Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
© WZL/Fraunhofer IPT
Aachener Industrie 4.0-Aktivitäten
Fraunhofer-Institut für Produktionstechnologie IPT
Dipl.-Wirt.-Ing. Thomas Vollmer
Frankfurt am Main, 23. September 2016
Seite 2 © WZL/Fraunhofer IPT
Projekt "BIG" 4
Projekt "charMant" 3
Industrie 4.0: Die Aachener Perspektive 2
Vorstellung des Fraunhofer IPT 1
Agenda
Seite 3 © WZL/Fraunhofer IPT
Joseph von Fraunhofer (1787-1826)
Forscher Entdeckung der »Fraunhofer-Linien« im
Sonnenspektrum
Erfinder Bearbeitungsverfahren für Linsen
Unternehmer Leiter und Teilhaber einer Glashütte
Seite 4 © WZL/Fraunhofer IPT
Die Fraunhofer-Gesellschaft
Ziele
Vertragsforschung für Wirtschaft und Gesellschaft
Umsetzung von Grundlagenforschung in die Praxis
Unternehmen
Gründung: 1949
Rechtsform: Gemeinnütziger Verein
Sitz der Zentrale: München
Finanzierungsmodell der Institute
Grundfinanzierung davon 90 Prozent durch den Bund, 10 Prozent durch die Länder
Öffentliche Förderung Ausschreibungen und Förderanträge
Industriemittel
1/3 1/3
1/3
Seite 5 © WZL/Fraunhofer IPT
Die Fraunhofer-Gesellschaft – Institute und Standorte
Kennzahlen
66 Institute
> 24 000 Mitarbeiterinnen und Mitarbeiter
ca. 2,2 Mrd. € Forschungsvolumen pro Jahr
Europas größte Organisation für angewandte Forschung
Standorte und weitere Aktivitäten weltweit
Europa Brüssel/EU, Frankreich, Italien, Österreich, Portugal, Polen, Schweden, Ungarn, Vereinigtes Königreich
Nord- und Südamerika Kanada, USA, Brasilien, Chile
Asien China, Indien, Indonesien, Japan, Korea, Malaysia, Singapur
Naher Osten, Afrika Vereinigte Arabische Emirate, Ägypten, Südafrika
Seite 6 © WZL/Fraunhofer IPT
Das Fraunhofer-Institut für Produktionstechnologie IPT in Aachen
Aachen
Fraunhofer in Aachen
Produktions-
technologie
Laser-
technik
Molekular-
biologie und
angewandte
Oekologie
Seite 7 © WZL/Fraunhofer IPT
Produktionstechnik in Aachen
gegründet 1870
42 000 Studierende, 5750 Absolventen
9 Fakultäten, 260 Institute
4500 Wissenschaftler, 496 Professoren
788 Mio € Budget
(davon 315 Mio € Drittmittel)
10 980 Studierende, 1980 Neueinschreibungen
863 Absolventen, 155 Promotionen
1050 Wissenschaftliche Mitarbeiter,
61 Professoren
272 Mio € Umsatz
(davon 77 Mio € als Drittmittel)
über An-Institute und Fraunhofer-Institute
Fakultät für Maschinenwesen Fokus Produktionstechnik
Werkzeugmaschinenlabor
der RWTH Aachen
Fraunhofer-Institut für
Produktionstechnologie
IPT
Fokus Produktionstechnik
Insgesamt:
49 Mio € Haushalt
1200 Mitarbeiter*
*) davon ca. 50 Prozent
Festangestellte
Seite 8 © WZL/Fraunhofer IPT
RWTH-Campus Melaten, 2015
Seite 9 © WZL/Fraunhofer IPT
Our portfolio
Trends for branches and products
Lightweight-
production technology Optics Tool and die making
Turbomachinery Trendthemen
Seite 10 © WZL/Fraunhofer IPT
Our portfolio
Trends for branches and products
Hot topics
- Industrie 4.0
- Additive Manufacturing
Lightweight-
production technology Optics Tool and die making
Turbomachinery
Seite 11 © WZL/Fraunhofer IPT
Projekt "BIG" 4
Projekt "charMant" 3
Industrie 4.0: Die Aachener Perspektive 2
Vorstellung des Fraunhofer IPT 1
Agenda
Papal election 2005
Papal election 2013
2011 – First Indication of Industrie 4.0
2007 – Introduction of iPhones
2013 – Smartphones with appr. 95 % Market Penetration
Source: [KAGE11] Picture source: spiegel.de, AP, DPA
Seite 15 © WZL/Fraunhofer IPT
Integrative Basic Technologies
Digitalisation & Connection
Innovative
Product
Development
Smart
Products &
Services
Scaleable
adaptive Production
Human
Industrie 4.0
The Aachen perspective
Seite 16 © WZL/Fraunhofer IPT
Step-by-step to Industrie 4.0
Manual Production Lean Production Industrie 4.0
Production
Seite 17 © WZL/Fraunhofer IPT
What characterizes »Industrie 4.0«?
