Intelligente Produktion von morgen

Matthias Brockmann, Exzellenzcluster „Internet of Production“ (IoP), RWTH Aachen

Die Industrie 4.0 weiterdenken – das ist der Anspruch des Exzellenzclusters „Internet of Production“ der RWTH Aachen, von der Planung neuer Fabriken bis hin zu den Produkten und Kunden. Durch eine Symbiose von Produktionstechnik und Informatik soll auch dem deutschen Mittelstand genau das Datenmaterial zur Verfügung gestellt werden, das relevant ist und effizient genutzt werden kann, zum Beispiel in der individuellen Einzelteilefertigung.

Der deutsche Maschinen- und Anlagenbau steht nicht erst seit heute vor großen Herausforderungen hinsichtlich der Frage, wie sich die Produktion zukunfts- und wettbewerbsfähig aufstellen kann. Gerade angesichts der zunehmenden Digitalisierung in Produktion und Produktionsforschung nimmt die Relevanz von Themen wie Künstlicher Intelligenz (KI) beziehungsweise Methoden des datengetriebenen Machine Learnings stetig zu. Auch der stärkeren Berücksichtigung der Betriebswirtschaftslehre – zum Beispiel zur Gestaltung neuer Geschäftsmodelle – oder der Nutzbarkeit von Daten für die Vorhersagbarkeit von Verschleiß und Ausfallzeiten von Produktionsmaschinen kommt, unabhängig von der jeweiligen Unternehmensgröße, eine hohe Bedeutung zu. Wenn es um die Zukunftsfähigkeit des Standort Deutschland geht, ist die Auseinandersetzung mit diesen Themen gleichzeitig Herausforderung und Chance. Seit Januar 2019 beschäftigt sich das Exzellenzcluster „Internet of Production“ (IoP) der RWTH Aachen mit der thematischen Bandbreite produktionstechnischer Forschung unter dem Aspekt der Industrie 4.0.: von der Fabrikplanung, über alle klassischen Produktionsprozesse, der Werkzeugmaschine, den Werkzeugen selbst und rund um die Materialwirtschaft, über Aspekte der Logistik bis hin zu Produkten und Verbrauchern. In diesem Zusammenhang stehen auch Fragen rund um die wirtschaftliche Ressource und Nutzbarkeit von Produktionsdaten und die Relevanz im Fokus des IoP. „Das Thema Industrie 4.0 ist noch lange nicht soweit, dass es in der Arbeitswirklichkeit den Mehrwert bietet, den die Digitalisierung in der Produktion allen Beteiligten bringen könnte – und damit sprechen wir nicht nur vom Produzenten, sondern auch beispielsweise vom Nutzer, der über die vielen Möglichkeiten der Transparenz, Interaktion oder auch Genauigkeit echten Mehrwert in Sachen Produktqualität oder Zuverlässigkeit erlangen kann“, erklärt Dr. Matthias Brockmann, Geschäftsführer des IoP. Die wesentliche Frage dahinter werde sein, welche der Daten wirklich „relevant“ sind und wie diese relevant definiert werden können, um dem riesigen Berg an Datenmassen in der Produktion Herr zu werden. Das IoP möchte ein neues Niveau der domänenübergreifenden Kollaboration schaffen. Sein Ziel ist es, Daten aus Produktion, Entwicklung und Nutzung in Echtzeit in der erforderlichen Detailliertheit zur Verfügung zu stellen, sodass diese effizienter genutzt werden können.

Symbiose von Produktionstechnik und Informatik

„Unsere Forschung kann hier nur stark interdisziplinär erfolgen, indem ein hohes Maß an Expertise aus der Informatik in den Produktionskontext integriert wird, aber auch umgekehrt die Ingenieurswissenschaft sich die Methoden und Arbeitsweisen der Informatik zu eigen macht und für ihre Zwecke nutzt“, so Brockmann. Gerade die Integration der Informatiklehrstühle und des neuen Lehrstuhls für Process and Data Science in den großen Aachener Forschungsverbund, der namhafte Wissenschaftlerinnen und Wissenschaftler aus insgesamt 35 Lehrstühlen und Forschungseinrichtungen vereint, war für das IoP eine wichtige Voraussetzung, um die gesteckten Ziele in Angriff nehmen zu können. In der Produktionstechnik sind bereits große Mengen an Daten vorhanden, sei es in kleinen Betrieben oder großen Maschinenparks – alle Maschinen generieren laufend Unmengen größtenteils ungenutzter Daten. Diese sind jedoch nicht einfach zugänglich, geschweige denn bereits so modelliert oder vernetzt, dass daraus nutzbare Informationen mit Mehrwert erzeugt werden können. Den zentralen wissenschaftlichen Ansatz hierfür stellen digitale Schatten als anwendungsspezifisch aggregierte und multiperspektivische Datensätze dar. Im Exzellenzcluster wird hierzu eine konzeptionelle Referenzinfrastruktur entworfen und implementiert, die die Generierung und Nutzung Digitaler Schatten ermöglicht. Mithilfe der Methoden des datengetriebenen Machine Learnings sollen künftig sogenannte „Industrial Smart Data“ generiert und so neue, intelligente Lösungen und Mehrwerte geschaffen werden. Gerade für den Mittelstand ergeben sich hierdurch neue Möglichkeiten. So liegt zum Beispiel im Hinblick auf die Produktion von Kleinserien eine große Aufgabe in der Suche nach ausgereiften und produktionstechnisch umsetzbaren Lösungen, die die breite Palette hochspezialisierter Technologien abdecken. Dazu gehören beispielsweise Technologien wie Fräsen, Umformen, Laserschneiden, Spritzguss oder die Extrusion im Kunststoffbereich, Weben in der Textiltechnik, Schweißen, Walzen oder auch elektrochemische Bearbeitung. Ergänzt wird das Portfolio durch neuere Technologien, beispielsweise im Additive Manufacturing. „Für jede dieser Domänen oder Technologien existiert bereits umfassendes Expertenwissen. In komplexen Fertigungskontexten sind bei Details und Wechselwirkungen jedoch teilweise noch Fragezeichen vorhanden, die wir durch Ausrufezeichen ersetzen möchten“, formuliert Brockmann optimistisch, die kommenden 14 Jahre soll erstmals die Forschungsverbundförderung langfristig erfolgreich genutzt werden.

