Produktionssteuerung

Auslastungsschwankungen führen zu temporären Über- und Unterlastungen in der Fertigung sowie zu Beständen. Nivellierung (jap. Heijunka) als Methode des Lean Managements entkoppelt Fertigungssysteme von der volatilen Kundennachfrage, um diese Verschwendung zu vermeiden. Die Glättung erzielt eine gleichmäßig hohe Auslastung der Fertigungskapazitäten bei kurzen Durchlaufzeiten und niedrigen Umlaufbeständen. Während für die Fertigungsindustrie empirisch bewährte Nivellierungsmethoden zur Verfügung stehen, besteht in Bezug auf die Prozessindustrie eine Forschungslücke. Dieser Beitrag beschreibt das Product Wheel und dessen Validierung bei einem Dämmstoffhersteller, um diese Lücke zu schließen.

Die Lebensmittelproduktion unterliegt komplexen Herausforderungen, da eine Vielzahl von sich teilweise dynamisch ändernden Produktions-, Rohstoff- und Hygieneparametern berücksichtigt werden müssen. Für die Erreichung einer gleichbleibenden Endproduktqualität sind insbesondere die Zusammenhänge zwischen den rohwarespezifischen Parametern und der Endproduktqualität relevant. Insbesondere bei Produkten mit schnell verderblichen Zutaten sind die Wechselwirkungen zwischen qualitätsbeeinflussenden Parametereffekten und reziproken Parameterbeeinflussungen komplex. Vor allem in Produktionssystemen mit einer Vielzahl verschiedener Endprodukte stellt dies hohe Anforderungen an die Produktionssteuerung, um unter Beachtung der zutatenbasierten Wirkzusammenhänge eine konstante Endproduktqualität zu erzeugen und dabei optimale Durchlaufzeiten und Maschinenauslastungen zu beachten. Der vorliegende Beitrag widmet sich hierzu dem Stand der Forschungen und leitet konkrete Anforderungen an die ...

Wenn komplexe Bauteile und Herstellungsverfahren zu einer immer größeren Herausforderung für Maschinen werden, wird es Zeit, aufzurüsten: mit Sensorik, die große Datenmengen mit 5G- und Cloudtechnologie nahezu verzögerungsfrei überträgt und die Maschine mit neuen Funktionen zur Prozessüberwachung und -regelung ausstattet. Das Fraunhofer-Institut für Produktionstechnologie IPT aus Aachen entwickelt im Projekt 5GSensPRO gemeinsam mit sieben Industriepartnern ein modular erweiterbares Sensor-Cloud-System für bestehende Maschinen. Dieses System umfasst Sensorik, Steuerungs-, Auswerte- und Visualisierungssoftware, Schnittstellen und Kommunikationsprotokolle, um hochdynamische Produktionsprozesse gründlicher zu überwachen und adaptiv zu regeln. Das weltweit erste 5G-Mobilfunknetz, das vollständig drahtlos in einer Produktionsumgebung arbeitet, steht dem Konsortium zu Forschungszwecken in der Maschinenhalle des Fraunhofer IPT zur Verfügung. Mit dem Ziel, die produzierende ...

Produktionsanlagen sind heute auf die Massenproduktion identischer Güter ausgelegt. Zwar besitzen sie oft eine gewisse Flexibilität, diese ist aber vorab klar definiert. Im Kontrast zu Flexibilität, wobei es sich um die Fähigkeit handelt, zwischen vordefinierten Produktvarianten zu wechseln, steht die Wandlungsfähigkeit. Die Wandlungsfähigkeit einer Anlage beschreibt die Fähigkeit, auch ungeplante Änderungen effizient durchzuführen. Diese sind heute mit einem hohem Zeit- und Kostenaufwand verbunden. Wandlungsfähigkeit erlaubt es Produzenten schneller auf veränderte Nachfragesituationen zu reagieren und auch Produktionsaufträge, die nur kleine Stückzahlen umfassen, effizient zu fertigen. Das Ziel hierbei ist es, eine effiziente Fertigung von Aufträgen mit der Losgröße Eins zu erreichen, also die individualisierte Massenproduktion. Bei dem Konzept des Digitalen Zwillings handelt es sich dabei um ein Schlüsselkonzept zur Umsetzung der geforderten Wandlungsfähigkeit.

Die digitale Transformation produktionslogistischer Prozesse verspricht große Potenziale zur Effizienzsteigerung, da diese somit zielgerichteter gesteuert und bestehende Kapazitäten besser ausgenutzt werden können. Ein entscheidender Faktor dabei ist die Qualität der zu erhebenden und zu verarbeitenden Informationen. In diesem Beitrag wird eine Methode zur systematischen digitalen Transformation produktionslogistischer Prozesse vorgestellt, mit Fokus auf Informationsflüsse und deren Qualität.