2) Continuity of data and information flow
from product idea to recycling
Engineering
3) Vertical integration and linked
production systems and machines
Production
1) Horizontal integration
over production networks
Companies & End-User
Cloud
Data Analytics
Self-optimization
Collaboration
Integrated metrology Interfaces
Internet of Things
Single source of truth
Intelligent planning
Safety
Security
Digitalization
Source: Platform Industrie 4.0
Seite 18 © WZL/Fraunhofer IPT
Industrie 4.0 Benchmarking and Roadmapping
Holistic Approach to identify potentials within Industrie 4.0
Strategic Analysis What are the strategic objective?
Benchmark – Level of competitors?
Status: Where am I today?
i4.0 - Action Fields in Production
Strategy
Level
Process
Level
Technology
Level
Process Analysis Manufacturing Processes
Vertical / horizontal Data-Flow
Data- / Software-Architecture
i4.0 – Restrictions on Process Level
Technology Analysis Sensors / Sensor-Integration
Data Mining and -Analysis
Process Modelling & Simulation
i4.0 Restriction Tech-Level
i4.0
Audit
i4.0 Implementation-Plan
Seite 19 © WZL/Fraunhofer IPT
Sensors and Smart Devices 1
Digital Twin 2
Data Analytics 3
Clouds 4
IT-based planning 5
Anything as a service 6
Seite 20 © WZL/Fraunhofer IPT
Smart Wearables in manufacturing
Efficiency and quality support for employees
0
20
40
60
80
100
0 0,2 0,4 0,6 0,8 1
Probandenstudie
0
20
40
60
80
100
0 0,2 0,4 0,6 0,8 1
Lead time of oculavis in % of conventional
procedure
Failure rate with oculavis in % of conventional
procedure
ERP MES CAQ PLM …
I finished the task.
I have a problem.
Maintain me.
You are not allowed to
use me.
Seite 21 © WZL/Fraunhofer IPT
Sensors and Smart Devices 1
Digital Twin 2
Data Analytics 3
Clouds 4
IT-based planning 5
Anything as a service 6
Seite 22 © WZL/Fraunhofer IPT
Digital Acquisition of Single Product Information
Source: osterhoutroup.com
Visualization of processing information
– Processing information is saved within a database
and related to a barcode applied on the real product
– Barcode can be scanned to receive past and future
processing information
App can be used on every Android device (e.g.
tablet PC or smart glasses)
Scan of product barcode
Seite 23 © WZL/Fraunhofer IPT
Sensors and Smart Devices 1
Digital Twin 2
Data Analytics 3
Clouds 4
IT-based planning 5
Anything as a service 6
Seite 24 © WZL/Fraunhofer IPT
Data Mining Models
Scrap reduction in a light metal foundry
Influcence factors
X-Ray defects
Data integration
Process control system
QUISS PCS
5
txt-Export
SPSS
Warehouse
txt-Export
Data integration
(SPSS) SPSS DB
Data-
Matrix
Code
3
7M: Machine, Man, Material, Milieu,
Method, Measurement, Management
Smelting
characteristics
Ambient
temperature
Air humidity
Temperature
(cooling)
Temperature
(heating)
Fill level
Pressure
Flow rate
(cooling)
Temperature
(melted mass)
Operator
Availability 4
Process control system (481 variables):
• Date, Time
• Data-Matrix Code (Rohteilnr.)
