I4S+ Exklusiv für Abonnenten

Kaum ein Thema prägt den Maschinen- und Anlagenbau derzeit so sehr wie „Smart Factory“. In einer Branchenumfrage aus dem Jahr 2019 [1] gaben 68 Prozent der Befragten an, dass sie bereits erste Smart-Factory-Initiativen gestartet hätten. Der Capgemini-Studie „Smart Factories @ Scale“ [2] zufolge wurde bis Ende 2019 bereits ein Drittel der Fabriken in intelligente Anlagen umgewandelt. Die Mehrzahl der Investitionen zielt jedoch auf die Produktion ab und vernachlässigt interne Prozesse wie den Datenfluss zwischen den Stakeholdern der Supply Chain, so die Ergebnisse der IG Metall-Studie „Digitale Transformation im Maschinen- und Anlagenbau“ [3]. Dieser Beitrag gibt einen Einblick, wie sich der Informationsfluss in einem Netzwerk von Smart Factories durch den Einsatz cloudbasierter Lösungen steuern lässt.

Die Möglichkeiten, die sich uns durch den Einsatz der Additiven Fertigung erschließen sind beinahe unbeschränkt. Der vorliegende Beitrag beschäftigt sich mit der Herstellung nachgiebiger, individualisierter Interieurkomponenten für Fahrzeuge mittels Additiver Fertigungsmethoden bei Verwendung sogenannter Thermoplastischer Elastomere auf Urethanbasis oder kurz TPU [1, 2]. Eine Einsatzmöglichkeit sind hochpreisige Fahrzeuge bei denen ein hoher Individualisierungsgrad gefordert wird und die Herstellung einer Form zum Aufschäumen dieser individualisierten Interieur-Kunststoffteile, aufgrund der niedrigen Stückzahlen, mit hohen Kosten verbunden ist [3-5].

Die Produktion im 21. Jahrhundert ist mit komplexen Herausforderungen konfrontiert; ihre Rahmenbedingungen ändern sich aufgrund des anthropogenen Klimawandels grundlegend. Im Umgang mit diesen Herausforderungen wird dem Konzept der Circular Economy (CE) von Seiten der Wissenschaft und auch von Politik und Praxis großes Potenzial zugesprochen. Der Beitrag entwickelt Strategien zur Implementierung und Umsetzung der CE. Dazu erfolgt die Konzeption eines ganzheitlich-zirkulären Produktlebenszyklus, entlang dessen systematisch zirkuläre Strategien aufgezeigt werden. Deren Umsetzung wird durch ein Praxisbeispiel eines Smartphone-Herstellers verdeutlicht.

Spätestens seit Beginn der Corona-Pandemie sind die Ambitionen Chinas für die Digitalisierung seiner Gesundheitsversorgung gut sichtbar. In den nächsten fünf Jahren plant Beijing unter anderem hierfür Investitionen über 1,4 Billionen USD (US-Dollar) in 5G Netze, KI-Forschung und Datenzentren [1]. Die Digitalisierung im Gesundheitswesen reicht dabei von der Triage über die Diagnostik bis hin zu OP-Robotern und verspricht, die medizinische Versorgung auf ein neues Niveau zu bringen. So avanciert China nicht zuletzt dank der engen Verflechtung von Politik, Öffentlichkeit und Wirtschaft und der schieren Menge an nutzbaren Daten sowie reichlich vorhandenem Risikokapital zunehmend zu einem Hightech-Land. Deutschland und Europa sollten auf diese Entwicklung noch eine Antwort finden.

In den letzten Jahren hat das Quantencomputing neue Erfolge erzielt, wie z. B. das Quantenüberlegenheitsexperiment von Google [1] und es zeigt sich, dass es von großen Industrieunternehmen zur Lösung komplexer Probleme eingesetzt wird. Aber was hat zu dieser Entwicklung geführt? Welche Arten von Problemen können wir in naher Zukunft erwarten, die mit Quantencomputing zu lösen sind? Auf welche Herausforderungen stoßen wir bei dieser Technologie und ihrem Einsatz im industriellen Umfeld?

Das zunehmende Bewusstsein für eine energieeffiziente Produktion erzeugt den Wunsch nach Instrumenten zur energetischen Bewertung und Optimierung von Prozessketten. Im Rahmen dieser Arbeit wurde ein Vorgehen zur ganzheitlichen energetischen Bewertung und Optimierung von Prozessketten mit spanenden Fertigungsverfahren entwickelt, welches stoffstromübergreifende Wechselwirkungen durch Anpassung der Prozessstellgrößen (PSG) berücksichtigt.

Zur Sicherstellung der Wettbewerbsfähigkeit ist es für produzierende Unternehmen essenziell, kontinuierlich innovative Produkte, Prozesse und Geschäftsmodelle zu entwickeln. Unternehmen begegnen dabei jedoch den Herausforderungen eines dynamischen und komplexen Unternehmensumfelds. Darüber hinaus steigt die Relevanz der Nachhaltigkeit für die produzierende Industrie kontinuierlich an. Im Rahmen des vorliegenden Beitrags „Sustainable Innovation“ werden Handlungsfelder und Prinzipien des Innovationsmanagements beschrieben, die Unternehmen dazu befähigen, nachhaltig Werte zu schaffen.

Die Personaleinsatzplanung gewinnt unter dem herrschenden Fachkräftemangel und demographischen Wandel sowie der zunehmend geforderten Flexibilität an Bedeutung. Es reicht nicht mehr aus, einfach den am höchsten qualifizierten Mitarbeitenden einer Arbeitsaufgabe zuzuordnen. Damit Unternehmen die am Markt geforderte Flexibilität erreichen und als attraktiver Arbeitgeber wahrgenommen werden, müssen zukünftig Planungsmethoden die Einbindung von Zielen verschiedener Interessengruppen ermöglichen. Dabei gilt es stets das kurzfristige Leistungsziel, vorgegeben durch den Fertigungsplan und damit den Auftragseingang durch die Kundschaft, zu erfüllen. Robustheit als messbare Größe kann genau dieses ermöglichen, indem ungenutzte systeminheränte zeitliche Puffer identifiziert und verplant werden. Einen Ansatz hierfür stellt der folgende Beitrag vor.

Trotz steigender Automatisierung stellt der Mensch weiterhin einen zentralen Produktivitätsfaktor in der industriellen Montage dar. Zur Unterstützung der Mitarbeiter werden Montageassistenzsysteme eingesetzt. Dieser Beitrag stellt ein neuartiges Assistenzsystem vor, welches neben prozessbezogener Assistenz auch menschzentrierte Funktionalitäten umsetzt. Zudem wird eine Evaluationssystematik auf Basis von prozessorientierten und mitarbeiterorientierten Parametern vorgestellt. Ausgangspunkt der Forschung stellt die Analyse des Stands der Technik auf Basis einer Marktanalyse von Montageassistenzsystemen dar.

Die in der Konstruktion und Fertigung von Werkzeugen und Formen anfallenden Daten werden nur selten gezielt weiterverwendet. Dabei enthalten sie nicht zu unterschätzendes Wissen, mit dem sich wichtige Kenngrößen vorhersagen lassen. Aus den bei der CAM-Programmierung von Senkerosionselektroden anfallenden Metadaten lassen sich Parameter extrahieren, mithilfe derer sowohl die spätere Erosionsdauer vorhergesagt als auch die Einflussstärke jedes Parameters quantifiziert werden kann.