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.