• All relevant influence factors, see (3)
QUISS X-Ray defects (7 variables):
• Data-Matrix Code
• Defect type, size, time and location at part
PCS
F-DB
Seite 25 © WZL/Fraunhofer IPT
Data Mining Models
Scrap reduction in a light metal foundry
CART-tree (Excerpt) Node 0
Category % n
No defect
Sprue defect
95,288
4,712 333
6734
100,000 7067
Node 5
Category % n
No defect
Sprue defect
29,730
70,270 26
11
0,524 37
Node 6
Category % n
No defect
Sprue defect
96,213
3,787 243
6174
90,802 6417
<= 678,1 °C > 678,1 °C
Heating_circuit13Begin
Rule
induction
Possibilities of tree generation
Node 1
Category % n
No defect
Sprue defect
95,832
4,168 269
6185
91,326 6454
Node 2
Category % n
No defect
Sprue defect
89,560
10,440 64
549
8,674 613
Gini-Index
(Entropie)
Separation
Thermo9Beginn
<= 428,9 °C > 428,9 °C
Node 3
Category % n
No defect
Sprue defect
5,263
94,737 18
1
0,269 19
Node 4
Category % n
No defect
Sprue defect
92,256
7,744 46
548
8,405 594
<= 558,0 °C > 585,0 °C
Heating_circuit14Max
Tree depth
(Pruning)
Seite 26 © WZL/Fraunhofer IPT
Sensors and Smart Devices 1
Digital Twin 2
Data Analytics 3
Clouds 4
IT-based planning 5
Anything as a service 6
Seite 28 © WZL/Fraunhofer IPT
Cloud-based incoming goods inspection
SRM
ERP supplier
interface
web-interface
Cyber value chain
Physical value chain
suppliers
Harting
IGD IGI Production
Potentials
Reduction of physical inspection
effort
Availability of precise and cross-
linked measurement values
– Allows analysis of complex
statistical and strategical data
– Quality improvements
Fast distributive visibility of
products in production or rather
supply chain
– Minimize Time-to-Market
Focus on future customers
Seite 29 © WZL/Fraunhofer IPT
Sensors and Smart Devices 1
Digital Twin 2
Data Analytics 3
Clouds 4
IT-based planning 5
Anything as a service 6
Seite 30 © WZL/Fraunhofer IPT
Manufacturing Execution Systems (MES)
Enery data
ERP data
Production data
Quality data
Personnel data
Machine data
MES
Standardized interfaces
Compatible data formats
Operative production planning
with consideration of relevant
target variables (adherence to
schedules, processing time,
stocks, utilization, …)
Short response time in case of
errors
Transparency of process flows
and operating conditions (KPI)
Personnel management
Information management
Material management
Utilities management
performance analysis
Detailed planning and control
Data acquisition and allocation
Quality management
Application Objectives
Machine 1
Machine 2
Machine 3
time
makespan
Seite 31 © WZL/Fraunhofer IPT
Use case of MES: HARTING ELECTRONICS
HARTING is a leading manufacturer of components and
systems for electrical and electronical connection
technology
Deployment of modular MES since 2004
Module for tracking production orders and shop floor
scheduling
Logistics module to enable traceability of material and
parts within the company
Machine data collection enables fast reaction times if a
machine breaks down and in-depth statistical analyses
Tools and resource management: Live information on
availability of resources, machines and tools.
Source: MPDV 2015
Seite 32 © WZL/Fraunhofer IPT
Sensors and Smart Devices 1
Digital Twin 2
Data Analytics 3
Clouds 4
IT-based planning 5
Anything as a service 6
Seite 33 © WZL/Fraunhofer IPT
TechShop Democratizes Production Knowledge And Capactiy
TechShop is a chain of member-based workshops
that lets people of all skill levels come in and use
industrial tools and equipment to build their own
projects.
