Potenziale und Hürden von Data Analytics

In der Großserienfertigung von elektrifizierten Fahrzeugen stellt die zunehmende Komplexität eine große Herausforderung dar. Der hohe Prüfaufwand zur Sicherstellung der Qualität des elektrifizierten Antriebsstrangs muss reduziert werden, um auch künftig konkurrenzfähig zu sein. Ein beschleunigter Wissensaufbau bezüglich Fertigungstechnologien und Prozesse kann durch Industrie 4.0-Ansätze, insbesondere Data Analytics, unterstützt werden. Derzeit kann der gewünschte Nutzen von Data Analytics in der Großserienfertigung nicht erzielt werden. In diesem Beitrag werden die Ergebnisse einer Expertenstudie vorgestellt, die sich mit den Potenzialen und Hürden von Data Analytics in der Großserienfertigung, insbesondere bei der Antriebsfertigung für elektrifizierte Fahrzeuge, befasst.

Bei der zunehmenden Elektrifizierung der Produktpalette ergeben sich Chancen gegenüber anderen Herstellern, da diese durch neuartigen Technologien kundenrelevante Differenzierungsmöglichkeiten hinsichtlich Leistung, Kosten und Qualität der Produkte im Automobilsektor bieten [1]. In der Antriebsfertigung von Elektromobilkomponenten steigert zunehmender Variantenreichtum sowie die geforderte Skalierbarkeit die Komplexität der Produktionsprozesse und -systeme [2]. Zur Sicherstellung der erforderlichen Qualität des elektrifizierten Antriebsstrangs fällt derzeit ein erheblicher Anteil der Investitions- und Fertigungskosten für Zwischen- und Endprüfungen an. Um auch künftig konkurrenzfähig zu sein, müssen Prüfzeiten, Anzahl der Prüfungen und Einmalaufwendungen reduziert werden.

Motivation und Stand der Technik

Ansätze der Industrie 4.0 bieten Chancen, den erforderlichen Wissensaufbau zu beschleunigen. In einer großen Anzahl an Arbeiten konnte bereits von Erfolgen berichtet werden [3]. Data Analytics besitzt das Potenzial, die verfügbaren Prüfergebnisse und Prozessdaten für den Wissensaufbau im Hinblick auf Qualität und Effizienz der Fertigung sowie der Prüfverfahren einzusetzen. Es gibt eine Reihe von Arbeiten zum Aufbau von IoT-Architekturen zur Datenerfassung [4], zum Einsatz unterschiedlicher Algorithmen für Anwendungsfälle wie z. B. Predictive Maintenance [5, 6] und zu intelligenten Cyber-Physical Systems [7]. Auch existieren Vorgehensmodelle für die Durchführung von Data Analytics aus dem IT-Bereich. Hier ist insbesondere der Cross-Industry Standard Process for Data Mining (CRISP-DM) [8] zu nennen, der bereits weite Verwendung findet.

Für die Großserienfertigung existieren bislang nur funktionsfähige Einzelanwendungen von Data Analytics. Beim Einsatz von Data Analytics zur Problemlösung oder zur Reduktion von Prüfaufwänden kommt es zu Ergebnissen, die nicht den anfänglichen Erwartungen entsprechen. Dies spiegelt die hohe Abbruchquote (> 60 %) bei Big-Data-Projekten wider [9].

Um einen fundierten Überblick zu erhalten, wurde eine Studie zur Ermittlung der Potenziale und Hürden von Data Analytics in der Großserienfertigung am Beispiel der Antriebsfertigung von elektrifizierten Fahrzeugen durchgeführt.

Rahmenbedingungen der Studie

Die Studie basiert auf einer schriftlichen Onlineumfrage bei freiwilligen Probanden, die sich professionell mit der Serienfertigung von E-Antriebskomponenten beschäftigen und bereits Erfahrungen in der Durchführung von Projekten aus dem Industrie 4.0-Umfeld besitzen. Die Onlineumfrage wurde mittels SoSci Survey (Soscisurvey Bearbeitungszeit etwa 15 Minuten) durchgeführt. Die Umfrage wurde in der Zeit von Juni bis August 2018 online von 57 Teilnehmern vollständig bearbeitet. Die Teilnehmer waren hauptsächlich Experten deutscher Original Equipment Manufacturer (OEM) aus dem Automobilsektor (Bild 1a). Auch Experten aus Forschung und Zuliefererindustrie nahmen teil.

