TOPSTORY » MESSE EMO » Intelligente Produktion Mit der Schunk-Roboterkupplung lassen sich Spannpaletten prozesssicher hand - haben. Auf dem Maschinentisch sorgt das Nullpunktspannsystem für sicheren Halt bei maximaler Wiederholgenauigkeit. Wenn Steckverbindungen einrasten, ertönt ein Klick-Geräusch, das smarte Sensoren erkennen. Bleibt der Klick aus, zeigt das akustische Monitoring-System einen Fehler an. Doch Erkenntnisse aus Big Data können nicht nur helfen, die Fertigung effizienter, robuster und nachhaltiger zu betreiben. Werden Produktionsdaten systematisch erhoben, professionell verarbeitet und intelligent genutzt, können sie auch als Basis für neue Geschäftsmodelle genutzt werden. Beispiele dafür sind Payzr von DMG Mori oder Pay per Part von Trumpf. Obwohl sich beide Modelle im Detail unterscheiden, folgen sie doch dem gleichen Grundsatz: Der Kunde kauft die Maschine nicht, sondern er bezahlt für die Nutzungszeit oder die von der Maschine produzierten Teile einen vorab vereinbarten Preis. Die Vorteile für den Kunden: Er muss nicht auf einen Schlag eine große Investitionssumme bereitstellen und bleibt so finanziell flexibler; ebenso kann er im Fall einer sich ändernden Auftragslage oder technologischen Weiterentwicklungen flexibler reagieren. Trumpf bietet dieses Modell derzeit nur für seine Laservollautomaten der Serie TruLaser Center 7030 an. Die Anlage wird von Spezialisten im Trumpf Remote Control Center in Neukirch aus der Ferne überwacht und gesteuert, was auch die Effizienz und Wirtschaftlichkeit der Maschine maximiert. Ob die Vorteile des seit einiger Zeit von verschiedenen Parteien propagierten Ansatzes „Nutzen statt besitzen“ tatsächlich überwiegen oder am Ende nicht doch ein klassischer Kauf- oder Leasingvertrag lukrativer sind, das muss jeder individuell entscheiden. Hinzu kommt: Digitale Geschäftsmodelle setzen Vertrauen voraus. Viele Unternehmen fürchten noch immer, die Hoheit über ihre Daten zu verlieren, wenn diese das Betriebsgelände verlassen und in eine Cloud hochgeladen werden. Datenschutzkonforme Lösungen sind daher unabdingbar. Hier setzt das Proreduzieren, gehen Fertigungsexperten mittlerweile einen Schritt weiter: Moderne Produktionsmaschinen können sich mithilfe künstlicher Intelligenz selbst optimieren. Sie nutzen dazu in der Regel so genannte Machine-Learning-Methoden, die es ihnen ermöglichen, Muster und Zusammenhänge in den Produktionsdaten zu erkennen und daraus automatisch Verbesserungen abzuleiten. Auch das Lernen aus Fehlern oder die Übernahme des Know-hows von anderen Maschinen ist so möglich. Da die Daten einer einzelnen Werkzeugmaschine häufig nicht ausreichen, um ein präzises KI-Modell zu trainieren, kommt die Technik des Federated Learning zum Einsatz. Das ermöglicht es, mit dezentral gespeicherten Daten ein gemeinsames KI-Modell zu trainieren, ohne die Daten direkt auszutauschen. Bild: Fraunhofer IDMT/Hannes Kalter Bild: Schunk Die Methoden des maschinellen Lernens und die Möglichkeiten der Selbstoptimierung von Werkzeugmaschinen nutzt beispielsweise auch der Ditzinger Laser- und Blechbearbeitungsspezialist Trumpf – unter anderem, um Schneidprozesse automatisiert immer näher ans Optimum heran zu führen. Die Schwaben bieten ihren Kunden aber auch clevere Assistenzsysteme wie den Sorting Guide. Durch vorhandene Stammdaten und selbstlernende Bildverarbeitung erkennt das System entnommene Teile und gibt über den Bildschirm eine Empfehlung zum Absortieren. Die produzierten Teile sind auf dem Bildschirm farbig markiert, beispielsweise nach Kundenauftrag oder Folgearbeitsschritten. Aufwändiges Nachzählen, manuelle Rückmeldungen oder Begleitpapiere sollen so überflüssig sein. Das Absortieren wird beschleunigt, Fehler werden vermieden, und die Maschine kann schneller weiter produzieren. Big Data: Basis neuer Geschäftsmodelle 34 Industrieanzeiger » 11 | 2023
jekt Gaia-X an: Ein europäisches Konsortium soll die Grundlage schaffen für eine europäische Dateninfrastruktur, über die Unternehmen Daten vertrauensvoll zusammenführen, teilen und nutzen können. Datenhoheit ist auch ein zentrales Anliegen des Projekts Manufacturing-X, das einen geschützten industriellen Datenraum für Produktionstechnikhersteller bieten soll. Ein Konsortium aus SAP und deutschen Maschinenbauern entwickelt eine Cloud- Plattform für die Fertigungsbranche, um den Informationsaustausch innerhalb eines dezentralen Datenraums mit exakt definierten Zugriffsrechten zu erleichtern. Im Zentrum steht die Idee, mit durchgängiger Datenvernetzung die Lieferketten transparenter und resilienter zu gestalten. Niedrigschwelligen Zugang zur KI Gleichwohl sind die Vorteile von künstlicher Intelligenz in der industriellen Fertigung gerade für kleinere Unternehmen nicht immer offensichtlich. Viele haben Bedenken, ihre Produktionsdaten zur eingehenden Analyse durch Computer freizugeben. Für produzierende Unternehmen, denen der Mehrwert von KI noch unklar ist, soll das Projekt IIP-Ecosphere, an dem das Fraunhofer-Institut für Software- und Systemtechnik (ISST) mitarbeitet, einen niedrigschwelligen Zugang zu herstellerunabhängigen KI- Lösungen für komplexe Problemstellungen in der Produktion bieten. Ziel des Projekts ist es, ein neuartiges Ökosystem aufzubauen, und zwar mit allen Akteuren, die den Einsatz von KI in der Produktion voranbringen, darunter Universitäten und Forschungseinrichtungen, Industrieunternehmen und Anbieter von KI-Lösungen. Entstehen soll so die „Ecosphere for Intelligent Industrial Production“, kurz IIP- Ecosphere. Das Trumpf Remote Control Center in Neukirch überwacht und steuert aus der Ferne Produktionsanlagen, die im Rahmen des digitalen Geschäftsmodells „Pay per Part“ des Maschinenbauers eingesetzt werden. Bild: Trumpf / IECEx IECEx Industrieanzeiger » 11 | 2023 35
