Produktionssystem

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.

Muskuloskelettale Erkrankungen (MSE) sind die Hauptursache für krankheitsbedingte Arbeitsunfähigkeitstage im produzierenden Gewerbe. Entsprechend sind ergonomische Arbeitsabläufe besonders wichtig, um die Gesundheit der Mitarbeiter zu schützen sowie die hohen Folgekosten von MSE für die Unternehmen und die Gesellschaft zu verringern. Dieser Beitrag stellt einen Ansatz vor, der die individuellen Fähigkeiten von Mitarbeitern und die individuelle Beanspruchung der Mitarbeiter am Arbeitsplatz mithilfe moderner Motion-Capture-Systeme aufwandsarm erfasst und analysiert. Ein Lernassistenzsystem (LAS) nutzt die Analyseergebnisse zur ergonomischen Verhaltensprävention in der Produktion.

Ganzheitliche Produktionssysteme (GPS) rufen nicht nur in Großunternehmen positive Effekte hervor - auch in kleinen und mittleren Unternehmen (KMU) schlagen sich diese wie beispielsweise verbesserte Liefertermintreue nieder. Jedoch können GPS von Großunternehmen aufgrund verschiedener Ausgangssituationen und Gegebenheiten nicht auf KMUs kopiert werden. Die Einführung von GPS bedeutet für KMUs einen hohen Aufwand. In diesem Beitrag wird ein Ansatz vorgestellt, wie ein bionisches Prinzip GPS für KMUs aufwandsärmer und gleichzeitig effektiver gestaltet.

Aufgrund der Vielzahl verschiedener Machine-Learning-Verfahren und der Modellierungskomplexität besteht unter Ingenieuren häufig Unsicherheit gegenüber der effizienten Anwendung von Machine Learning (ML). Daher bleibt der Einsatz von ML-Anwendungen in verarbeitenden Unternehmen hinter den technischen Möglichkeiten zurück. In diesem Beitrag wird ein intuitiver Handlungsleitfaden für Ingenieure vorgestellt, der diese Unsicherheit verringern soll. Der Handlungsleitfaden führt in sechs Schritten durch ein ML-Projekt. Der ML-Kompass schlägt dem Anwender für gängige ingenieurstechnische Problemstellungen der Produktentwicklung und Produktion ML-basierte Algorithmen, die in der Praxis verwendet werden, vor. Anhand eines Industriebeispiels wird die Funktionsweise demonstriert.