Integration der Industrie für Mittelstand und Global Player

Zur Durchführung seiner kontinuierlichen, anwendungsorientierten, praxisnahen und praxisrelevanten Clusterforschung wird das IoP auch von Industrieseite unterstützt. Mit dem Industrial Advisory Board (IAB), stehen Vertreter führender deutscher Industrieunternehmen der Automobil- und Luftfahrtbranche und dem Maschinen- und Anlagenbau dem IoP beratend zur Seite. Darüber hinaus sind die Cluster-Wissenschaftler eng mit zahlreichen wissenschaftlichen und industriellen Vereinigungen auf nationaler und internationaler Ebene verbunden. Das IoP legt hier auch sein Augenmerk auf die Stärken in der Region und setzt mit seinem Anwendernetzwerk PROTECA (Produktionstechnik Aachen) Impulse im Forschungstransfer bezogen auf die kleinen- und mittelständischen Firmen in Aachen und Umgebung. „Unser Netzwerk PROTECA sehen wir dabei als Schnittstelle vor Ort, die die Potentiale für die hiesigen KMU im Falle konkreter Technologiebedarfe mit den Kompetenzen unserer Experten zusammenführt“, erläutert Brockmann.

Vielfalt der Forschungsthemen – Anwendungsbeispiele für Produktionslösungen von morgen

Für die individuelle Einzelteilfertigung hochkomplexer Dreh- und Fräsbauteile ist das im IoP entwickelte CNC-Kompetenzzentrum im Bereich der Prüfstandsfertigung spezialisiert. Mit einer durchgängigen CAD-CAM-NC-Kette und einer hochfrequenten Prozessdatenerfassung gelingt eine modellbasierte Maschinendatenanalyse im Kontext von Industrie 4.0. Hierbei erfolgt eine prozessparallele Qualitätsanalyse der produzierten Bauteile in Echtzeit. Die erfassten Daten werden mit dem vorhandenen Modellwissen aufbereitet und parallel mit der prozessbegleitenden Abtragssimulation zur Qualitätsbewertung abgeglichen. Darüber hinaus bietet sich hier ein ideales Testumfeld für neue Softwaretools und Produkte sowie die Möglichkeit, diese in einem realen Produktionsumfeld zu testen und zu valideren.Gerade aber auch der Bereich der Predictive Maintenance, also der Vorhersagbarkeit von Ausfällen bei Verschleiß und Ermüdung ist eine der schwierigsten Aufgaben im Maschinenbau. Durch die Echtzeitfähigkeit können Entscheidungen im Produktionsnetzwerk getroffen und ein durchgehendes Produktlebenszyklusmanagement gewährleistet werden. Daher zielt das IoP darauf ab, Sensordaten von identischen Komponenten zu sammeln, die in verschiedenen Nutzungsszenarien verwendet werden, um derzeit unbekannte Beziehungen zwischen Signalen und den Ursachen des Verschleißes zu identifizieren. Dementsprechend soll nicht nur eine zuverlässigere Vorhersage, sondern auch ein besseres, verschleißadaptives Bauteildesign unterstützt werden. Zur Kontextualisierung der Daten müssen interne Sensordaten von der Maschine erfasst werden. Ein weiteres Beispiel beschäftigt sich mit robotergestützten Handhabungs- und Montageprozessen. So wird beispielsweise bei der sogenannten „Free Float Flawless Assembly“ ein flexibler räumlicher Einsatz von mobilen Robotern, Aktoren und Sensoren ermöglicht. Dadurch kann die Agilität im begrenzten Raum gesteigert werden. Zudem wird durch diesen Montageprozess der Verzicht auf physische Fixpunkte möglich. Zusätzlich korrespondieren Positionsinformationen auf dem realen Shopfloor mit den vorhandenen virtuellen Modellen.