Founded 2006 in Silicon Valley
10 locations in the US, 1 in France, 1 in Abu Dhabi,
1 in Japan
Access to tools and classes for a membership fee
Available tools include:
– CNC and manual mills, welding equipment, sheet metal
fabrication equipment, 3D printers, laser cutters,
industrial sewing equipment, electronics equipment,
plastics equipment
Gives rise to the “maker movement” and startup
mentality
Seite 34 © WZL/Fraunhofer IPT
Fraunhofer-Leistungszentrum Interconnected, adaptive Production
WP1 Smart Manufacturing Platform
WP2 Big Data Analysis
WP3 Linking Simulation / Real data
WP4 Adaptive Process chains / Digital Twin
R&D-Module „Digitalization and interconnection“
WP5 Energy – Manufacturing & Repair of components for Turbomachinery
WP6 Mobility – Engine production und tool and die making for Automotive
WP7 Health – Plant-based Protein production
R&D-Module „Demonstrator “
Ro
ad
map
Dig
italiz
atio
n
Run-time
06/2016 – 12/2018
Project volume
approx. 6,2 Mio. €
Industry partners
DST, GF, MTU, SAP, Siemens, …
Seite 35 © WZL/Fraunhofer IPT
Projekt "BIG" 4
Projekt "charMant" 3
Industrie 4.0: Die Aachener Perspektive 2
Vorstellung des Fraunhofer IPT 1
Agenda
Seite 36 © WZL/Fraunhofer IPT
Projektbeispiel „charMant“
Ausgangssituation des Forschungsvorhabens
Insbesondere in KMUs besteht Verbesserungspotenzial bei der flexiblen und vereinfachten
Datenerfassung und Datenbereitstellung zur effizienten Nutzung.
Aufgabe von IT in Produktion und Qualitätsmanagement ist
u.a.:
Sammlung und Auswertung qualitätsrelevanter Daten
zur Erhöhung der Rückverfolgbarkeit des Produktes
und der zugehörigen Herstellungsprozesse.
Datenerfassung und Datennutzung wird v.a. in kleinen und
mittelständischen Unternehmen nicht oder nicht konsequent
durchgeführt.
! Standardsoftware ist meist nicht zugeschnitten auf KMUs
und hilft nicht dabei qualitativ hochwertige Daten zu
generieren oder die Nutzung zu vereinfachen.
! Hoher a-priori-Aufwand bei der Vereinheitlichung der
Schnittstellen und Strukturierung der Daten.
Seite 37 © WZL/Fraunhofer IPT
Projektbeispiel „charMant“
Motivation für das Forschungsvorhaben charMant
Vorteile produkt- und prozessbezogener Datenerfassung
Erhöhung der Qualität und Transparenz der Prozesse,
Entlastung der Mitarbeiter am Produkt
Vereinfachte Prozesslenkung und schnelle bzw. frühzeitige
Fehlererkennung und -analysen
Merkmalsbezogene Prozesseinflüsse werden offengelegt
Rückführung der Informationen aus dem Herstellungsprozess
und der resultierenden Produktqualität in die Entwicklungs-
und Prozessplanungsphasen ( lessons learned)
Um die Vorteile erschließen zu können, wird ein Konzept benötigt, das die Daten flexibel erfasst,
verarbeitet und zur Verfügung stellt.
Seite 38 © WZL/Fraunhofer IPT
Projektbeispiel „charMant“
Zielstellung, Differenzierungsmerkmale und Herausforderung
Zielstellung / Intention
Entwicklung eines Datenmanagement-
Konzepts
Dessen Implementierung für die
aufwandsreduzierte Erfassung und Nutzung
produktbezogener Maschinen- und
Produktionsprozessdaten
Differenzierungsmerkmal ggü. Bisherigen
Ansätzen / Besonderheiten
schlanke, selbstbeschreibende
Datenstrukturen
Metadatenbasierte Extraktoren, die
einen einheitlichen, semantischen
Zugriff auf die erfassten Daten
ermöglichen und
die syntaktische Vielfalt durch die
Datenzusammenführung in einem
Data-Lake-System reduzieren
Herausforderung / Notwendiger Input
Erfassung und Bereitstellung heterogener und semistrukturierter Daten für bedarfs- und
ereignisgesteuerte Analysen.
