Industrie 4.0 in der Demonstrationsfabrik Aachen Thomas Hempel, M.Sc. Fellbach, 30. September 2015
Agenda 1 Demonstrationsfabrik im RWTH Aachen Campus Cluster Logistik 2 Industrie 4.0 Use Cases aus ProSense 3 Weitere Industrie 4.0 Use Cases 4 Kontakt Seite 2
Agenda 1 Demonstrationsfabrik im RWTH Aachen Campus Cluster Logistik 2 Industrie 4.0 Use Cases aus ProSense 3 Weitere Industrie 4.0 Use Cases 4 Kontakt Seite 3
Im Cluster Logistik auf dem RWTH Aachen Campus arbeiten Industrie und Hochschule inhaltlich und räumlich eng zusammen Zielsetzung Zielsetzung des Campus-Clusters Logistik ist es, komplexe Zusammenhänge in Logistik, Produktion und Dienstleistung erleb- und erforschbar zu machen. Dazu werden die Gesamtheit der inner- und überbetrieblichen Waren- und Informationsflüsse sowie der Austausch von Dienstleistungen betrachtet. Räumliche Positionierung Cluster Logistik Eckdaten Gebäudeansicht (Rückseite) Clusterleitung: FIR e. V. an der RWTH Aachen Clusterleiter: Prof. Dr.-Ing. Volker Stich Grundfläche: ca. 19 000 m 2 Nutzfläche: ca. 40 000 m 2 Hohes Commitment der immatrikulierten Partner Gemeinsame Demonstrationsumgebungen Bezug des neuen Gebäudes 2013 Seite 4
Forschung und Weiterbildung in einer realen Produktion machen die Einzigartigkeit der Demonstrationsfabrik aus Konzept der Demonstrationsfabrik Forschung Experiment basierte Produktionsforschung Langzeitstudien von Produktionsdaten Validierung der Forschungsergebnisse in realer Produktion Anwendungsorientierte Forschung Experimentelle Produktion Produktion von Kleinserien Herstellung marktfähiger Produkte Veränderbare Konfiguration der Produktion Variation von Produktionsparametern Weiterbildung Weiterbildung in realer Produktionsumgebung Lernstatt in der Werkstatt Realdatenschulung Partizipatives Lernkonzept für die industrielle Weiterbildung Seite 5
Die Betriebsmittel der Demonstrationsfabrik decken die Prozesse des Karosseriebaus und der Montage ab Übersicht Hochregallager Palettenlager und Blechlager Kommissionierlager (Pick-by-Voice) Manuelle Kleinserienmontage Manuelle Montagestationen Kitting und Kanban Automobilmontage Vier manuelle Montagestationen Manipulatoren und Vorrichtungen für z. B. Cockpit- und Fenstereinbau Hebebühne n als Hochzeitstation Karosseriebaulinie Vier manuelle Schweißstationen Flexibles Framing Widerstandspunktschweißen, CMT, MAG, WIG Blechbearbeitung Laserschneidanlage Abkantpresse Robotergestütztes 3D- Laserschweißen Seite 6
In der Demonstrationsfabrik werden u.a. Teile der Karosse der Produkte von e.go gefertigt Mehr Infos unter http://www.ego-ag.com/ Seite 7
Im Zentrum des Cluster verbindet die Demonstrationsfabrik die reale Produktion mit innovativen Systemlösungen Forschung in realen Produktionssystemen Demonstrationsfabrik Aachen (DFA) Zielsetzung: Generierung von Bewegungsdaten aus dem realen Produktionsbetrieb zur Weiterverwendung in den Innovation-Labs Aufgabe: Produktion verkaufsfähiger Produkte unter Anwendung der Lösungen und Konzepte aus den Innovation-Labs ERP-Innovation-Lab Zielsetzung: Integration von ERP-Systemen Leitfrage: Welche Systeme, Technologien und Standards sind erforderlich, um einen optimalen Informationsaustausch in Logistiknetzwerken zu realisieren? Smart-Objects-Innovation-Lab Zielsetzung: Integration intelligenter Objekte in IT-Systeme Leitfrage: Welche Technologien und Standards ermöglichen Hochauflösung und Echtzeitfähigkeit in logistischen Prozessen? Zielsetzung: Service-Innovation Service-Science-Innovation-Lab Leitfrage: Wie können Innovationen für und mit Dienstleistungen durch Nutzung modernster Verfahren und Techniken erfolgreich realisiert werden? In der Fabrik werden Potenziale innovativer Hard- und Softwarelösungen validiert und demonstriert. Seite 8
