Thema: Automatisierung

Die Autoren stellen einen methodischen Ansatz für die lernförderliche Gestaltung von Assistenzsystemen vor und leiten Anforderungen an deren Gestaltung ab. Sie legen der Gestaltung dieser Systeme ein grundlegendes Verständnis der Zusammenarbeit von Mensch und Maschine zugrunde, das Entscheidungen und Verantwortung auch weiterhin beim Menschen verortet. Abschließend zeigen die Autoren konkrete Erfordernisse und Maßnahmen eines partizipativen Gestaltungs- und Einführungsprozesses.

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 %.

Building Information Modeling (BIM)-Systeme repräsentieren einen ersten Schritt in Richtung eines digitalisierten und somit transparenteren Bauprozesses. Dabei wird jedoch aktuell meist nur die Planungsphase betrachtet. Somit müssen für die Bauphase oftmals zusätzliche Geschäftsprozessmodelle angefertigt werden. Diese Modelle sind nur selten mit einzelnen Geschäftsfällen verknüpft, sodass es schwerfällt, Aussagen über den Zustand eines laufenden Prozesses zu treffen, Kennzahlen zu erfassen oder den Prozess zu steuern und zu optimieren. Dieser Beitrag gibt einen Einblick in eine Studie der Hochschule Esslingen mit dem Familienunternehmen LEONHARD WEISS, die die Einführung eines Workflow-Management-Systems in der Baubranche als möglichen Lösungsansatz untersucht hat.

Die Einführung neuer Technologien im Zuge von Industrie 4.0 verspricht umfangreiche Effizienz- und Qualitätssteigerungen. Jedoch verändert die Einführung neuer Technologien auch die Arbeitsumgebung für die Beschäftigten. Wird dies vernachlässigt, kann es zu nicht antizipierten negativen Auswirkungen auf das Gesamtsystem kommen. Eine ganzheitliche Sicht auf das soziotechnische System ist notwendig, um diese Effekte bereits bei der Planung zu erkennen und negativen Effekten vorzubeugen. Hierzu wird in diesem Beitrag ein Vorgehensmodell zur Analyse der sich bei der Einführung einer neuen Technologie ergebenden Effekte vorgestellt. Mit der dargestellten Vorgehensweise ist es möglich, strukturiert den Analyseprozess zu durchlaufen und individuell Maßnahmen abzuleiten, um das soziotechnische Gesamtsystem aktiv zu gestalten.

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 ...