FERTIGUNGSPROZESSE VERNETZEN
Technologische Entwicklungen der Informations- und Kommunikationstechnologien führen derzeit zu einem tiefgreifenden Wandel der industriellen Produktion. Die Wettbewerbssituation produzierender Unternehmen ist geprägt durch eine wachsende Dynamik, steigende Prozesskomplexität sowie sich verkürzende Produkt- und Innovationszyklen. Zudem spielen ökologische und soziale Fragen eine zunehmende Rolle. Die Vernetzung technischer Systeme in Echtzeit und die hieraus resultierende Verschmelzung der realen und virtuellen Welt stellen wesentliche Merkmale dar. Die mit diesen Systemen verfügbare Vernetzung wertschöpfender Prozesse bietet neue Möglichkeiten zur Steigerung der Produktivität und der Wirtschaftlichkeit. Mögliche Anwendungen umfassen adaptive und selbstlernende Wertschöpfungssysteme, massendatenbasierte Prognosesysteme auf Basis eines digitalen Schattens oder Funktionalitäten entlang des gesamten Lebenszyklus von Produkten.
Zentraler Aspekt ist die Vorstellung einer durchgängigen digitalen Prozesskette. Hiermit verbundene Themen umfassen die Vernetzung von Systemen in der Produktion, die Modellierung von Produktionsprozessen und Prozessketten sowie innovative Ansätze zu deren Optimierung. Auch stellen sich Fragen zur Bewertung verschiedener Digitalisierungsansätze, der Technikfolgenabschätzung für den Arbeitsplatz der Zukunft sowie zu Potenzialen für Ressourceneffizienz.
Wissenschaftler*innen
M. Sc. Jonas Kallisch (Hochschule Emden/Leer)
Jonas Kallisch ist wissenschaftlicher Mitarbeiter an der Hochschule Emden/Leer. Seine Forschungsschwerpunkte sind: Manufacturing Intelligence und vernetzte Fertigungssysteme
MEHR ZUR PERSON
M.Sc. Kathrin Kramer (Leuphana Universität Lüneburg)
Kathrin Kramer ist wissenschaftliche Mitarbeiterin in der Arbeitsgruppe Produktionsmanagement am Institut für Produkt- und Prozessinnovation (PPI) der Leuphana Universität Lüneburg. Ihre Forschungsschwerpunkte sind: Produktionsmanagement (insbesondere Produktionsplanung un...
MEHR ZUR PERSON
M. Sc. Hendrik Noske (Leibniz Universität Hannover)
Hendrik Noske ist wissenschaftlicher Mitarbeiter am Institut für Fertigungstechnik und Werkzeugmaschinen der Leibniz Universität Hannover. Sein Forschungsschwerpunkt beinhaltet die Anomalieerkennung mithilfe von KI-Methoden im Rahmen der Prozess- und Zustandsüberwachung im...
MEHR ZUR PERSON
M. Sc. Slava Pachandrin (Technische Universität Braunschweig)
Slava Pachandrin ist wissenschaftlicher Mitarbeiter an der Technischen Universität Braunschweig/ Institut für Füge- und Schweißtechnik / Abteilung "Leichtmetall Druckguss". Seine Forschungsschwerpunkte sind: Digitalisierung und Optimierung des Druckgießprozesses, Sensorik und Dat...
MEHR ZUR PERSON
Markus Rokicki (Leibniz Universität Hannover)
Markus Rokicki ist Wissenschaftlicher Mitarbeiter am Forschungszentrum L3S, der Leibniz Universität Hannover. Er ist Teil des Projekt "Automatische Modellierung spanender Fertigunsprozesse"
M. Eng. Maxim Runge (Hochschule Hannover)
Maxim Runge ist wissenschaftlicher Mitarbeiter an der Fakultät I der Hochschule Hannover und gehört der Abteilung Prozessinformatik & Automatisierungstechnik sowie dem Institut für Sensorik und Automation (ISA) an. Seine Forschungsschwerpunkte sind: Cyber Security, Informatio...
MEHR ZUR PERSON
B. Eng. Marvin Voß (Hochschule Hannover)
Marvin Voß ist wissenschaftlicher Mitarbeiter an der Fakultät I der Hochschule Hannover und gehört der Abteilung Prozessinformatik & Automatisierungstechnik sowie dem Institut für Sensorik und Automation (ISA) an. Sein Forschungsschwerpunkt ist Cyber Security.