Agenda 1 Demonstrationsfabrik im RWTH Aachen Campus Cluster Logistik 2 Industrie 4.0 Use Cases aus ProSense 3 Weitere Industrie 4.0 Use Cases 4 Kontakt Seite 9
Übersicht der ProSense Use Cases in der Demonstrationsfabrik Aachen EM3 Mat EM2 Mat EM1 Mat Bandschleifer Prüfstand Schweißbereich Lagerbereich Achsmessstand Absauganlage Leistungsprüfstand Endmontage Montage Station 1 Vormontage Framing Station 4 Station 3 Station Montage Station 2 Station 1 Kragarmlager KLT KLT KLT KLT Kommissionierung Bestücken Palettenregal mit Kleinteil-Durchlauf Palettenregal mit Kleinteil-Durchlauf Gabelstapler Ladestation Palettenregal Palettenregal Palettenregal Palettenregal Palettenregal Palettenregal Blechlager Use Case 1 Automatisierte Ermittlung von Übergangszeiten Station 2 Montagebereich Kantbereich Kommissionierung Abholung Warenausgang Wareneingang Laserschneidbereich Use Case 2 Automatisierte Erfassung von Bearbeitungszeiten 3 VM3 Mat.V3 Abholung 1 Endmontage VM2 Mat.V2 1 Endmontage VM1 Mat.V1 Bandsäge Rotationswechsler Ständerbohrmaschine Doppelschleifbock 2 Werkbank Kabine Schweißtisch 1 Fertigung 1 Fertigung TRUMPF Laserschneidanlage TruLaser 5030 1 Use Case 3 Einhaltung der Auftragsreihenfolge in der für eine variantenreiche Montage TruDisk 4001 REIS Laserschutzkabine Biegewerkz. TRUMPF TruBend 500 SX x Use Cases Laserscanner Terminal Tag/Sensor- Interaktion Barcode-Scanner Seite 10
[min] Use Case 1: Automatisierte Ermittlung von Übergangszeiten Ausgangssituation sfläche 1 Liegezeiten stellen typischerweise 90-95% der Durchlaufzeit eines Auftrags dar. Ihre exakte Dauer kann aber oft nur indirekt bestimmt werden. Der aktuelle Aufenthaltsort des Auftrags/ Materials ist während der Fertigung häufig nicht exakt bekannt. Forschungsfrage Wie kann die Feinplanung in der Fertigungssteuerung durch eine exakte Bestimmung von Übergangszeiten verbessert werden? sfläche 2 Heute Übergangszeiten werden nur in ca. 20% aller Betriebe ermittelt Intelligente Rückmeldetechnologien zur automatisierten Erfassung der Zeiten finden kaum Anwendung Es fehlt ein kontinuierlicher Abgleich zwischen Planung (z.b. mittelwertbasierte Übergangszeiten) und Realität Industrie 4.0 Kostengünstige RFID- Technologien erleichtern die automatisierte Zeiterfassung Die Kenntnis von Übergangszeiten in Kombination mit Bearbeitungszeiten in Echtzeit liefert ein verlässliches Bild der Ist- Situation und ermöglicht die Aufdeckung von Schwachstellen in der Produktionssteuerung 30,0 25,0 20,0 15,0 10,0 5,0 0,0 Liegezeit nach Laserschneiden Transportzeit Wartezeit vor Kantbank Bearbeitungszeit Kantbank Liegezeit nach Kantbank Streuung der Zeitanteile der Übergangszeit Seite 11
[min] Use Case 2: Automatisierte Erfassung von Bearbeitungszeiten Ausgangssituation Die An- und Abmeldung zur Erfassung der Bearbeitungszeit von Fertigungsaufträgen erfolgt meist manuell an einem zentralen Terminal Eine präzise und einfache Zeiterfassung muss automatisiert und dezentral erfolgen Forschungsfrage Wie kann die Feinplanung in der Fertigungssteuerung durch eine exakte Bestimmung von Bearbeitungszeiten verbessert werden? Heute Die Plan- bzw. Rückmeldezeiten in der mechanischen Fertigung entsprechen nicht den tatsächlichen Zeiten der Fertigung Rückmeldungen erfolgen manuell und in Abhängigkeit des individuellen Prozesses Die Feinplanung basiert auf fehlerhaften Zeiten und kommt zu abweichenden Ergebnissen Industrie 4.0 Arbeitsplätze sind einem Sensorsystem zur Erfassung von Aufträgen ausgestattet Die Sensorik registriert sowohl die Ablage als auch die Wegnahme der Auftragspapiere Die manuelle Aufschreibung der Bearbeitungszeiten entfällt Die rückgemeldeten Zeiten entsprechen den tatsächlichen Bearbeitungszeiten 12,00 10,00 8,00 6,00 4,00 2,00 0,00-2,00-4,00-6,00 Aufträge Tatsächliche Bearbeitungszeit Kantbank [min] Geschätzte Bearbeitungszeit Kantbank [min] Abweichung Konvergenz der geschätzten Bearbeitungszeit auf Basis von Rückmeldedaten Seite 12