Beispielprozesse, Maschinenschnittstellen, Systemanbindung und Anforderungen Q-App
Seite 39 © WZL/Fraunhofer IPT
Teilprozesse
von Produkt x
Projektbeispiel „charMant“
Zielbild
Selbstbeschreibendes
Daten-Repository
(„Data Lake“)
Fehleranalyse
n v
t T p
a
f
t p
a f
Pv
Q-App
Prozess-
performance
ERP
M a f p P
1 0,5 0,2 50 x
M a v T P
2 0,5 1 25 x
MES/BDE/MDE
CAQ
Anwendungs-
spezifische Data
Marts
Teilprozesse
von Produkt y
Synta
ktische
Hom
ogenis
ieru
ng
Ra
Pv
Ra
n ap
vf
ae
Ziel: Produktionsprozessdaten
produktbezogen flexibel erfassen, durch
Teilhomogenisierung organisieren und
Anwendern ad-hoc bereitstellen
Seite 40 © WZL/Fraunhofer IPT
Projektbeispiel „charMant“
Zielbild
Teilprozesse
von Produkt x
Selbstbeschreibendes
Daten-Repository
(„Data Lake“)
Fehleranalyse
n v
t T p
a
f
t p
a f
Pv
Q-App
Prozess-
performance
ERP
M a f p P
1 0,5 0,2 50 x
M a v T P
2 0,5 1 25 x
MES/BDE/MDE
CAQ
Anwendungs-
spezifische Data
Marts
Teilprozesse
von Produkt y
Synta
ktische
Hom
ogenis
ieru
ng
Ra
Pv
Ra
n ap
vf
ae
Erfassung verschiedener Daten aus
unterschiedlichen Quellen
Indirekte Vernetzung:
Horizontal (Maschinen,
Einzelprozesse)
Vertikal (MES/ERP/…)
Seite 41 © WZL/Fraunhofer IPT
Projektbeispiel „charMant“
Zielbild
Teilprozesse
von Produkt x
Selbstbeschreibendes
Daten-Repository
(„Data Lake“)
Fehleranalyse
n v
t T p
a
f
t p
a f
Pv
Q-App
Prozess-
performance
ERP
M a f p P
1 0,5 0,2 50 x
M a v T P
2 0,5 1 25 x
MES/BDE/MDE
CAQ
Anwendungs-
spezifische Data
Marts
Teilprozesse
von Produkt y
Synta
ktische
Hom
ogenis
ieru
ng
Ra
Pv
Ra
n ap
vf
ae
Metadaten-basierte Extraktoren
zur effizienten Speicherung der
anfallenden Daten
Selbstbeschreibendes
Datenmodell, statt komplexer,
relationaler Datenmodelle zur
Datenspeicherung
Reduzierung manueller
Tätigkeiten (z.B. Anlegen
jedes einzelnen Produktes)
Datenstruktur ist flexibel
erweiterbar
Z.B. beim Einfügen von
neuen Maschinen
Seite 42 © WZL/Fraunhofer IPT
Projektbeispiel „charMant“
Zielbild
Teilprozesse
von Produkt x
Selbstbeschreibendes
Daten-Repository
(„Data Lake“)
Fehleranalyse
n v
t T p
a
f
t p
a f
Pv
Q-App
Prozess-
performance
ERP
M a f p P
1 0,5 0,2 50 x
M a v T P
2 0,5 1 25 x
MES/BDE/MDE
CAQ
Anwendungs-
spezifische Data
Marts
Teilprozesse
von Produkt y
Synta
ktische
Hom
ogenis
ieru
ng
Ra
Pv
Ra
n ap
vf
ae
On-demand-Analysen durch Nutzung von
Applikationen (Produktions-Qualitäts- App zur
Bereitstellung bedarfsabhängiger Abfragen)
Rückführung und Speicherung der durch die
Applikation definierten Datenanalysen
Seite 44 © WZL/Fraunhofer IPT
Fraunhofer-Leistungszentrum Interconnected, adaptive Production
WP1 Smart Manufacturing Platform
WP2 Big Data Analysis
