Wer in der Fertigungsindustrie mit Produktionssteuerung und -technik zu tun hat, hört in diesen Tagen immer öfter den Begriff "Smart Factory". Das Konzept dieser intelligenten Fabrik ist recht weit gefasst, und es gibt Fälle, in denen die Bedeutung der einzelnen Positionen unterschiedlich ist. Darüber hinaus gibt es Bestrebungen seitens der Regierung, eine Vorreiterrolle bei der Entwicklung einer intelligenteren Industrie zu übernehmen. Im Folgenden werden wir die allgemeine Definition von intelligenten Fabriken, die Probleme der gegenwärtigen Fertigungsindustrie, den Fahrplan der Regierung für eine intelligentere Industrie, spezifische Beispiele für Fahrpläne und Beispiele für die Einführung vor Ort vorstellen.
Was ist eine intelligente Fabrik?
Eine intelligente Fabrik ist eine fortschrittliche Fabrik, die die von der deutschen Regierung befürwortete Industrie 4.0 umsetzt. Konkret geht es um die Einführung von Robotern, künstlicher Intelligenz (KI), IoT (Internet der Dinge) usw. für unbemannte Fabriken und die Verbesserung von Produktivität und Qualität. Mit anderen Worten: Ziel ist es, die Automatisierung bestehender Fabriken weiter voranzutreiben und anspruchsvollere Produktionssysteme aufzubauen.
Aktuelle Herausforderungen in der Fertigung und der Fahrplan für die intelligente Fabrik
Dieser intelligenten Fabrik wird ein großer Einfluss auf die japanische Industrie zugesprochen, und das Ministerium für Wirtschaft, Handel und Industrie hat 2017 einen Bericht mit dem Titel "Manufacturing Smart Roadmap Survey" erstellt. In dieser Roadmap werden aktuelle Themen wie Qualitätsverbesserung, Kostensenkung, Produktivitätsverbesserung, Verkürzung der Zeitspanne, Personalknappheit, Verbesserung der Wertschöpfung/des bereitgestellten Wertes, Risikomanagement/Rückverfolgbarkeit und deren Lösungen aufgezeigt. Es wird beschrieben, wie die Fertigung in 20 bis 30 Jahren aussehen sollte und welche Probleme dazu führen. Darüber hinaus werden die folgenden dreistufigen Lösungen für diese Herausforderungen vorgestellt.
Datenerhebung / -akkumulation
Durch Extraktion und Visualisierung nützlicher Informationen sollen die gewonnenen Erkenntnisse in Know-how und Wissen umgewandelt werden. Die Idee ist zum Beispiel, eine große Menge an Daten zu sammeln, indem man die Inspektion automatisiert und sie mit Grafiken und Diagrammen organisiert.
Datenanalyse/Vorhersage
Durch die Analyse und das Lernen einer großen Menge von Informationen ist es möglich, die Faktoren eines Phänomens zu ermitteln, das Phänomen zu modellieren und Zukunftsprognosen zu erstellen. Dazu gehört die Analyse von Daten durch Faktorenanalyse, statistische Analyse oder maschinelles Lernen durch künstliche Intelligenz.
Datenkontrolle / Optimierung
Es geht darum, auf der Grundlage der Analyse- und Vorhersageergebnisse die beste Entscheidung und Ausführung zu treffen. Ein Beispiel ist die Verbesserung der durch die Analyse gefundenen Mängel.
Auf diese Weise können wir sehen, dass "Daten" für die Realisierung von intelligenten Fabriken sehr wichtig sind. In der früheren "Automatisierung" wurden nur numerische Daten wie Abmessungen und Gewicht verwendet, aber "Daten" werden hier breiter gefasst. Man kann sagen, dass es sich um eine Quantifizierung der "Dinge, die im Produktionssystem vorkommen" handelt, wie z. B. Bilder, Geräusche und Bewegungen von Menschen, sowie um numerische Daten. Dank der enormen Entwicklung der IT-Ausrüstung in den letzten Jahren ist es möglich geworden, solche Daten zu verarbeiten. Man kann sagen, dass intelligente Fabriken durch den Durchbruch der IT-Technologie realisiert werden können.