Bild 1b zeigt, dass die Teilnehmer nach Tätigkeitsfeldern einen Querschnitt der an der Serienfertigung beteiligten Fachbereiche darstellen. Dies wird der interdisziplinären Problemstellung gerecht. Die größten Teilnehmergruppen kommen aus Technologieentwicklung, IT, Forschung und Qualitätswesen.

Hier weiterlesen

Das könnte Sie auch interessieren

Digitale Zukunft der Produktion aus Berlin Mercedes-Benz setzt neue Maßstäbe in der Motorenfertigung

Mit dem neuen Axial-Fluss-Motor und dem Digital Factory Campus zeigt Mercedes-Benz, wie Zukunft heute bereits Realität wird. Im ältesten noch produzierenden Werk des Automobilkonzerns in Berlin-Marienfelde trifft technologische Exzellenz auf Leidenschaft für Innovation. Entstanden ist mehr als ein neuer Antrieb: ein starkes Zeichen dafür, wie aus visionären Ideen eine neue industrielle Realität wächst.

Lernfabrik Globale Produktion Karlsuher Institut für Technologie

Lernfabriken machen digitale Technologien greifbar – vom ersten Test bis zur Anwendung im eigenen Betrieb. Unsere Serie stellt Orte vor, an denen Interessierte Wissen aufbauen, Vertrauen gewinnen und Veränderung aktiv gestalten können. An dieser Stelle wird die Lernfabrik Globale Produktion am Karlsruher Institut für Technologie vorgestellt, die sich u. a. durch reale Produkte und eine vollständige Prozesskette ohne Blackboxen auszeichnet.

Digitaler Produktpass: Von der Pflicht zum Mehrwert DPP4.0 macht Produktprozesse interoperabel

Der Digitale Produktpass wird für immer mehr Unternehmen zur Voraussetzung für den europäischen Marktzugang. Welche Informationen für einzelne Produktgruppen konkret bereitzustellen sind, wird dabei erst schrittweise festgelegt. Doch Unternehmen können bereits heute wichtige Grundlagen schaffen. Der Ansatz des DPP4.0 verbindet die regulatorischen Anforderungen mit den Prinzipien von Industrie 4.0.

R-Grading in Factory-X: Infrastruktur für Zirkularität Daten als Schlüssel für langlebige Maschinen und Komponenten

Gebrauchte Maschinenkomponenten werden heute oft noch nach Erfahrung statt auf Basis valider Daten weiterverwendet, repariert, aufgearbeitet oder recycelt. Der sichere Austausch von Nutzungs- und Zustandsdaten entlang der gesamten Wertschöpfungskette ermöglicht fundierte R-Entscheidungen, schafft Transparenz entlang der Wertschöpfungskette und unterstützt eine ressourcenschonende Kreislaufwirtschaft mit mehr Effizienz und weniger Materialverlust.

Plug&Play für Produktionsmodule – geht das? MTP als Potential für die Produktion

MTP verspricht mehr als eine vereinfachte Maschinenintegration: Produktionsmodule sollen ihre Funktionen und Schnittstellen standardisiert und maschinenlesbar bereitstellen – ähnlich wie Plug & Play in der Bürowelt. Doch wie schnell lässt sich die Technologie erlernen und praktisch einsetzen? Ein Bildungsexperiment an der Hochschule Pforzheim liefert überraschende Erkenntnisse und zeigt das Potenzial von MTP für den Maschinen- und Anlagenbau.

Sichere KI für resiliente Unternehmensprozesse Von der Vision zur nachhaltigen Umsetzung

Die digitale Transformation verläuft für jedes Unternehmen unterschiedlich und erfordert einen individuellen Weg, der zur eigenen Ausgangslage passt. Entscheidend ist eine klare Strategie: Wo steht das Unternehmen heute, wo soll es hin und welche Maßnahmen sind dafür nötig? Besonders KMU stehen vor der Herausforderung, Digitalisierung strukturiert zu planen, Verantwortlichkeiten zu klären und neue Technologien sinnvoll einzusetzen.