Bei den SNIC Innovationstagen 2021 stellte das Zukunftslabor Produktion vor, in welchen Produktionsschritten Machine-Learning-Verfahren eingesetzt werden können und wozu kollaborative Datenplattformen nützlich sind. Das Zukunftslabor beteiligte sich mit einem virtuellen Messestand und zwei Vorträgen an der digitalen Messe des Südniedersachsen InnovationsCampus (SNIC).

08.02.2021

Das Zukunftslabor Produktion beteiligte sich am 26.01.2021 mit zwei Vorträgen an der virtuellen Messe „SNIC Innovationstage 2021“ des Südniedersachsen InnovationsCampus (SNIC) und der Universität Göttingen. Die Messe richtete sich an Studierende, Forscher*innen, Gründungsinteressierten sowie Vertreter*innen von Unternehmen und öffentlichen Einrichtungen. Rund 330 digitale Besucher*innen nahmen das Angebot von kostenlosen Workshops, Webkonferenzen und Ausstellungen zu den Themen „Innovative Forschung“, „Gründung“, „Kooperation“, „Coworking“ und „Kreativwirtschaft“ wahr.

Den ersten Vortrag hielt Kathrin Kramer, Leuphana Universität Lüneburg. Sie informierte über das Zukunftslabor Produktion und Machine Learning (ML) in der Produktionsplanung. Das Ziel des Zukunftslabors ist es, die digitale Prozesskette in der Produktion zu schließen. Beispielhaft untersuchen die Wissenschaftler*innen die Prozesskette der Druckgussindustrie. Im Speziellen fertigen sie eine Halterung für Tische in Flugzeugen an und analysieren die vor- und nachgelagerten Produktions- und Planungsschritte. An der Prozesskette sind in der Regel viele verschiedene Unternehmen (z.B. Werkzeugkonstrukteur, Gießer) beteiligt, teilweise auch an mehreren Standorten und in der Regel mit verschiedenen Anlagen bzw. Arbeitsplätzen. Das Zukunftslabor Produktion setzt hier an und entwickelt zum einen eine kollaborative Datenplattform sowie zum anderen verschiedene Lösungen zur Optimierung der Prozesskette. Daraus ergeben sich unterschiedliche Anwendungsmöglichkeiten für Maschinelle Lernverfahren.

Im Zukunftslabor Produktion fokussieren sich die Wissenschaftler*innen auf die Einsatzmöglichkeiten von ML in der Prozesskontrolle und -steuerung, der Qualitätskontrolle und der Produktionsplanung und -steuerung (PPS). Im Rahmen der PPS lässt sich ML vielseitig für die Unterstützung der folgenden drei Aufgabenbereiche einsetzen: Produktionsplanung (z.B. Was fragt der Kunde wann nach? Wann muss mit der Produktion und der Beschaffung von welchem Produkt, Zwischenprodukt oder Material begonnen werden?), Produktionssteuerung (Welcher Auftrag soll auf welcher Maschine wann eingesteuert werden?) und Produktionscontrolling (Stimmen die Plan- und Ist-Werte überein? Lassen sich Muster erkennen, wenn Abweichungen bestehen?). Mit dem Einsatz von ML verfolgen die Wissenschaftler*innen das Ziel, den Auftragsdurchlauf möglichst effektiv und effizient zu gestalten. Wichtig sind hierbei eine Berücksichtigung des Prozessverständnisses sowie eine Kontrolle über die Daten. Ihren Vortrag beendete Kramer mit einem Appell an die Vertreter*innen von Unternehmen:

Es existieren bereits zahlreiche ML-Lösungen, die Ihre Produktion verbessern können. Beginnen Sie mit einem Pilotprojekt und sammeln Sie Erfahrungen. Unterstützung können Sie in unserem Netzwerk erhalten.

Kathrin Kramer
Leuphana Universität Lüneburg

Jonas Kallisch, Hochschule Emden-Leer, gab Einblicke in kollaborative Datenplattformen der Industrie 4.0. Zu Beginn seines Vortrags machte er deutlich, dass sich Unternehmen die Frage stellen sollten, welchen Wert Daten haben und welchen Wert unternehmensübergreifende Datenplattformen liefern könnten. Hierzu erklärte er die Entwicklung von Daten als Prozessergebnis hin zu Daten als Produkt. Zu Beginn der Integration von Computern in die Produktionsanlagen wurden Daten lediglich als Ergebnis des Produktionsprozesses betrachtet (z. B. Daten zur Produktgüte oder Daten zu Warenbeständen). Daraufhin entwickelten sich Daten als Befähiger von Prozessen, indem sie z. B. Vorplanungen zu Nachfragen und Warenbedarfen lieferten. In der weiteren zeitlichen Entwicklung wurden Daten als Befähiger von Produkten erkannt. Manche Produkte (z. B. Smartphones) funktionieren erst, wenn sie Daten verarbeiten. Zudem können Daten zur Abgrenzung gegenüber Konkurrenten genutzt werden. Inzwischen werden die Daten selbst als Produkte (z. B. für Produktionsmaschinen) gesehen und weisen zum Teil hohe Werte auf.

Welchen Wert können nun unternehmensübergreifende Datenplattformen liefern? Indem Daten vernetzt werden, entsteht ein deutlicher Wertgewinn. Denn die Vernetzung reduziert Doppelerfassung, erleichtert Qualitätskontrollen und Eignungszuordnung für Vorprodukte sowie bessere Abstimmungen von Wartungsintervallen und Stillstandszeiten. Außerdem können vermehrt ML-Verfahren eingesetzt werden, um z. B. Qualitätsprognosen zu stellen.

Datenplattformen ermöglichen z. B. einen Austausch von Sensordaten der Maschinen – auch über Unternehmensgrenzen hinweg. Der Austausch dieser Daten ist sehr hilfreich, um die Produktion zu verbessern. Es gibt verschiedene Arten von Plattformen: private Plattformen, die von einem Unternehmen genutzt werden, öffentliche Plattformen, die frei zugänglich sind, sowie Club-Plattformen, die nach einer Registrierung bzw. eine Aufnahme in eine Gruppe nutzbar sind.

Jonas Kallisch
Hochschule Emden-Leer