WP3 Linking Simulation / Real data
WP4 Adaptive Process chains / Digital Twin
R&D-Module „Digitalization and interconnection“
WP5 Energy – Manufacturing & Repair of components for Turbomachinery
WP6 Mobility – Engine production und tool and die making for Automotive
WP7 Health – Plant-based Protein production
R&D-Module „Demonstrator “
Ro
ad
map
Dig
italiz
atio
n
Run-time
06/2016 – 12/2018
Project volume
approx. 6,2 Mio. €
Industry partners
DST, GF, MTU, SAP, Siemens, …
Seite 45 © WZL/Fraunhofer IPT
Projekt "BIG" 4
Projekt "charMant" 3
Industrie 4.0: Die Aachener Perspektive 2
Vorstellung des Fraunhofer IPT 1
Agenda
Seite 46 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Entstehung der Idee
„Das hat keinen Markt! Sorry!“
Bildquelle: Amazon, Google, Philips
Seite 47 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Idee
Fokus »BIG« Fokus »herkömmliche PPS«
Integration von Produktionsdaten in die
Gebäudeautomatisierung
Seite 48 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Zielstellung
Energieeinsparung von
Unterstützungsprozessen
produzierender Unternehmen
Erweiterung der herkömmlichen
Parameter um die Belegung
unterschiedlicher
Produktionsbereiche
Steuerung nur nach tatsächlichem
(aktuellen) Bedarf & (zukünftiger)
Zustände/Prädiktion
Erweiterung der Nutzung von
Informationen der
Produktionsplanung & Wetter-
Daten zur Steuerung und Regelung
der Gebäudeautomation
Beleuchtung
Heizung/
Klimatisierun
g
Temperatur
Sonnen-
schutz/
Isolation
Belüftung Kühlung
Wetterprognose
We
tte
rpro
gn
os
e
We
tte
rpro
gn
ose
Wetterprognose
Beleuchtung
Heizung/
Klimati-
sierung
(Bereichs-/
Maschinen-)
Belegung
Temperatur Sonnen-
schutz/
Isolation
Belüftung Kühlung
Abwärme-
nutzung
Standby-
Geräte
Herkömmliche Gebäudeautomatisierung
Adaptive Gebäudeautomatisierung
Seite 49 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Zielstellung
Aggregation von
Sensordaten
Steuerung von
Aktuatoren zur
bedarfsgerechten und
prädiktiven Regelung
Wetter-Forecast PPS Gebäudeautomation
Bedarfsgerechte
Steuerung
Prädiktive Steuerung
Temperatur
Sonneneinstrahlung
Windstärke
Prädiktive Steuerung
– Wetteränderungen
Softwarelösung
Herstellerunabhängige Kopplung an Produktionssysteme
Integration von Wetter-Forecasts und Einbeziehung
wetterabhängiger Effekte
Entwicklung einer modellprädiktiven Regelung als Kernelement
Seite 50 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Zielstellung
Adaptive Gebäudeautomation
BedarfMaschine
Dauer
Termin
Produktions-
planung
(ERP) Fertigung
Messung
BerechnungAbwärme
Lichtbedarf
Produktions-
durchführung
Bedarfsorientierte
Regelung
Fertigung
Messung
Daten-
erfassung
