Die Produktion der Zukunft findet in einer Umgebung statt, in der intelligente Cyber-Physische Systeme (CPS) das technologische Fundament zur Realisierung einer effizienten und damit wettbewerbsfähigen Produktion bilden. In Verbindung mit dieser Zukunftsvision fehlt es Entscheidungsträgern aus der Industrie, insbesondere des Mittelstands, jedoch an initialen Angriffspunkten für die Implementierung von CPS und der damit verbundenen nachhaltigen Migration zur Smart Factory. Es wird eine Methodik vorgestellt, mit welcher aus unternehmensstrategischer Sicht potenzielle CPS-Einsatzfelder identifiziert werden können und eine damit verbundene Investitionsentscheidung unterstützt werden kann. Das Ziel liegt in der Befähigung eines Entscheidungsträgers zu einer strategischen Auswahl von CPS-Anwendungslösungen im Rahmen von beispielhaften Gestaltungsmöglichkeiten.
Der sich aus der Entwicklung der Kundenmärkte abzeichnende Trend der Individualisierung der Produkte bis hin zur Produktion in „Losgröße 1“ stellt Unternehmen vor neue Herausforderungen [1]. Direkt betroffen ist davon auch der deutsche Maschinen- und Anlagenbau (MAB). Als unmittelbarer Betreiber einer Einzel- bis Kleinserienfertigung ist der MAB mit der Produktion in Losgröße 1 vertraut. Im Vergleich zu anderen Branchen ist die Produktion des MAB äußerst flexibel ausgelegt, hat jedoch mit deutlichen Effizienzdefiziten zu kämpfen. Es besteht die Notwendigkeit, den MAB am Hochlohnstandort Deutschland zu einer wirtschaftlicheren Produktion zu befähigen und diesen dadurch langfristig international wettbewerbsfähig zu machen [2].
Einen Schlüssel dazu stellt die sogenannte Smart Factory dar. Die Smart Factory postuliert ein Produktionsumfeld gemäß der Vision „Industrie 4.0“. Mittels einer vertikalen, informationstechnischen Vernetzung von Automatisierungssystemen sowie einer horizontalen Vernetzung von Arbeitssystemen entlang der Wertschöpfungskette kann ein digitaler Informationsfluss im Sinne einer echtzeitfähigen Synchronisation planender und ausführender Prozesse eingerichtet werden. Die durchgängige Datenverfügbarkeit gewährleistet hierbei eine schnelle Reaktion auf Veränderungen und unterstützt eine flexible und wirtschaftliche Auslegung der Produktionsstrukturen [3]. Den CPS in der Produktion wird durch die Fähigkeit zur Vernetzung und datenbasierten Kommunikation zudem ein deutliches Kostensenkungspotenzial zugesprochen [4].
Ausgangssituation im Maschinen- und Anlagenbau
Eine aktuelle Studie des Verbands Deutscher Maschinen- und Anlagenbau (VDMA) zeigt, dass die Branche das Potenzial durch die Digitalisierung von Prozessen zwar erkannt hat, allerdings nur ein geringer Unternehmensanteil erste Umsetzungserfolge aufweisen kann. Vor allem in kleinen und mittelständischen Unternehmen herrscht Unsicherheit darüber, wie die gefestigt vorliegenden Automatisierungsstrukturen informationstechnisch optimal transformiert werden können [5]. Von einer weit verbreiteten Ambition innerhalb dieser Branche, sich dem Thema Smart Factory aktiv anzunehmen, kann somit noch keine Rede sein. Um dieser Unsicherheit zu begegnen, müssen die Chancen und der Nutzen der digitalen Transformation transparent gemacht und kommuniziert werden.
