Die Smart Factory baut auf den Grundlagen der Digitalisierung – der Vernetzung und Computerisierung von Fertigungssystemen und Komponenten – auf und verfolgt vor allem die erhöhte Flexibilität und Wandelbarkeit der Fertigung. Im Reifegradmodell nach acatech [1] werden vier Reifegradstufen in der Industrie 4.0 unterschieden. Diese zeigen die Möglichkeiten vernetzter digitaler Systeme auf, die über herkömmliche Ansätze von Regel- und Steuerungssystemen hinausgehen. Die höchste Ausbaustufe „Adaptierbarkeit“ ist gekennzeichnet durch die Selbstorganisation einzelner Produktionssysteme und der gesamten Fertigung. Dieses Zielbild wird von einem Großteil der Industrie verfolgt – so betreiben 68 % der fertigenden Unternehmen Smart-Factory-Initiativen mit steigenden Investitionen [2]. Autonome Systeme stellen darin einen wesentlichen Baustein dar. Durch Auswertung von Zustands- und Umgebungsdaten mittels intelligenter Datenanalyse (bspw. Maschinelle Lernverfahren) können Fertigungsprozesse eigenständig optimiert werden. Bei geänderten Anforderungen ist eine selbstständige Anpassung der Systeme, ohne menschliche Eingriffe, möglich [3]. Dies ermöglicht einerseits die individuelle Fertigung in Losgröße 1, andererseits eine Erhöhung der Resilienz, indem das Produktionssystem mittels Selbstheilungseigenschaften autonom auf Störeinflüsse reagiert [4].

Herausforderungen

In Bild 1 ist beispielhaft der Ausfall eines Fahrerlosen Transportsystems (FTS) dargestellt. Durch autonome Reorganisation (Wahl eines alternativen FTS) kann die Zielerfüllung gewährleistet werden. Selbstheilungseigenschaften autonomer Systeme sind in der Smart Factory von hoher Bedeutung, da durch die zunehmende Komplexität und offene Betriebsumgebung zunehmend unvorhergesehene Einflüsse auf die Fertigungssysteme möglich sind. Gleichzeitig können autonome Systeme selbst ein unvorhergesehenes Verhalten an den Tag legen, bspw. durch Fehlklassifikation eines Maschinellen Lernverfahrens. Ansätze zur Zuverlässigkeits- und Auswirkungsanalyse, bspw. Fehlermöglichkeits- und -einflussanalyse (FMEA) oder Fehlerbaumanalyse (FTA), kommen hier an ihre Grenzen. Die Herausforderungen im Kontext autonomer Systeme liegen sowohl in der Erkennung nicht antizipierter Fehler, als auch in der Auwahl oder Durchführung von geeigneten Gegenmaßnahmen.

Im Rahmen des BMBF geförderten Projekts KI4AS (Laufzeit 2017-2020) wurde die Selbstheilung autonomer Systeme in der Smart Factory analysiert. Dabei wurden unter anderem die folgenden Aspekte untersucht, die im Rahmen des Beitrags beschrieben werden:

• Eigenschaften selbstheilender Produktionssysteme,
• Architektur der Selbstheilung und ihre Umsetzung,
• Validierung der Selbstheilungsarchitektur an einem Labormuster.

Resilienz und Selbstheilung

Eine Beeinträchtigung im eigentlichen Sinne liegt vor, wenn eine für die Verfügbarkeit, für die Sicherheit oder die Leistungsfähigkeit des Systems relevante Störung der intendierten Funktion besteht. Neben solchen Beeinträchtigungen gibt es auch eine Vielzahl an Störungen, die sich nicht auf die sicherheitsrelevante Funktionsfähigkeit des Systems, der Umwelt oder den Bediener auswirken. Aufgrund der offenen Betriebsumgebungen autonomer Systeme können sich nicht antizipierte Betriebsszenarien, unerwartete Interdependenzen der Teilsysteme untereinander oder mit den Nutzern ergeben. Vor dem Hintergrund unbekannter Risiken und der Anforderung an die Verlässlichkeit im Systemverhalten fällt der Resilienz autonomer Systeme eine zunehmende Bedeutung zu. Im Fokus stehen dabei die verteilten Kontrollmechanismen startend von den Sensoren über die in den Steuergeräten zu verarbeitenden Sensordaten bis zu den Aktuatoren. In vernetzten Systemen wird neben den eigenen Sensoren auch auf Daten und Dienste von externen Systemen zugegriffen. Die Informationen werden fusioniert und aggregiert und dann für komplexe Regelungen und Entscheidungen herangezogen. Die Resilienz beschreibt die Eigenschaft eines Systems, einer Störung in diesen Regelkreisen zu widerstehen oder sich so anzupassen, dass nach einer Beeinträchtigung die intendierte Funktion wiederhergestellt wird. Im Kern geht es um den unbedingten Erhalt der Verfügbarkeit, Sicherheit und Robustheit der intendierten Funktion. Ein selbstheilendes System besitzt die Fähigkeit, seinen Gesundheitszustand online zu überwachen, die Ursache einer Beeinträchtigung selbstständig zu diagnostizieren und eine situierte Selbstheilungsstrategie (policy) unter Berücksichtigung vorgegebener Ziele zu entwickeln. Dabei entwickelt sich ein selbstheilendes System unter vorgegebenen Randbedingungen im Betrieb weiter. Ziel ist die Steigerung der Resilienz durch Wandlungsfähigkeit, Redundanz, Dezentralität, Verteilung und Lernfähigkeit.

[Wenn Sie weiterlesen möchten, können Sie die Ausgabe im Shop bestellen ]