Fabriksoftware

Schwerpunkte: Industrie 4.0, Hybride Simulation, Industrial Internet of Things, Manufacturing Analytis, Forschungs- und Anwendungszentrum Industrie 4.0

Die Herausforderung Industrie 4.0 und unser Forschungsziel: Fabriksoftware

Wir befinden uns in der Mitte der 4. Industriellen Revolution. Doch der Übergang von den theoretischen Ansätzen in die praktische Phase stellt für viele Unternehmen noch eine große Herausforderung dar. Sie stehen im Zuge der digitalen Transformation vor der Aufgabe, die gegenwärtigen Prozesse mit zukünftigen Strategien in Einklang zu bringen, und zwar parallel zum Alltagsgeschäft. Fabriksoftware hat in diesem Zusammenhang die Aufgabe, diese neue Ideen und Technologien adäquat in die Praxis zu überführen. Das Forschungsziel darf dabei jedoch nicht als Schablone einer spezifischen Industrie 4.0 - Lösung aufgefasst werden sondern muss als wandlungsfähiger Baukasten wahrgenommen werden, der auf spezifische Zielsetzungen ausgelegt werden kann. Von Produktivitätssteigerungen bis hin zu produktorientierter Variantenvielfalt lässt sich so für jedes Unternehmen ein individueller Ist-Zustand identifizieren, der sich durch Industrie 4.0 verbessern lässt. Dabei ist es unsere Aufgabe am Lehrstuhl Prozesse und Systeme, Problemstellungen aus der Praxis zu identifizieren, diese zu generalisieren, Lösungen und Methodiken zu entwickeln und unsere Erkenntnisgewinnung schließlich wieder auf das konkrete Problem anzuwenden.

Eine hybride Simulationsumgebung als Forschungsgrundlage: Virtuality - Augmented Reality - Reality

Grundbaustein für die Erkenntnisgewinnung bildet ein Modell. Die Eingliederung von Automatisierungstechnik, Logistik, Robotik, CMS- und betrieblichen Anwendungssystemen in eine einzige Simulationsumgebung bietet unsere Lernfabrik des Forschungs- und Anwendungzentrum Industrie 4.0. Hier können wir Komponenten aus Soft- und Hardware miteinander vereinen und erreichen aufgrund der Kombination der drei Komponenten Virtuality - Augmented Reality - Reality einen besonders hohen Grad an Immersion für den Anwender. Die schnelle und aufwandsarme Verknüpfung von physisch oder virtuell bereit gestellten Produktionsobjekten erlaubt es uns hierbei, Produktionsprozesse individuell auf Potenziale zu untersuchen und den Nutzen von Industrie 4.0 Technologien plastisch und realistisch am konkreten Prozess aufzuzeigen. Da mit realen Daten und realer Technik gearbeitet wird, hilft diese einzigartige Darstellung, Investitionsentscheidungen unterschiedlicher Zielgruppen zu argumentieren.

Eingliederung von Brownfield-Situationen in den Digitalisierungsprozess

Bei der zukunftsträchtigen Gestaltung von Industrie 4.0 im Unternehmen werden Entscheidungen nicht mehr zentral an einer Stelle, sondern direkt in der Produktion getroffen. Eine geeignete Form von Intelligenz und Kommunikationsfähigkeit innerhalb und zwischen den einzelnen Geräten ist maßgeblich für eine derartige Dezentralität. In der Ausgangslage eines sogenannten Brownfield-Szenarios müssen zunächst vorhandene Maschinen und Anlagen digitalisiert werden, bevor sie in neue cyber-physische-Produktionssysteme (CPPS) integriert werden können. Die Herausforderung der Umgestaltung eines zentralen und komplexen Steuerungsprozesses hin zu der Zerlegung in unabhängige, segmentierte Teilsysteme konnten wir durch die Entwicklung einer Industrie 4.0 Box lösen. Sie ermöglicht, dass Maschinen und Anlagen, welche bislang nicht CPS-fähig waren, fortan als CPS agieren und somit Bestandteil eines vernetzten Produktionssystems werden können. Die Industrie 4.0 Box wird in ihrer Anwendung bei Praxisunternehmen getestet.

