Automatisierung

Die additive Fertigung ist eine zunehmend an Bedeutung gewinnende Fertigungstechnologie mit einem großen wirtschaftlichen Potenzial. Ihre Beliebtheit geht jedoch mit hohen Material- und Zeitverlusten einher, da fehlerbehaftete Werkstücke in vielen Fällen erst sehr spät im Fertigungsprozess erkannt werden. Ein Lösungsansatz für eine nachhaltigere und effizientere Produktion ist das automatisierte und frühzeitige Erkennen von Fertigungsfehlern mit Verfahren der Künstlichen Intelligenz. Dieser Beitrag beschreibt die Digitalisierung des Fehlererkennungsprozesses im 3D-Druck mithilfe eines bildbasierten, lernenden Systems. Dabei wird neben den einzelnen Arbeitsschritten zur automatisierten Fehlererkennung auch auf die Leistung des Systems eingegangen.

Das Remanufacturing, bisher geprägt durch manuelle und kostenintensive Prozesse, ist ein entscheidender Schritt auf dem Weg zu einer ressourcenschonenden Kreislaufwirtschaft. Industrie und Forschung sind sich einig, dass der Einzug von Industrie-4.0-Technologien den Schlüssel zu einer Entwicklung automatisierter und wirtschaftlicher Remanufacturing-Systeme darstellt. Basierend auf einer systematischen Literaturrecherche widmet sich dieser Beitrag der Analyse vielversprechender Industrie-4.0-Ansätze mit dem Fokus auf den übergeordneten Gesamtprozess sowie den Teilprozessen der Demontage und der Inspektion. Die Ergebnisse legen nahe, dass es an zusätzlichem Wissen, Erfahrung und Forschung bei der Entwicklung und realen Demonstration der Ansätze und deren Übertragbarkeit auf breitere Anwendungsfelder bedarf.

Unter „Smart Factory“ wird die Vision einer Produktionsumgebung verstanden, in der sich Fertigungsanlagen und Logistiksysteme ohne menschliche Eingriffe weitestgehend selbst organisieren [1]. Im Beitrag wird ein Projekt beschrieben, zu dessen Start keiner der Beteiligten das Thema „Smart Factory“ oder „Industrie 4.0“ auch nur ansatzweise mit dem Projekt in Verbindung brachte. Vielmehr wurde die Zielsetzung verfolgt, die heutige Lieferzeit von 6-8 Wochen drastisch zu reduzieren. Das Ergebnis ist ein vollständig digitalisierter Geschäftsprozess von der Auftragserstellung, der Produktentwicklung, der Konstruktion, der Fertigung sowie der Abwicklung für „Losgröße 1“ mit einer Reduzierung der Durchlaufzeit auf weniger als 10 %.

In der Prozesstechnik denkt man in Produktionsoperationen, die von Sensoren und Aktoren gesteuert bzw. geregelt werden. Und jede Realisierung von Stoffumwandlung basiert auf einem physischen Substrat, was in gleicher Weise für lebende Systeme und ihr Verhalten gilt. Unterschieden werden in dem Beitrag drei Systemebenen: die Funktionsebene, das Interface zur Umwelt und die kognitive Ebene . Mithilfe dieser drei Ebenen lässt sich der Lernzyklus bzw. der bisherige sehr gut veranschaulichen. Vergleicht man in dieser Unterscheidungsweise intelligentes Verhalten von Menschen mit den technischen Entwicklungsstufen Maschinisierung, Automatisierung, Regelung und Deep Learning, dann wird das in der kybernetisch-soziologische Systemtheorie gängige Merkmal „“ verständlich. Daraus wird der Schluss gezogen, dass wir im Rahmen einer digitalisierten Kultur von Produktion und Organisation mit einem auf Silizium-Basis (SI) rechnen sollten. Um diese Analogie hervorzuheben, bezeichnen wir das vom ...