Dr. Jörg Walter (OFFIS Institut für Informatik)
Dr, Jörg Walter ist wissenschaftlicher Mitarbeiter am OFFIS. Seine Forschungsschwerpunkte sind: Entwurfsmethodik für verteilte Industrieautomatisierung, insbesondere sicherstellung von extrafunktionalen Eigenschaften (Timing, Energie) in verteilten Systemen ...
MEHR ZUR PERSONGeförderte Einrichtungen
Berichte
Zukunftslabor Produktion: Einblicke in zukünftige Fertigungstechnik
Beim Abschlusssymposium des Zukunftslabors Produktion begrüßten die Wissenschaftler*innen Gäste aus Forschung und Praxis. Sie stellten ihre Forschungsergebnisse vor und führten eine Diskussionsrunde durch. Zudem präsentierten sie Technologiedemonstratoren, die ihre Forschung veranschaulichten. MEHR
Daten in Lieferketten sicher und transparent austauschen und analysieren
Zur Optimierung komplexer Produktionsprozesse ist es notwendig, unternehmensübergreifend Daten auszutauschen. Hierfür entwickelten die Wissenschaftler*innen des Zukunftslabors Produktion einen Demonstrator, der einen geschützten Datenaustausch ermöglicht, ohne dass Unternehmen Geschäftsgeheimnisse preisgeben müssen. MEHR
Absatzprognose und Kreislaufwirtschaft in der digitalen Produktion
Digitale Technologien können die Produktionsplanung und -steuerung erleichtern. In diesem Zusammenhang untersuchten die Wissenschaftler*innen das Potenzial automatisierter Machine-Learning-Modelle für die Absatzprognose. Außerdem entwickelten sie ein Konzept zur Integration der Kreislaufwirtschaft ins Supply Chain Mana... MEHR
Videos und Podcasts
Industrie 4.0: Die vernetzte Produktion
Durchgängig digitale Prozesskette
Sichere Industrie 4.0? Nur mit Hausaufgaben 3.0!
Wissenschaftliche Veröffentlichungen
Quantifying circular economy pathways of decommissioned onshore wind turbines: The case of Denmark and Germany
Onshore wind turbines in Europe are increasingly reaching the end of their first lifecycle. Their pathways after decommissioning call for the establishment of circular supply chains (e.g. refurbishmen...
Onshore wind turbines in Europe are increasingly reaching the end of their first lifecycle. Their pathways after decommissioning call for the establishment of circular supply chains (e.g. refurbishment or recycling facilities). Reliable component and material flow forecasts are particularly crucial for the development of blade-recycling capacity, as such facilities still need to be established. However, current forecasts assume a static decommissioning time and neglect a second lifecycle for the wind turbines and their blades, which has resulted in potential recycling quantities being over-estimated. This study overcomes these issues by (i) collecting empirical data on the circular economy pathways taken by decommissioned onshore wind turbines in the mature onshore wind markets of Denmark and Germany, and by (ii) proposing a new component and material flow forecasting model for the more reliable planning of blade-recycling capacity. The results reveal that ∼50–60 % of decommissioned onshore wind turbines in Denmark and Germany were exported mainly to other European countries. If the second lifecycle practices of the past are continued in the future, annual blade masses for domestic recycling are expected to range between ∼380–770 tonnes for Denmark and ∼4400–11,300 tonnes for Germany in the next ten years. This study finds that the threshold values of blade volumes for an economically viable blade-recycling facility can be reached in Germany with its large operating wind-turbine fleet, but the recycling of Danish wind turbine blades would have to rely on aggregating resource flows from other countries or industries. By modelling the cascading order of a sustainable circular economy and the EU Waste Hierarchy Directive, this study improves the decision-making basis for policy makers and companies to achieve sustainable resource use along the wind industry's entire value chain.
Autor*innen
- M.Sc. Kathrin Kramer (Leuphana Universität Lüneburg)
- Asger Bech Abrahamsen
- Justine Beauson
- Ulrich Elmer Hansen
- Niels-Erik Clausen
- Anne P.M. Velenturf
- Prof. Dr.-Ing. Matthias Schmidt (Leuphana Universität Lüneburg)
Veröffentlichung
- Sustainable Production and Consumption
- 01.09.2024
- Link zur Veröffentlichung
Diese Veröffentlichung entstand im Rahmen der ZDIN Förderung durch das Ministerium für Wissenschaft und Kultur.
WenigerZukunftslabor Produktion
The Future Lab Production demonstrates the potentials of digitalisation by using the die casting process as an example process. The project shows how manufacturing companies can digitalise their exist...
