Das Industrieunternehmen WAGO implementierte die Master-Data-Management-Plattform von Stibo Systems. Da zunächst nicht alle Prozesse optimal abgebildet werden konnten, holte sich das Unternehmen msg an Bord, um das System genau an seine Anforderungen anzupassen.

Routenflexibilität ermöglicht eine robuste, resiliente Gestaltung der Produktion. In hochverfügbaren, dezentral gesteuerten Produktionssystemen mit Zyklen im Materialfluss kann sie jedoch zu unerwünschtem deterministisch-chaotischen Verhalten führen. Dies kann Förderengpässe zur Folge haben, die dazu führen, dass die Systemverfügbarkeit in der Praxis hinter analytisch oder simulativ ermittelten Prognosen zurückbleibt. Im Beitrag wird eine Methode vorgestellt, die Ankunftszeiten analysiert und eine Messgröße für deterministisch-chaotisches Verhalten liefert. Mittels Algorithmen der Bildanalyse werden Daten aus speicherprogrammierbaren Steuerungen oder Embedded Systems ausgewertet. Anhand eines Beispiels eines Doppelgurtbandfördersystems wird gezeigt, dass sie sowohl im voll- als auch im teilautomatisierten Betrieb einsetzbar ist. Die Methode hat zudem das Potenzial, Industrie 4.0 Steuerungsprogramme nach IEC 61499 abzusichern.

Industrie 4.0 und die zugehörigen Technologien werden für Unternehmen immer wichtiger – nicht nur, um Produktivitäts- und Umsatzwachstum realisieren zu können [1]. Eine der Schlüsseltechnologien, die Industrie 4.0 vorantreiben, ist das Industrial Internet of Things (IIoT) [1-3]. Die zugehörigen Software-Plattformen und -lösungen sind von entscheidender Bedeutung, um physische Anlagen miteinander zu vernetzen und Daten zu übermitteln, zu überwachen, zu kombinieren und zu verarbeiten [2, 4]. Auch kleine und mittlere Unternehmen (KMU) sind zunehmend auf solche Softwarelösungen angewiesen; ihnen mangelt es aber häufig an Fähigkeiten, Wissen und anderen Ressourcen [5]. Um eine effiziente Aufwands-Nutzenabschätzung treffen zu können, werden in diesem Beitrag gängige IIoT-Anwendungen unter diesem Gesichtspunkt in einer praxisnahen Forschungsumgebung analysiert.

Der vorliegende Beitrag behandelt das Konzept des Industrial Metaverse und seine potenziellen Auswirkungen auf die produzierende Industrie. Dabei werden zunächst die Möglichkeiten des Industrial Metaverse allgemein erläutert und anschließend mögliche resultierende Funktionalitäten für die Produktionstechnik entlang des Lebenszyklus dargestellt. Für die beiden Themenfelder „Synthetische Datengenerierung“und „Virtuelle Qualifizierung“werden die Implikationen des Industrial Metaverse intensiver betrachtet.

Bedingt durch globale Entwicklungen hinsichtlich der Preise und Versorgungssicherheit im Energiesektor stehen besonders energieintensive Unternehmen vor großen Herausforderungen. Zusätzlich fordern Kunden mehr Informationen über Energiekennzahlen und CO₂-Emissionen sowie ressourcenschonendere Prozesse. Mit einer energiedatenbasierten Simulationsmethode werden die Ressourceninformationen direkt aus dem Energiedatenmanagementsystem (EDMS) extrahiert und weiterverarbeitet. Hierbei werden sowohl aktuelle als auch stetig aktualisierte historische Daten verwendet, die automatisiert abgeglichen werden. Die digitale Abbildung der vorhandenen Prozesse ist lediglich auf Seiten der Energiedaten notwendig, ohne die technischen Prozesse in ihrer Gänze analysieren zu müssen. Mit dem so erstellten energetischen digitalen Schatten lassen sich Energiebedarfe für bevorstehende Produktionen und Produkte simulieren und können durch automatisierte Vorschläge in der Produktionsplanung positiv beeinflusst werden. Weiterhin führt das Abbild zu einem chargen- und produktscharfen Ressourcenpass für den Kunden. Die Anknüpfung an das EDMS unterstützt das lokale EnMS durch die Bereitstellung von stetig überwachten Energiekennzahlen.

Die Entwicklung von Textilprodukten ist mit hohem Material-, Zeit-, Personal- und Kostenaufwand verbunden. Bisher ist der Entwicklungsprozess geprägt von einer empirischen Vorgehensweise, die auf dem Knowhow langjähriger Fachkräfte beruht. Dieses Expertenwissen ist kaum dokumentiert und damit nicht beliebig abrufbar und reproduzierbar. Aufgrund des Fachkräftemangels und der Altersstruktur der Beschäftigten in der Textilbranche ist der langfristige Wissenstransfer gefährdet. Eine verlässliche Dokumentation der Prozesse durch digitale Zwillinge würde dem entgegenwirken. Der vorliegende Beitrag beschreibt die Entwicklung Experimentierbarer Digitaler Material-(EDMZ) und Prozesszwillinge (EDPZ) sowie deren Einsatz zur Realisierung eines digitalen Produktentwicklungsprozesses, was die Ramp-Up-Phase beschleunigt und die Entwicklungskosten um bis zu 60 % reduzieren kann.

Das Wire Arc Additive Manufacturing, kurz WAAM, ist ein additives Fertigungsverfahren, welches metallische Bauteile auf Grundlage des Lichtbogenschweißens fertigt. Additive Fertigung ist laut DIN EN ISO/ASTM 52900 ein Prozess, welcher Bauteile aus 3D-Modelldaten schichtweise herstellt. Die grundlegenden Komponenten sind ein Schweißgerät, welches die benötigte Energie zum Schmelzen des Metalldrahts in den Prozess einbringt sowie eine Führungsmaschine, welche die vorgegebene Geometrie des Bauteils abfährt. Anwendungsbereiche sind Rapid Prototyping und Tooling, Direct Manufacturing und Additive Repair. Die größten Vorteile stellen die kostengünstige Anlagentechnik und die hohen Abscheidungsraten dar. Nachteilig am Verfahren sind die mangelnde Prozessstabilität und Wiederholgenauigkeit. Der Beitrag soll dazu dienen, den Fertigungsprozess des WAAM-Verfahrens übersichtlich darzustellen, und dabei auf die komplexen Wechselwirkungen eingehen.

Die Integration der betrieblichen Anwendungen wird in der DIN IEC-62264 beschrieben und auch als Automatisierungspyramide bezeichnet [1]. Dieses Integrationsmodell wurde auf der Basis des Wasserfall Modells von MRP-II entwickelt, das für die damalige Zeit bahnbrechend war [2, 3, 4]. Hier werden die betrieblichen Anwendungen hierarchisch-sequenziell durchlaufen mit den bekannten Nachteilen: viele Schnittstellen, Zeitverzögerungen, Datenverluste, Inkonsistenzen. Das Modell wird den aktuellen informatorischen Möglichkeiten der Industrie 4.0 nicht mehr gerecht.