Ein konkretes Beispiel für einen Fahrplan
Betrachten wir nun die drei oben genannten Schritte genauer. Wenn das Thema des Produktionssystems beispielsweise "Qualitätsverbesserung" lautet, ist zur Verbesserung der Qualität eine "Verringerung der Fehlerquote" erforderlich. Dazu sammeln wir zunächst Daten, indem wir Bedienerfehler erkennen und Fehler bearbeiten. Dies ist die Phase der "Datenerfassung/-akkumulation". Anschließend analysieren wir in der Phase "Datenanalyse/Vorhersage" vergangene Fehler und Verarbeitungsfehler und ermitteln Prozesse, bei denen Fehler und Verarbeitungsfehler wahrscheinlich auftreten werden. Als Nächstes schulen wir die Mitarbeiter, die Fehler gemacht haben, und nehmen Konstruktionsänderungen vor, um Prozesse zu vermeiden, bei denen Verarbeitungsfehler aufgetreten sind. Dies ist die Phase der "Datenkontrolle/Optimierung".
Konkrete Beispiele für die Bemühungen auf der Feldebene
Welche Anstrengungen werden in diesem Bereich unternommen, um eine solche intelligente Fabrik zu realisieren?
In einem Zerspanungsbetrieb wurden Werkzeugmaschinen über ein Netzwerk verbunden, um eine Funktion zur Überprüfung des Bearbeitungsstatus und zur Benachrichtigung über das Ende der Bearbeitung bereitzustellen. Dies ist das sogenannte IoT. Dies hat es möglich gemacht, dass eine Person für mehrere Werkzeugmaschinen zuständig ist.
Darüber hinaus kann die Bearbeitungszeit erfasst und als Daten gespeichert werden. Dies entspricht dem "Sammeln und Akkumulieren von Daten". Durch die Analyse der erfassten Daten wird es dann möglich, die Bearbeitungszeit zu optimieren. Sie sehen, dass "Datenanalyse/Prädiktion" und "Datenkontrolle/Optimierung" durchgeführt werden. Durch die Wiederholung dieser drei Schritte waren wir in der Lage, die Bearbeitungsbedingungen und die Bearbeitungszeit täglich zu optimieren, die Produktivität zu steigern und die Herstellungskosten zu senken.
In ähnlicher Weise wurde ein Sensor an der Werkzeugmaschine (hier die Schleifmaschine, die das Polieren durchführt) angebracht, so dass die während des Polierens aufgebrachte Polierkraft gemessen, erfasst und als Daten gespeichert werden kann. Durch die Analyse der gesammelten Daten war es wiederum möglich, die Bearbeitungsbedingungen zu optimieren. Sie können sehen, dass das Glätten erfolgreich ist, wenn die gleichen Schritte wie zuvor durchgeführt werden.
Diese Bemühungen auf der Feldebene sind eine Erweiterung der bestehenden Kostensenkungsmaßnahmen auf der Feldebene, aber das eigentliche Ziel der intelligenten Fabriken ist die Förderung von Intelligenz und Automatisierung in der gesamten Produktlieferkette. Darin liegt ein Vorteil. Wenn die gesamte Produktlieferkette intelligenter wird, wird auch die Fertigung viel effizienter und datengestützter werden. Dabei ist jedoch zu beachten, dass die japanische Fertigungsindustrie nicht nur von großen Unternehmen mit vielen Fabriken und großen Lieferketten getragen wird, sondern auch von KMU und städtischen Fabriken. Für die Entwicklung des japanischen verarbeitenden Gewerbes ist es daher unerläßlich, diese kleinen und mittleren Unternehmen und städtischen Fabriken einzubeziehen.
Intelligente Fabrik und edge computing
Wie bereits erwähnt, sind Daten in intelligenten Fabriken sehr wichtig. Man kann sagen, dass das Sammeln von Daten einer der Schlüssel zur Intelligenz ist. Wenn es jedoch darum geht, eine intelligente Fabrik zu realisieren, die die gesamte Lieferkette abdeckt, ist die Menge der Daten enorm. Darüber hinaus ist es notwendig, diese schnell zu verarbeiten. Vor diesem Hintergrund ist cloud für die Datenerfassung, -analyse und -speicherung unverzichtbar, aber es kann schwierig sein, die Fabrik mit cloud zu verbinden. edge computing ein, wo Sie die Daten reibungslos analysieren und verarbeiten können.
Das Konzept der intelligenten Fabrik ist breit und tief
Dieses Mal habe ich einen kleinen Teil des Konzepts der intelligenten Fabrik vorgestellt. Das Konzept der intelligenten Fabriken bleibt jedoch nicht dabei stehen. Wie bereits erwähnt, ist das Konzept der intelligenten Fabriken die Idee der intelligenten Fabriken, die darauf abzielen, die im Text genannten Probleme zu lösen und zu verbessern. Sozusagen alle technischen Bemühungen zur Weiterentwicklung der Fabrik können als intelligente Fabrik bezeichnet werden.