(CAQ, BDE)
Ist-/ Sollwert-
Vergleich
Maschine
Dauer
Termin
Produktions-
steuerung
(MES)
Bedarfs-
ermittlung
ERP: Enterprise Resource Planning
MES: Manufacturing Execution Systems
CAQ: Computer Aided Quality
BDE: Betriebsdatenerfassung
Soll-Ist-Vergleich
33-40% Einsparpotenzial bei peripheren
Energiekosten durch Kopplung der
Funktionalitäten (Bedarfssteuerung &
Wetter-Forecast)
Seite 51 © WZL/Fraunhofer IPT
𝑄𝑊ä𝑟𝑚𝑒𝑙𝑒𝑖𝑡𝑢𝑛𝑔
𝑊ä𝑟𝑚𝑒𝑞𝑢𝑒𝑙𝑙𝑒
𝑊ä𝑟𝑚𝑒𝑞𝑢𝑒𝑙𝑙𝑒
𝑄𝐾𝑜𝑛𝑣𝑒𝑘𝑡𝑖𝑜𝑛
𝑄𝑉𝑒𝑛𝑡𝑖𝑙𝑎𝑡𝑖𝑜𝑛
𝑄𝑙𝑎𝑛𝑔𝑤𝑒𝑙𝑙𝑖𝑔𝑒 𝑆𝑡𝑟𝑎ℎ𝑙𝑢𝑛𝑔
Projektbeispiel „BIG“
Beispiel: Wärmetransport in den Produktionsgebäude
𝑄𝑆𝑜𝑛𝑛𝑒𝑛𝑠𝑡𝑟𝑎ℎ𝑙𝑢𝑛𝑔
𝑇𝑢
𝑇𝑎
𝑇𝑖 𝑇𝑟
Seite 52 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Prozessskizze
Feinplanung
Kunden
Produktions-
planung und-
steuerung Lieferanten
Material-
lieferung
Produkt-
lieferung
Zwischenlager
Produktionsplan
Produkt A Produktionsplan
Produkt B
Bedarfs-
ermittlung
Abwärme Abwärme
Abwärme
Abwärme
Belegungsvorschau durch Ermittlung des Produktionsplans
Nutzung der Maschinenabwärme
Seite 53 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Mögliche Funktionen der Gebäudeautomation
Energieüberwachung
Temperaturregelung Anwesenheitsauswertung
Steuerung über Raumnutzungsarten Konstantlichtregelung
Sonnenautomatik Luftfeuchtigkeitregelung Sicherheitsfunktion
Steuern der Mediengeräte, Multiraumsysteme
Witterungsschutz
Luftqualitätsregelung
Blendschutz
Fernüberwachung
Feueralarm
Zutrittsrechte
Seite 54 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Abhängigkeitsfaktoren
Abwärme Tempe-
ratur
Klimati-
sierung Belüftung
Blend-
schutz Isolation
Abwärme + - -
Temperatur + + +
Klimati-
sierung - -
Belüftung + - -
Blendschutz + +
Isolation + +
Seite 55 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Datenmodell BIG
Atmosphäre
Tem. Belegungsplan
Atmosphäre
Strahlung
Maschineneinsätze
Klimatisierung
Heizung
Beleuchtung
Belüftung
Isolierungsgrad
der Wände
Atmosphäre
Windstärke
Isolierungsgrad
der Fenster
…
Rauchdetektor
Zugangssensor
Mögliche Inputs
∆Temperatur
∆Lichtstärke
∆Luftfeuchtigkeit
Brandschutzmelder
Sicherheitsmelder
…
Mögliche Outputs
Regelkreise
von BIG
Seite 57 © WZL/Fraunhofer IPT
Projektbeispiel „BIG“
Projektwebsite
http://www.big-
gebaeudeautomation.de/
Aktuelle Informationen für den
Arbeitskreis
Information zu Veröffentlichungen
bezüglich des Projekts
Zugangsbeschränkter Bereich für
Projektpartner
Factory of the Future.
„The factory of the future will have only two employees, a man and a dog. The
man will be there to feed the dog. The dog will be there to keep the man from
touching the equipment.”
Warren Gameliel Bennis
Seite 59 © WZL/Fraunhofer IPT
Ihr Kontakt
Dipl.-Wirt.-Ing.
