Referenzen Fabrikplanung und Produktionsmanagement

Die Mensch-Roboter-Kollaboration (MRK) ist eine der wesentlichen Bausteine von Cyber-physischen Produktionssystemen – vor allem in manuell geprägten Arbeitssystemen, wie der Montage. Mithilfe von kollaborierenden Robotern wird die Effizienz der Produktion gesteigert, indem die Eigenschaften und Potentiale von Mensch und Maschine optimal miteinander kombiniert werden. Hierbei ist stets die Sicherheit des Menschen zu gewährleisten.

Die produzierende Industrie sieht sich aufgrund der digitalen Transformation mit der zentralen Herausforderung konfrontiert, die Instandhaltung an neuartige und komplexe Anforderungen der Digitalisierung anzupassen.

Mit Industrie 4.0 erleben Produktionen weltweit eine digitale Transformation. Automatisierung, Digitalisierung und Vernetzung sind demnach die größten Herausforderungen für Industrieunternehmen.

Das von der Europäischen Union im Rahmen des Programms »Horizon 2020« geförderte Projekt »Business Experiments in Cyber Physical Production Systems (BEinCPPS)« zielt darauf ab, kleinen und mittleren Unternehmen den Zugang zu innovativen und echtzeitfähigen Internet of Things (IoT) Technologien zu ermöglichen.

Innovative Instandhaltungskonzepte tragen maßgeblich zu einer höheren Anlagenverfügbarkeit und effizienteren Instandhaltung bei. Die Potenziale werden aber in der Praxis kaum genutzt: Eine unzureichende Datenqualität und -granularität verhindern oft aussagekräftige Analysen im Sinne von »Predictive Maintenance«.

Zustandsabhängige Reihenfolgeplanung (en: condition-based scheduling – CBS) ist speziell in Branchen mit variantenreicher Fertigung ein wichtiges Thema. Dabei wird die Produktionsplanung an den jeweiligen Maschinenzustand der Produktionsmaschinen angepasst, um die Produktion hinsichtlich Qualität, Auslastung oder auch Durchlaufzeit zu optimieren. Damit kann, bei gleichbleibender Produktqualität, eine maßgebliche Senkung der Produktionskosten erreicht werden.

Industrial Internet of Things (IIoT)-Plattformen, stellen eine wichtige Enabler-Technologie zur nachhaltigen und strukturierten Nutzung von Daten für die Instandhaltung dar.

KI basierte Analyse heterogener Datenquellen, wie Sensor- und Fahrzeugsteuerungsdaten, zur Erfassung eines objektiven Nutzungsprofils militärisch genutzter Einsatzfahrzeuge. Nutzung der gesammelten Informationen für Optimierung in Wartungs- und Bestandsplanung durch vorausschauende Wartung und optimiertes Lagermanagement.

Aktuelle Entwicklungen im Bereich Deep Learning und deren erfolgreiche praktische Anwendung in unterschiedlichen Anwendungen (z.B.: Bildklassifikation) suggerieren, dass diese Methoden auch zur Prognose von Maschinenausfällen herangezogen werden können.

AT&S, einer der globalen Technologieführer für High-End Leiterplatten, setzt auf Expertise aus Wien. Mit transparenten Forecasting-Prozessen soll der Grundstein für die Fortsetzung der österreichischen Erfolgsgeschichte im chinesischen Shanghai und Chongqing gelegt werden.