Thema: Industrie 4.0

Mit dem Einsatz von Smart Factories möchten Unternehmen eine Produktionsumgebung schaffen, in der Fertigungsmaschinen und Logistiksysteme selbständig miteinander kommunizieren und kundenindividuelle Produkte herstellen. Das soll insbesondere erreicht werden, indem die Produktionsanlagen und die Produkte mit moderner Informations- und Kommunikationstechnologie ausgestattet werden. Durch diese Vernetzung möchte man aber nicht nur den Produktionsprozess, sondern auch den gesamten Produktlebenszyklus optimieren [1]. Die bei dem Produktionsprozess generierten Daten sollen auch dazu dienen, in Echtzeit bessere Entscheidungen zu treffen und den selbstgesteuerten Produktionsprozess zu optimieren. In diesem Beitrag wird skizziert, warum die hierfür notwendige Digitale Transformation insbesondere für internationale Industriekonzerne eine große Herausforderung darstellt. Anschließend wird am Beispiel der MANN+HUMMEL Gruppe gezeigt, wie der digitale Reifegrad in einem Konzern mit mehreren ...

Intelligente und durch das Internet of Things (IoT) digital vernetzte Systeme werden in der produzierenden Industrie als vielversprechende Möglichkeiten zur Erreichung von ökologischen Nachhaltigkeitszielen gesehen, da sich damit die Ressourcen- und Energieeffizienz in Wertschöpfungsketten verbessern lässt. Als Beitrag der Industrie 4.0 (I.4.0) für eine nachhaltige Entwicklung ist dies jedoch zu kurz gegriffen. Denn für „Nachhaltigkeit“ zu sorgen erfordert heute weit mehr als Effizienzverbesserung zur Schadensbegrenzung. Im Beitrag wird untersucht, inwieweit die Methode des „Strategic Lifecycle Assessment“für eine weitergehende Bewertung des Lösungsbeitrags von I.4.0 für eine nachhaltige Entwicklung geeignet ist. Anhand von Beispielen wird gezeigt, dass vermeintlich „nachhaltige“ I.4.0-Lösungen mit systemischen Nachhaltigkeitsprinzipien im Widerspruch stehen können. Wirksame Beiträge sind dann zu erwarten, wenn I.4.0 in den Kontext nachhaltiger Zielbilder von ...

Industrie 4.0 ist heute trotz starker medialer Präsenz und nachgewiesenem Nutzenpotenzial, in vielen Unternehmen noch nicht etabliert. Industrie 4.0-Projekte bleiben häufig in einem Prototypenstatus und liefern keinen langfristigen Mehrwert. Die Lösung stellt eine durchgängige digitale Systemlandschaft bestehend aus einer vernetzten, digitalen Infrastruktur und einer an Industrie 4.0 ausgerichteten Unternehmensorganisation dar. Durch ein vierstufiges Vorgehen wird in diesem Beitrag vorgestellt, welche Grundlagen geschaffen werden müssen, um skalierbare Lösungen zu ermöglichen und einen langfristigen Nutzen zu realisieren.

Nachdem die Automatisierung der Industrie die Welt nachhaltig verändert hat, stehen mit Technologien wie Künstlicher Intelligenz (KI), Kollaborativer Robotik (Cobots) und dem Internet of Things (IoT) neue Möglichkeiten der Mensch-Maschine-Interaktion zur Verfügung. Ansätze im Rahmen von Industrie 4.0 sind hierbei wegweisend, da mit ihnen ein hohes Einsparpotenzial verbunden ist und sie die Arbeitsbedingungen auf dem Shopfloor verbessern können.

Deep Learning-basierte Methoden zur Fehlererkennung sind traditionellen Methoden aufgrund der stetig steigenden Komplexität technischer Systeme und der damit verbundenen Flexibilität und Skalierbarkeit von Deep-Learning-Techniken überlegen. Dieser Beitrag stellt die KrakenBox vor − einen autonomen Deep Learning-basierten Fehlerdetektor für Cyber-Physische-Produktions-Systeme (CPPS). Dieser nutzt ein in der Komplexität speicherreduziertes Long Short-Term Memory (LSTM) Netzwerk, das zur Online-Fehlererkennung geeignet ist und auf einer eingebetteten Plattform wie dem NVIDIA Jetson AGX Xavier oder der Google Coral Edge TPU eingesetzt werden kann. Dieser Beitrag beschreibt die Architektur der KrakenBox und demonstriert ihre Anwendung anhand von zwei Fallstudien.

Künstliche Intelligenz (KI) ist die nächste Stufe der Digitalisierung der Wirtschaft. Auch für kleine und mittlere Unternehmen (KMU) bietet die Technologie großes Potenzial. Viele Mittelständler sind aber bei der KI-Einführung noch zurückhaltend und stehen bei der Digitalisierung erst am Anfang: Nur rund ein Fünftel aller KMU in Deutschland hat die eigenen Prozesse und Abteilungen durchghend digitalisiert [1]. Was bedeutet das für den Einsatz von KI in den Unternehmen? Welche Schritte sollten die Betriebe jetzt unternehmen, um die Chancen von KI zu nutzen? Und welche Stolpersteine gilt es zu vermeiden? Dieser Beitrag stellt praktische Umsetzungskonzepte für Unternehmen mit unterschiedlichen digitalen Reifegraden und KI-Einsatzfähigkeiten vor und zeigt die Bandbreite der Nutzenpotenziale von KI-Anwendungen in verschiedenen Branchen und mit unterschiedlichen Wertschöpfungsarchitekturen in mittelständischen Unternehmen auf.