Thomas Vollmer Wissenschaftlicher Mitarbeiter
Abteilung Produktionsqualität
Fraunhofer-Institut für Produktionstechnologie IPT
Steinbachstraße 17 • D-52074 Aachen
Tel.: 0241 / 8904 - 332
Seite 60 © WZL/Fraunhofer IPT
Backup: New Agenda
Seite 61 © WZL/Fraunhofer IPT
Industrial Software Systems
Goal and technologies behind Industrie 4.0
IT-Hardware PLM/Engineering-
Systems Local
storages Big Data Computing & Cloud
Data Mining
IT Safety&Security
IPv6 & Internet of Things
Apps
Broadband & Networks
ERP-/MES
Systems
cyber
physical
Software Hardware
Adaptation by sensors
M2M / P2M
Plug & Produce
Virtualization / HMI
Robustness
Flexibility and scaleability
Automation
Business
Communities
Social
Communities Cooperation
4. Industrial Revolution
Collaboration
productivity • Human - Human
• Human - Machine
• Machine - Machine
Cognitive
System
‚Single-source
of truth‘
Flexible Software-
as-a-Service
Seite 62 © WZL/Fraunhofer IPT
Alternatives for starting a collaboration
Identification of areas in
Production with potentials
for application of i4.0
Weakness-based
identification of fields for
application of i4.0
Inside-Out
Outside-In
„Jobs to be done“
in Production
Industrie 4.0
Innovation areas
Idea generation
and -assessment
Analysis of weaknesses
and -prioritization
Derivation of
fields of action
Assessment and
Prioritization
+
Informationsgen
erierung
Ziel
x x 1 2
x x 0 2
x x 1 4
x x 2 4
x x 1 1
x x 0 3
Nicht
relevant
Single source of truth
Liegen Daten im Sinne einer
Single Source of Truth an
einem zentralen, führenden
System redundanzfrei vor?
Nein Separate Excel-Listen
IT-Systemlandschaft mit
Medienbrüchen bei der
Datenübertragung (z.B.
manuelle Eingabe von Daten
in ERP-System)
Führendes IT-System,
Grenzen und
Handlungsregeln definiert,
jedoch keine
standardisierten
Schnittstellen (z.B. OPC)
Klar definierte IT-
Systemlandschaft, Grenzen
und Handlungsregeln
definiert, standardisierte
Schnittstellen (z.B. OPC)
Single source of truth
Wie werden Parameter des
Fertigungsprozesses vor der
Bearbeitung festgelegt?
Erfahrungswert
Maschinenbediener
Maschinenbediener wird
durch Sensorik unterstützt
Maschinenbediener legt
Analyseprogramm fest
Selbstständige Auswahl und
Lauf eines
Analyseprogramms
Selbstständige Auswahl und
Lauf eines
Analyseprogramms mit
Optimierungsfunktion
Digitale horizontale und
vertikale Integration der
Wertschöpfungskette
Keine virtuelle/digitale
Abbildung von
Produktionsressourcen
Nur einzelne selektive
Maschinen werden digital
abgebildet
Es existiert ein integriertes
digitales Abbild des
gesamten Maschinenparks
Sensorik, Rückmeldung
Maschinensteuerung
Wie bilden Sie die reale
Produktionssituation in
Bezug zu dem Auftagsstatus
systemseitig ab?
Manuell durch
papierbasierte
Rückmeldungen mit großem
Zeitversatz
Manuell durch Eintippen an
Terminals von Einzelstati
Manuell durch Scannen von
Einzelstati
Automatisch an definierten
Messpunkten
(Lichtschranken,…), passive
Sensorik auf
Artikel/Material
Permanent durch bspw. RTLS-
Systeme oder Geodaten aller
Artikel (aktive Sensorik auf
Artikel/Material)
Existiert ein integriertes
virtuelles Abbild der
Produktionsressourcen?
(Produktionscockpit)
Digitale horizontale und
vertikale Integration der
Wertschöpfungskette
Bei wie viel Prozent der
Datenübertragungen zu
Kunden oder Lieferanten
nutzen Sie EDI (Electronic-
Data-Interchange)?
Kein EDI Einsatz <25% 25-49% 50-74% >75%
„Erzeugung und Verfügbarkeit von Daten und Informationen zu allen
Aktivitäten in Echtzeit.“0 1 2 3 4
Automatische
Rückmeldedaten am BDE-
Terminal (sensorunterstützt)
Automatisierte Schnittstellen
aus Maschinendaten /
Sensor ohne Aufwand für
Mitarbeiter
1i - Informationsgenerierung
Auswertung
Sensorik, Rückmeldung
Maschinensteuerung
Wie erfolgt die Erfassung
der Rückmeldedaten in
Ihrer Produktion?
Rückmeldedaten werden
nicht erfasstRückmeldedaten werden
manuell erfasst (Papier)
Manuelle Rückmeldung am
BDE-Terminal (Auftragsnr.)
3
3
4
4
3
3
Attractive
fields for application in
Industrie 4.0