zum Einsatz. Im Rahmen des Forschungsprojekts STRADegy wurden durch eine Kombination aus Pilotanlage und Emulation sowohl die Zuverlässigkeit als auch die Wirtschaftlichkeit der Automatisierung von SC in norddeutschen Containerterminals untersucht. Parallel zur Entwicklung des automatisierten SC-Systems wurden Leitfäden für die Einführung der Technologie erstellt. Der vorliegende Beitrag stellt daraus zentrale Erkenntnisse für ein erfolgreiches Management der Automatisierung vor.

Zunehmend werden kundenseitig leistungsfähigere elektronische Bauteile gefordert. Einhergehend mit steigenden Kundenanforderungen sowie einer Globalisierung der Märkte sind Unternehmen gezwungen kontinuierlich eine hohe Qualität zu gewährleisten. Daraus folgt eine hohe Anzahl an Prüftoren mit engen Toleranzgrenzen. Diese, als Prüfschärfe bezeichneten, Grenzen führen zu einer hohen Anzahl an Pseudofehlern. Mittels doppelter Prüfungen durch Prozessexperten können derartige Fehler reduziert werden. Jedoch führt dieses Vorgehen besonders in der Elektronikfertigung zu hohen Kosten. Autonom agierende Prüfsysteme ermöglichen hingegen die Begegnung dieser Herausforderung. Zur Entwicklung derartiger Systeme wurde im Beitrag Maschinelles Lernen in den Lotpasteninspektionsprozess integriert.

Künstliche Intelligenz (KI) ist die nächste Stufe der Digitalisierung der Wirtschaft. Auch für kleine und mittlere Unternehmen (KMU) bietet die Technologie großes Potenzial. Viele Mittelständler sind aber bei der KI-Einführung noch zurückhaltend und stehen bei der Digitalisierung erst am Anfang: Nur rund ein Fünftel aller KMU in Deutschland hat die eigenen Prozesse und Abteilungen durchghend digitalisiert [1]. Was bedeutet das für den Einsatz von KI in den Unternehmen? Welche Schritte sollten die Betriebe jetzt unternehmen, um die Chancen von KI zu nutzen? Und welche Stolpersteine gilt es zu vermeiden? Dieser Beitrag stellt praktische Umsetzungskonzepte für Unternehmen mit unterschiedlichen digitalen Reifegraden und KI-Einsatzfähigkeiten vor und zeigt die Bandbreite der Nutzenpotenziale von KI-Anwendungen in verschiedenen Branchen und mit unterschiedlichen Wertschöpfungsarchitekturen in mittelständischen Unternehmen auf.