Im Bereich Mobilität sind in den vergangenen Jahren enorme Innovationssprünge zu verzeichnen. Die Leistungsfähigkeit von Assistenzsystemen, besonders im Automobilsektor, wird immer mehr zu einem zentralen Verkaufsargument und erfährt eine zunehmende mediale Aufmerksamkeit sowohl im wissenschaftlichen als auch im nichtwissenschaftlichen Bereich. Die Umsetzung von autonomen Fahrzeugen erfordert die Weiterentwicklung und Integration modernster Technologien, die bspw. eine Situationserkennung und Entscheidungsfindung ermöglichen. Experteneinschätzungen über die Umsetzbarkeit solcher autonomen Systeme in der nahen Zukunft divergieren stark und werden durch gesellschaftliche bzw. ethische Fragestellungen begleitet [1]. Neben dem autonomen Fahren existieren weitere Anwendungsbereiche für autonome Systeme, die einen ebenso großen gesellschaftlichen Wandel auslösen können, allen voran die industrielle Produktion. Als Motor für den Wohlstand in Deutschland ist es von enormer Wichtigkeit, die Einsatz- und Nutzenpotenziale autonomer Systeme für die industrielle Produktion zu erkennen und die Umsetzung entsprechender Systeme systematisch zu planen. Die Entwickler solcher Systeme stehen dabei vor der Herausforderung, die steigende Komplexität im Entwicklungsprozess zu beherrschen.

Autonome Systeme für die Produktion

Der digitale Wandel im Maschinen- und Anlagenbau ist durch einen zunehmenden Einsatz von Informations- und Kommunikationstechnik geprägt. Es entstehen neue Möglichkeiten zum einen für die Verbesserungen einzelner Maschinen und Anlagen, zum anderen für die Leistungssteigerung kompletter Wertschöpfungsprozesse. Die Vernetzung der technischen Systeme sowie die Verschmelzung von virtueller und physikalischer Welt werden dabei im Kontext der industriellen Produktion unter dem Begriff CyberPhysical Systems (CPS) zusammengefasst. CPS sind offene, vernetzte Systeme, die mittels Sensorik Daten über den Zustand der physikalischen Welt erfassen, diese interpretieren und für digitale Dienste verfügbar machen. Über Aktoren können die Systeme direkt auf Prozesse in der physikalischen Welt einwirken und damit das Verhalten von Komponenten, Anlagen und Diensten steuern [2]. Durch den zunehmenden Einsatz von CPS in der industriellen Produktion vollzieht sich derzeit ein tiefgreifender Wandel. Der Begriff Industrie 4.0 steht für diesen Wandel und bezeichnet eine neue Stufe der Organisation und Steuerung komplexer Wertschöpfungsnetzwerke [3]. CPS sind dabei die wesentlichen Wegbereiter, deren konsequente Weiterentwicklung in der Umsetzung von autonomen Systemen mündet.

Notwendig werden solche Systeme unter anderem aufgrund der zunehmenden Nachfrage nach kundenindividuellen Produkten bei gleichzeitig sinkenden Fertigungskosten, welche sich nur mithilfe einer wandelbaren und flexiblen Fertigung umsetzen lassen. Das Ziel sind intelligente und vernetzte Fabriken, die in dynamischen Wertschöpfungsketten agieren und sich laufend selbst optimieren und so trotz individualisierter Produktion eine Senkung der Kosten ermöglichen. Solche intelligenten Fabriken werden auf den Einsatz autonomer Systeme und deren enger Verzahnung angewiesen sein.

Ein prominentes Beispiel sind fahrerlose Transportsysteme, die eine bedarfsgerechte und effiziente Bereitstellung von Waren ermöglichen. Durch die Integration von maschinellen Lernverfahren und Ansätzen wie der Schwarmintelligenz werden diese Systeme zukünftig auch ohne zentrale Leitstellen auskommen und ihre Aufgaben vollständig autonom und dezentral abwickeln können. Durch eine dynamische Vernetzung der einzelnen Teilsysteme (Maschinen und Anlagen, Transport- und Wartungssysteme, Auftragsabwicklungssysteme etc.) ohne die Notwendigkeit von menschlichem Eingreifen, wird der Weg zu einer vollständig autonomen und standortübergreifenden industriellen Fertigung im Sinne der intelligenten Fabrik geebnet.

Ein weiteres Anwendungsbeispiel für autonome Systeme in der Produktion sind Maschinen und Anlagen, die laufend den eigenen Zustand sowie die Umgebungsdaten erfassen und auf Basis von Datenanalyse- und maschinellen Lernverfahren die Fertigungsprozesse bedarfsgerecht rekonfigurieren und optimieren können, um so flexibel auf eingehende Aufträge zu reagieren. Ein reales Beispiel aus der industriellen Anwendung sind Industriezentrifugen, sog. Separatoren. Separatoren dienen zur mechanischen Trennung von mehreren Phasen mit unterschiedlichen Dichten im zugeführten Rohprodukt. Im Projekt „Separator i4.0“, an dem das Fraunhofer IEM als Forschungspartner beteiligt war, wurde ein solcher Separator von einem mechatronischen System zu einem intelligenten, technischen System weiterentwickelt, welches bereits Grundzüge von Autonomie umsetzt. Dieses Projekt dient im folgenden Beitrag als Anwendungsbeispiel für die Konzeption und Umsetzung autonomer Systeme in der industriellen Produktion.

Bild 1: Entwicklungsstufen technischer Systeme hin zu Autonomen Systemen (in Anlehnung an [5]).

Entwicklungsstufen technischer Systeme hin zu autonomen Systemen in der Produktion

Im Kontext der technischen Systeme erfordert der Begriff der Autonomie eine genauere Erläuterung. Autonome Systeme bezeichnen Systeme, die Aufgaben selbstständig und in weiten Teilen ohne menschliche Eingriffe ausführen können. Von heutigen automatisierten Systemen unterscheiden sich autonome Systeme durch ihre hohe Anpassungsfähigkeit. Hierzu zählen neben Robotern auch Fahrzeuge, Produktionsanlagen, Gebäude und Softwaresysteme. Abhängig von der Häufigkeit der notwendigen Eingriffe und Entscheidungen durch einen Menschen, kann zwischen verschiedenen Entwicklungsstufen unterschieden werden [4]. Das Spektrum reicht dabei von ferngesteuerten Systemen, bei denen der Mensch alle Entscheidungen trifft, bis hin zu vollautonomen Systemen, die auch über lange Zeiträume die selbstständige Aufgabenerfüllung und Anpassung an wechselnde Umgebungen und Situationen aufrechterhalten können [5]. Bild 1 stellt die einzelnen Einwicklungsstufen für technische Systeme hin zu autonomen Systemen dar.

Zum Weiterlesen klicken Sie hier