Use Case 3: Einhaltung der Auftragsreihenfolge in der für eine variantenreiche Montage Ausgangssituation Häufige Verwechslung der Auftragsreihenfolge bei der von Kommissionen Verwechslungsgefahr bei der Zuordnung von Kommissionen zu Montageaufträgen Forschungsfrage Wie können Störungen durch die automatisierte Einhaltung der Auftragsreihenfolge minimiert werden? Heute Fehlteile sind in der variantenreichen Einzel- und Kleinserienfertigung ein großes Problem Monteure müssen Zeit mit Suchaufwänden verbringen, wenn die sreihenfolge nicht eingehalten wird Industrie 4.0 Kommissionierwagen sind mit RFID- Tags ausgestattet, die einen Auftragsbezug enthalten Beim Passieren der ersten Montagestation meldet sich der Kommissionierwagen automatisch über installierte Sensorik an Der Kommissionierwagen wird mit dem Montageauftrag im ERP-System abgeglichen und die Zuordnung wird geprüft Seite 13
Agenda 1 Demonstrationsfabrik im RWTH Aachen Campus Cluster Logistik 2 Industrie 4.0 Use Cases aus ProSense 3 Weitere Industrie 4.0 Use Cases 4 Kontakt Seite 14
Die bedarfsgerechte dezentrale von Produktionsinformationen erhöht die Effizienz in der variantenreichen Produktion Adaptive Montageanweisungen Nutzung von 3D-CAD-Modellen zur anschaulichen Vermittlung von Montagevorgängen Bauteilintegrierte Fertigungsinformation Beschriftung der Blechteile mit einem individuellen Barcode (Teilenummer) während des Laserschneidprozesses Automatisierte Generierung von Montageanweisungen auf Basis des CAD-Modells und Verknüpfung mit ERP- Arbeitsplänen Virtuelle und dynamische Darstellung der Montageschritte in Abhängigkeit von Varianz und Qualifikation Informationsbereitstellung zu Montagevorgängen Material Werkzeug Über die Teilenummer wird jedem Bauteil das individuelle Fertigungsprogramm an der Kantbank zugewiesen Über das Scannen des Bauteils wird das Fertigungsprogramm automatisch in die Steuerung der Kantbank geladen Informationsbereitstellung von Fertigungsprogrammen Bauteilinformationen Adaptive Informationsbereitstellung in der Montage Gekantetes Teil Seite 15
Die intuitive von kontextabhängigen Informationen ermöglicht eine situationsabhängige Regelung und Steuerung Rückmeldedatenbasierte Analyse der PPS Hochladen aktueller Rückmeldedaten ins Tool WOPS+ Kommissionierung mit Pick by Voice / Pick by Vision Logistiker ist mit Head-Set bzw. Datenbrille ausgestattet Schaffung von Transparenz über die aktuelle Produktion durch visuelle Darstellung des Ist-Zustands Zur Abarbeitung der Pick-Liste werden mittels Datenbrille situativ Informationen über die physische Umgebung gelegt Simulation unterschiedlicher Produktionssteuerungskonfigurationen Bestimmung der optimalen Steuerung und hierdurch Ableitung von Verbesserungsvorschlägen Rückmeldedaten aus ERP-System Handling-freie Informationsbereitstellung minimiert Pick-Fehler und SAP-Anbindung ermöglicht direkte System-Rückmeldung Informationsbereitstellung von Artikel Lagerort Stückzahl Aisle 2A Informationsbereitstellung von Produktionssteuerungskonfigurationen Verbesserungsvorschlägen Visuelle Informationen zum Kommissioniervorgang Shelf 4 Storage bin 4-02-05-09 20 Material 330 Kette lang Seite 16
Agenda 1 Demonstrationsfabrik im RWTH Aachen Campus Cluster Logistik 2 Industrie 4.0 Use Cases aus ProSense 3 Weitere Industrie 4.0 Use Cases 4 Kontakt Seite 17
Herzlichen Dank! Thomas Hempel, M.Sc. Wissenschaftlicher Mitarbeiter Gruppe Produktionslogistik (WZL) Projektleiter Demonstrationsfabrik Aachen Tel.: + 49 (0) 241/ 80 20 394 Fax: + 49 (0) 241/ 80 222 93 Mail: T.Hempel@wzl.rwth-aachen.de Web: www.demofabrik-aachen.de/
Weitere Informationen zu den Use Cases und zum Projekt: Abschlussfilm Projektbericht http://www.prosense.info Kernergebnisse Multimediale Darstellung der Use Cases Seite 19