Industrial Internet of Things und Manufacturing Analytics: Die Augen und Ohren der Fertigung

Das Internet der Dinge im industriellen Umfeld spielt in der Digitalisierung klassischer Fertigungs- und Produktionsanlagen eine elementare Rolle. Im Gegensatz zu IoT stehen nicht Verbraucher und Anwender im Mittelpunkt der Konzepte, sondern die datengetriebene Optimierung industrieller Prozesse und die Automatisierung ihrer Abläufe. Durch die intelligente Vernetzung von Maschinen und ihrer Umgebung entsteht dabei ein entscheidender Informationsvorsprung, um Entscheidungen beschleunigen oder Geschäftsprozesse flexibel anpassen zu können. Eine zentrale Rolle spielen Sensoren und Sensordaten, die die Datenbasis für selbstlernende Maschinen liefern und durch Analyse zu einer Erkenntniserweiterung innerhalb des Produktionsprozess beitragen. Ziel ist die Schaffung eines konstanten und realen Informationsflusses, der gewonnene Nutzungsdaten der Produktion auswertet und unmittelbar zurück in den Prozess steuert. Dabei sind die die eingesetzten Maschinen selbständig in der Lage zu erkennen, was sie für den fortlaufenden Fertigungsprozess benötigen oder wann die nächste Wartung fällig wird. Unsere Forschung untersucht das Potenzial des industriellen Internet der Dinge für die Zukunfts- und Wettbewerbsfähigkeit eines Unternehmens, sucht nach Optimierungspotentialen im Analysebereich und ermittelt neu entstehende Geschäftsfelder.

Künstliche Intelligenz in der Produktion mit Big and Small Data

Durch die Digitalisierung von Fertigungs- und Produktionsprozessen werden immer mehr Daten erfasst. Cyber-physische- Systeme und das Internet der Dinge lassen einzelne Wissensbasen entstehen, die für eine übergeordnete höhere Intelligenz zur Verfügung stehen. Daraus erschließen sich Methoden des maschinellen Lernens und der automatisierten Modellbildung großer Optimierungspotenziale wie zum Beispiel schnelle Ursachenfindung bei Störungen. Die Grundidee des Maschinellen Lernens besteht darin, Wissen aus Erfahrung zu gewinnen nachdem eine allgemeine Lösungsvorschrift dafür vorgegeben wurde. Desto mehr Daten zu Verfügung stehen, desto einfacher die Umsetzung des Case-Best-Reasoning Ansatzes als Form der Künstlicher Intelligenz. Umso entscheidender ist es daher, dass wir unsere Forschung auch auf Small Data auslegen - einer Situation, die überwiegend KMUs betrifft, in der trotz Mangel an Datenfülle eine Basis für Künstliche Intelligenz geschaffen werden soll.

IT-Sicherheit in kritischen Infrastrukturen

Die zuverlässige Versorgung mit Trinkwasser und die ebenso zuverlässige Entsorgung der Abwässer aus Haushalten, Industrie und Landwirtschaft sind im Alltag unverzichtbar. In der Versorgung arbeiten viele Unternehmen mit Computer-, Leit-, und Steuerungssysteme, die mit zunehmender Vernetzung jedoch immer häufiger Ziel von standardisierter Cyberangriffen werden. Im Zuge eines Verbundprojektes ist an unserem Lehrstuhl ein Simulationskoffer entstanden, welcher technisch einem zu testenden Ausschnitt eines realen Wasserwerkes gleicht. Dieser ermöglicht unter Anwendung verschiedener Penetrationstest eine kritische Analyse der jeweiligen Systeme ohne die Versorgungssicherheit tatsächlich zu gefährden. Angepasste Maßnahmen zur Verbesserung der technischen, organisatorischen und personellen Aspekte des Risikomanagements können dabei abgeleitet werden.

IT-Sicherheit in der produzierenden Industrie

Während die Digitalisierung viele Wettbewerbs- und Optimierungsvorteile für die produzierende Industrie ermöglicht, lässt sie auch neue Angriffspotentiale entstehen. Im Zuge der DSGVO und der zunehmenden Datenverarbeitung innerhalb von Produktionsprozessen besteht daher ein erhöhter Bedarf an IT-Sicherheit. Durch die vermehrte Rückkopplung gewonnener Daten auf die Produktion besteht insbesondere die Notwendigkeit eines Informationssicherheitsprozesses, der die systematische Absicherung der gesamten Fabrik IT umfasst. In unserer Forschung testen wir daher die Anwendbarkeit üblicher Verfahren der IT Sicherheit und suchen nach Lösungen zur Gewährleistung von Datenschutz und Datensicherheit. Die am Lehrstuhl entwickelte Industrie 4.0 Box konnte hierbei als Mittel eines Informations-Gateways eingesetzt werden und dient neben der cyber-physischen Vernetzung von Produktionseinheiten hinzukommend auch als Mittel der Datensicherheit.