Im Rahmen der Digitalisierung als Basis der Industrie 4.0 stehen insbesondere kleine und mittlere Unternehmen (KMU) vor der Herausforderung der vertikalen und horizontalen Datenintegration. Diese gelingt mittels der Vernetzung der Unternehmensleitebene mit der Produktionsebene. Die bislang hierfür genutzten Systeme wie Enterprise Resource Planning (ERP) oder selbstentwickelte Softwarelösungen werden dafür immer häufiger durch Manufacturing Execution Systeme (MES) abgelöst. Diese ermöglichen aufgrund ihrer direkten Anbindung an die Produktion deren zeitnahe Kontrolle und Steuerung. MES gelten als Brückentechnologie, die unternehmerische Planungssysteme mit der Fertigung verbinden und so das Postulat der vertikalen und horizontalen Datenintegration erfüllen. Diese Datenintegration ist Basis für ein automatisiertes Risikomanagement in der Produktion. Im Forschungsprojekt quadrika wird ein MES-Modul entwickelt, um Risiken in der Fertigung frühzeitig zu erkennen und zu vermeiden.

Der positive Nutzen dezentraler Entscheidungsstrukturen in Produktionssystemen wurde bereits in den 1990ern diskutiert. Aber erst in den letzten Jahren haben die für die Realisierung notwendigen Technologien eine ausreichende Marktreife erlangt, um entsprechende Konzepte effizient umsetzen zu können. So können die beteiligten Einheiten mittels autonomer Technologien zu einer „intelligenten“ Prozessbeteiligung befähigt werden. Einer wichtigen Bedeutung kommt dabei die Frage nach den aktiv an der dezentralen Entscheidungsfindung und -ausführung beteiligen Akteuren sowie der konkreten Ausgestaltung der dezentralen Produktionsstrukturen zu. Dieser Beitrag stellt die Bedeutung von Autonomie für die dezentrale Produktionssteuerung dar und zeigt auf, welche an dem Prozess beteiligten Akteure über die notwendigen Fähigkeiten verfügen, um autonom agieren zu können.

Die Prinzipien und Werkzeuge der Lean Production haben aus wissenschaftlicher Perspektive einen hohen Reifegrad erreicht. Insbesondere Unternehmen der Fertigungsindustrie nutzen pull-gesteuerte Produktionssysteme zur Nachschubsteuerung, um den Anforderungen eines Käufermarkts wettbewerbsadäquat zu begegnen. In der Prozessindustrie hingegen ist der Durchdringungsgrad vergleichsweise gering. Dies ist nicht zuletzt den spezifischen Eigenschaften und Rahmenbedingungen der Produktionsprozesse geschuldet. Jedoch weisen auch Produktionsnetzwerke in der Prozessindustrie große Potenziale für eine Optimierung der Bestände und des Service-Levels mittels Pull-Steuerung auf.

Die Netzwerkanalyse ist ein vielversprechender Ansatz, um das Verhalten von Materialflusssystemen auf Basis großer Datenmengen zu analysieren und mögliche Maßnahmen für eine Optimierung abzuleiten. Bisherige Untersuchungen beschäftigen sich überwiegend mit der statischen Netzwerkanalyse. Das bedeutet, dass alle in einem bestimmten Zeitraum stattfindenden Ereignisse zu einem einzigen Materialflussnetzwerk aggregiert werden. Da es sich bei Materialflusssystemen um veränderliche Systeme handelt, ist eine statische Betrachtung nicht ausreichend. Das Ziel dieses Beitrags ist es, existierende Konzepte zur Erfassung struktureller Veränderungen aufzuzeigen und deren Eignung für Materialflussnetzwerke durch die Anwendung auf reale Datensätze zu überprüfen.

Industrie 4.0 bedeutet im Sinne der smarten Fabrik die Vernetzung der Produktionsmittel und somit auch aller am Produktionsprozess beteiligten Industrieroboter. Dabei steht eine flexible Konfiguration der Fabrik im Vordergrund, die z. B. durch veränderliche Verkettung von Werkzeugmaschinen und Robotern eine schnelle Reaktion auf zusätzliche Produktvarianten ermöglicht. Intuitive Konzepte für Programmierung und beschleunigte Inbetriebnahme von Roboterzellen sind erforderlich, um Produktionsausfälle zu minimieren. Augmented Reality verknüpft hierzu visuelle Echtzeit-Informationen zur Roboterzelle mit vorgeplanten Produktionsschritten und Programmen. Damit können noch während des laufenden Betriebs neue Anweisungen geplant und verifiziert werden. Mit standortgebundenen und mobilen Endgeräten sind Bediener und Entscheider so jederzeit in der Lage, auf Maschinendaten zuzugreifen und bei Bedarf anzupassen.