The Future Lab Production demonstrates the potentials of digitalisation by using the die casting process as an example process. The project shows how manufacturing companies can digitalise their existing machines, analyse their data and exchange information along the supply chain while maintaining data sovereignty. The aim is to support companies with digitalisation from the machine to data platforms. The article describes the methods used, the concepts developed and their benefits.
Autor*innen
- Verbund Zukunftslabor Produktion
Veröffentlichung
- ZWF - Zeitschrift für wirtschaftlichen Fabrikbetrieb
- 18.05.2024
- Link zur Veröffentlichung
Diese Veröffentlichung entstand im Rahmen der ZDIN Förderung durch das Ministerium für Wissenschaft und Kultur.
WenigerPredicting CNC Machine Processing Times in Process Chains: A Grey Box Modelling Method
Die genaue Vorhersage der Bearbeitungszeiten ist ein kritischer Faktor bei der Optimierung der Produktionsplanung, da die Abweichungen bei der Vorhersage durch CAM-Software bei der 5-Achsen-Simultanbe...
Die genaue Vorhersage der Bearbeitungszeiten ist ein kritischer Faktor bei der Optimierung der Produktionsplanung, da die Abweichungen bei der Vorhersage durch CAM-Software bei der 5-Achsen-Simultanbearbeitung zwischen 8 und 74 % liegen. Dieser zeitliche Vorhersagefehler kann aufgrund der Fehlerfortpflanzung in Prozessketten zu erheblichen Abweichungen zwischen geplanten und ausgeführten Fertigungszeiten führen. Insbesondere hoch ausgelastete Werkzeugmaschinen könnten sonst über- oder unterbelegt sein. Während sich bisherige Studien entweder auf datengetriebene Ansätze wie neuronale Netze oder analytische Modelle auf Basis der Maschinenkinematik konzentrierten, wird in diesem Beitrag ein neuartiges Grey-Box-Modell vorgestellt, das Künstliche Intelligenz (KI) und kinematische Modelle kombiniert. Die Methode verwendet Maschinen-Feedback-Daten und den NC-Code, um eine umfassendere und besser interpretierbare Vorhersage der Bearbeitungszeiten zu ermöglichen als die derzeitigen Modelle. Das analytische Modell analysiert den NC-Code, um Erkenntnisse über die geplanten Fräsvorgänge zu gewinnen und eine Basisschätzung zu erstellen, während das KI-Modell maschinelle Lernalgorithmen verwendet, um diese Schätzungen auf der Grundlage von Maschinenfeedbackdaten zu verfeinern. Das Grey-Box-Modell wird durch Fräsexperimente auf einer 5-Achsen-CNC-Maschine validiert und erreicht eine Genauigkeit von über 98 % bei der Vorhersage der Bearbeitungszeiten. Die Methode verbessert nicht nur die Schätzung der Bearbeitungszeit, sondern erhöht auch die Effizienz der Produktionsplanung für CNC-Maschinen mit hoher Spindelverfügbarkeit. Diese Innovation trägt direkt zur Beschleunigung der Fertigung bei, indem sie eine datengesteuerte, adaptive Produktionsplanung ermöglicht und so die Ressourcenzuweisung optimiert und die betriebliche Gesamteffizienz steigert.
Autor*innen
- Marcus Nein (Leibniz Universität Hannover)
Veröffentlichung
- Procedia CIRP - CIRP CMS 2024
- 31.05.2024
Diese Veröffentlichung entstand im Rahmen der ZDIN Förderung durch das Ministerium für Wissenschaft und Kultur.
WenigerWissenschaftliche Vorträge
The OT Security Standard IEC 62443 A deeper view for plant operators and system integrators
Prof. Dr.-Ing. Karl-Heinz Niemann (Hochschule Hannover)
Veranstaltung: MESA Smart Manufacturing Now! Conference. Virtual Event 23.-26. Sept. 2024
Datum: 24.09.2024
PROFINET Security – Aktueller Stand und nächste Schritte
Prof. Dr.-Ing. Karl-Heinz Niemann (Hochschule Hannover)
Veranstaltung: Konferenz „Security unter Kontrolle“. Düsseldorf, 4.-5. Sept. 2024
Datum: 04.09.2024
Zukunftslabor Produktion: Einsatz der KI und autonomer Prozessführung im Druckguss
M. Sc. Slava Pachandrin (Technische Universität Braunschweig)
Veranstaltung: Sitzung der Fördergemeinschaft "Druckgießforschung"
Datum: 20.03.2024
