Vorgehensmodelle

Durch den Einzug kollaborativer Robotiksysteme in die industrielle Produktion verschwindet die strikte Trennung der Arbeitsräume zwischen Mensch und Roboter (MRK - Mensch-Roboter-Kollaboration). In der MRK ist es das Anliegen, die Stärke und Effizienz von Robotern mit der Geschicklichkeit und den kognitiven Fähigkeiten des Menschen durch die nahtlose Zusammenarbeit zusammenzuführen [1]. Produktionsunternehmen, in denen MRK Szenarien umgesetzt werden sollen, erfordern jedoch eine transparente und reflektierte Technologieauswahl bezüglich der Absicherung des Werkers gegenüber der Gefährdung durch den Roboter. Im Sinne dieser Herausforderung wird in diesem Beitrag ein Vorgehensmodell vorgeschlagen, das Technologieentwickler und Systemintegratoren bei der Auswahl angemessener Technologien und Lösungen für MRK Szenarien unterstützt.

Data Science ist ein etabliertes Mittel, beispielsweise für die Wissensgewinnung aus betriebswirtschaftlichen Daten. Die fortschreitende Digitalisierung von Produkten und Produktionssystemen ermöglicht die breite Anwendung von Data Science in technischen Systemen. Die Anforderungen und Rahmenbedingungen, z. B. zur Regelung und Optimierung von Fertigungsprozessen, unterscheiden sich jedoch signifikant von etablierten Data Science Anwendungen. Industrial Data Science legt den Schwerpunkt auf die Anwendung von Datenanalyse- und maschinelle Lernverfahren für technische Systeme im industriellen Umfeld. Dieser Beitrag charakterisiert die Herausforderungen von Industrial Data Science, beschreibt Anwendungsfälle und zeigt generelle Anwendungsindikatoren für Industrial Data Science auf.

Gegenwärtig sehen sich viele Unternehmen aufgrund von Marktveränderungen gezwungen, ihre Produkte, Produktions- und insbesondere Logistiksysteme kurzfristig anzupassen. Die notwendige Um- oder Neuplanung ist dabei ein komplexer, interdisziplinärer Prozess: Unter Nutzung von Modellen und Methoden sowie dem Erfahrungswissen der beteiligten Personen wird ein System entworfen, das zukünftigen Anforderungen gewachsen sein soll. Im Folgenden sollen daher Vorgehensmodelle aus unterschiedlichen Fachbereichen untersucht werden, um deren Eignung für die Planung intralogistischer Systeme zu bewerten. Ein weiteres Ziel ist es, Teilbereiche der Planung zu identifizieren, die einer Formalisierung des Planungswissens bedürfen. Abschließend wird ein Ansatz zur Umsetzung dieser Formalisierung vorgestellt.