Bestehende Migrationsansätze zur Smart Factory
Die Umsetzung der Produktionsstrukturen einer Smart Factory kann in keinem Ad-hoc-Prozess stattfinden. Zur Bewältigung dieser umfassenden Aufgabe hat u. a. der VDMA einen Leitfaden aufgesetzt, der die Realisierung der Vision einer Smart Factory in einzelnen Evolutionsstufen vorsieht. Mithilfe dieses Leitfadens ist es möglich, das aktuelle Technologieniveau einer Produktion nach Gesichtspunkten wie der Datenverarbeitung, Maschine-zu-Maschine-Kommunikation und Maschinenvernetzung zu analysieren [6]. Dieses generisch angelegte Verfahrensmuster verfolgt dabei primär den Weg einer technologisch sinnvollen I4.0-Umsetzung. Der Anspruch dieses Beitrags findet sich jedoch vielmehr in einer produktionsstrategisch korrekten CPS-Einführung wieder.
Entwicklung eines Entscheidungsmodells für Cyber-Physische Systeme
Bild 1: Struktur des Entscheidungsmodells
Im Nachfolgenden wird ein Entscheidungsmodell vorgestellt, das über die bestehenden Ansätze und Leitfäden hinausgeht. Das am Fraunhofer Institut für Produktionstechnik und Automatisierung (IPA) konzipierte Instrumentarium unterstützt Entscheidungsträger des MAB dabei aktiv, geeignete Angriffspunkte für eine CPS-Implementierung zu identifizieren und das dafür nötige Funktionsgerüst eines CPS genauer verstehen zu können. Durch die Wahl eines Anbietertyps (Bild 1) konkretisiert der Anwender seine Bedürfnisse und damit die zu lösenden Instrumental- bzw. Elementarziele. Damit gibt dieser den initialen Input für die Berechnung nutzenorientierter CPS-Lösungsalternativen, beschrieben anhand von Anwendungsbeispielen (AB), welche den Output des Modells darstellen. Das gesamte fünfstufige Vorgehen zeigt Bild 1.
Zum Weiterlesen klicken Sie hier
Schlüsselwörter:
Cyber-Physische Systeme, Entscheidungsmodell, Migrationsprozess, Smart Factory
Literatur:
Literatur
[1] Brecher, C. (Hrsg): Integrative Produktionstechnik für Hochlohnländer. Berlin Heidelberg 2011.
[2] Gronau, N.: Der Einfluss von Cyber-Physical Systems auf die Gestaltung von Produktionssystemen. In: Industrie 4.0 Management 31 (2015) 3, S. 16-20.
[3] Kagermann, H.; Wahlster, W.; Helbig, J.: Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0: Abschlussbericht des Arbeitskreises Industrie 4.0. Frankfurt am Main 2013.
[4] Bauernhansl, T.; Krüger, J.; Reinhart, G.; Schuh, G.: WGP-Standpunkt Industrie 4.0. Wissenschaftliche Gesellschaft für Produktionstechnik WGP e. v. (Hrsg). Darmstadt 2016.
[5] Lichtblau, K.; Stich, V.; Bertenrath, R. u. a.: Industrie 4.0-Readiness. Aachen Köln 2015.
[6] Verband Deutscher Maschinen- und Anlagenbau e.V. (Hrsg): Leitfaden Industrie 4.0: Orientierungshilfe zur Einführung in den Mittelstand. Frankfurt am Main 2015.
[7] Erlach, K.: Wertstromdesign. Berlin Heidelberg 2010.
[8] Ward, P. T.: Configurations of Manufacturing Strategy, Business Strategy, Environment and Structure. In: Journal of Management 22 (1996) 4, S. 597-626.
[9] Ferdows, K.: Lasting improvements in manufacturing performance: In search of a new theory. In: Journal of Operations Management 9 (1990) 2, S. 168-184.
[10] Gottmann, J.: Produktionscontrolling. Wiesbaden 2016.
[11] Abele, E. ; Anderl, R.; Metternich, J. u. a.: Studie Industrie 4.0 – Potentiale, Nutzen und Good-Practice-Beispiele für die hessische Industrie: Zwischenbericht zum Projekt Effiziente Fabrik 4.0. Bamberg 2015.
[12] Geisberger, E.; Broy, M.: agendaCPS. Berlin Heidelberg 2012.
[13] Windt, K.; Böse, F.; Philipp, T.: Autonomy in production logistics: Identification, characterisation and application. In: Robotics and Computer-Integrated Manufacturing 24 (2008) 4, S. 572-578.
