Produktionssystem

In der Herstellung und im Betrieb komplexer Unikatprodukte treten unvermeidbar Störungen auf. Diese beeinflussen die Qualität und den Ressourceneinsatz während der Produktion sowie die Einsatz- und Lebensdauer des späteren Produkts nachteilig. Aufgabe des Störungsmanagements ist es, Störungen zügig und mit geringem Aufwand zu dokumentieren und die Entstörung zu unterstützen. In der Praxis zeigen sich häufig Defizite: Unternehmen erfassen Störungen auf Papier oder in der Tabellenkalkulation, dokumentieren sie nicht strukturiert und können so weder die von den Störungen betroffenen Folgearbeiten ausreichend schnell informieren noch die eigentliche Entstörung ausreichend unterstützen. Der Einsatz digitaler Assistenzsysteme erleichtert die Dokumentation: Sie steigert die Informationsqualität durch eine Verortung im CAD-Modell, stellt Störungen übersichtlich im Generalplan des Produkts dar und beschleunigt so eine zielgerichtete Entstörung. Ein generisches Datenmodell ...

Die Digitalisierung von Prozessen ist komplex und fehlerbehaftet. Deswegen werden Fertigungsprozesse mit Methoden der statistischen Prozesslenkung überwacht. Das Ziel des vorgestellten Projekts war die Beantwortung der Fragen, wie die Datengrundlage für den Einsatz der Qualitätsregelkarte (QRK) von Stichproben auf nahezu Echtzeitdaten erweitert werden kann und wie die Implementierung der Lösung erfolgen sollte. Die Softwarelösung wurde in der Fischertechnik Lernfabrik entwickelt und getestet. Es konnte gezeigt werden, dass sich die Daten aus der Lernfabrik eignen, um eng getaktet dargestellt und mittels Prozesskennzahlen der QRK ausgewertet werden zu können. So können Fehler vermieden und Kapazitäten eingespart werden.

Durch den Wandel in der Automobilindustrie hin zur Elektromobilität gewinnt das Qualitätsmerkmal technische Sauberkeit stetig an Bedeutung. An Batte- riezellen als Kosten- und Sicherheitsfaktor für E-Fahrzeuge werden hier hohe Anforderungen gestellt, die entlang der Wertschöpfungskette einzuhalten sind. Im Beitrag wird eine Bewertungsmethode vorgestellt, die hilft, die technische Sauberkeit im Herstellungsprozess von Lithium-Ionen-Zellen zu analysieren und Fehlerursachen aufzuzeigen.

Künstliche Intelligenz (KI) ist bereits heute ein wichtiger Bestandteil der Geschäftsmodelle und Prozesse vieler Unternehmen. In naher Zukunft werden KI-Systeme unsere Arbeitswelt tiefgreifend verändern. KI-Systeme können dabei für Unternehmen der unterschiedlichsten Branchen und Domänen - insbesondere in der Industrie - völlig neue Potenziale entfalten. Bestehende Geschäftsmodelle können entlang der Wertschöpfungskette optimiert werden, indem Produktionsabläufe und Prozesse optimiert oder mit vorausschauender Wartung Stillstände in der Produktion vermieden werden (2). Gleichzeitig können KI-Systeme völlig neue Geschäftsmodelle ermöglichen und damit bestehende Marktstrukturen durch neue Akteure radikal verändern. Die KI-Wirtschaft von morgen wird individueller, präziser und nachhaltiger sein: Eine wettbewerbsfähige Wertschöpfung ohne KI wird in vielen Bereichen der Industrie nicht möglich sein (1).

Um Marktanforderungen zu erfüllen, müssen Unternehmen ihre Flexibilität steigern und hohe Produktvielfalt anbieten. In der Montage erfordert dies eine große Anzahl von Spezialmaschinen, was zu hohem Investitions- und Platzbedarf führt. Dieser Beitrag stellt ein Konzept für eine modulare, rekonfigurierbare Montagestation, die um Module mit unterschiedlichen Fähigkeiten erweitert werden kann, vor. Es wird gezeigt, wie ein derartiges System im RAMI4.0-Modell zu verorten ist und welche Anforderungen an die Veränderbarkeit auf verschiedenen Produktionsebenen zu erfüllen sind.

Dieser Beitrag zielt darauf ab, auf Basis der Darstellung des State-of-the-Art ein Modell zur Akzeptanz von RPA-Technologien zu erarbeiten. Dieses Modell dient dabei als Grundlage einer empirischen Studie zur Akzeptanz von robotergestützter Prozessautomatisierung (RPA) bei einem weltweit agierenden Technologieunternehmen. Die Ergebnisse dieser Studie werden in einer korrespondierenden Veröffentlichung „Eine empirische Analyse zur Technikakzeptanz von robotergestützter Prozessautomatisierung (RPA) (Teil 2)“ dargestellt.

Ein wichtiger Baustein für Unternehmen, um mit den Anforderungen der Arbeitswelt umzugehen, ist die kontinuierliche und bedarfsspezifische Weiterbildung der Mitarbeitenden. Die Möglichkeit von arbeitsplatznahem Lernen spielt dabei eine große Rolle. Im Folgenden wird beleuchtet, welche Formen digitaler Assistenzsysteme aktuell für die gezielte Unterstützung des arbeitsplatznahen Lernprozesses eingesetzt werden und welche Gestaltungsdimensionen bei der Einführung entsprechender Systeme relevant sind. Abschließend wird der unterstützende Einsatz von Künstlicher Intelligenz zur Gestaltung bedarfs- und personenspezifischer Lernprozesse beleuchtet.