Schon seit geraumer Zeit werden unter dem Begriff der Digitalisierung Maßnahmen, Methoden und Systeme zur tiefgreifenden Erfassung, vielschichtigen Verarbeitung sowie digitalen Kommunikation und Bereitstellung von Produktions- und Fertigungsdaten auf verschiedensten Organisationsebenen zusammenfassend beschrieben. Die Digitalisierung von Geschäftsprozessen, Unternehmensabläufen, aber insbesondere auch der Fertigungsvorgänge kann bei richtiger Umsetzung zu erheblichen Einsparungen von Zeit, Ressourcen und Kosten beitragen. Die prozessintegrierte Datenerfassung auf der Fertigungsebene ermöglicht es, Prozess- und Maschinenzustände transparenter zu beobachten, fehlerhafte Tendenzen und Optimierungspotenziale frühzeitiger zu erkennen, den Einsatz von Material und Werkzeugen effizienter zu steuern, Wartungs- und Instandsetzungsmaßnahmen rechtzeitig zu planen, Qualitäts- und Kosteninformationen laufend verfügbar zu machen, Gewährleistungsnachweise zu erbringen, sowie die Produktivität und Zuverlässigkeit der Fertigungssysteme nachhaltig zu erhöhen.
Je nach Anwendungsfall und Aufgabenstellung eignen sich verschiedene Digitalisierungsansätze in unterschiedlichem Maße dazu, die vorgenannten Potenziale zu erschließen. In der industriellen Praxis werden oftmals umfangreiche Datenmengen erhoben, ohne dass geeignete Methoden und Hilfsmittel zur Verfügung stehen, diese Daten nutzbringend zu verarbeiten. Eine zielgerichtete und erfolgreiche Digitalisierung beginnt demgegenüber mit der Fragestellung, welche Daten bezüglich einer Beobachtungs-, Überwachungs- bzw. Steuerungs- oder Optimierungsaufgabe überhaupt relevant sind, und mit welcher Auflösung und Frequenz diese Daten erhoben werden müssen, damit sie in ausreichender Qualität vorliegen und verarbeitet werden können.
Einen wichtigen Baustein eines Digitalisierungssystems stellt die Informationsquelle dar. Neben vielfältigen Daten, die von modernen Maschinen- und Anlagensteuerungen beispielsweise via Edge-Computing in verschiedenen Kommunikationstakten zur Verfügung gestellt werden, existiert eine anwachsende Fülle an sensorischen Systemen, mit denen eine in-Prozess Erfassung mannigfaltiger Messinformationen ermöglicht wird. Über die Aufnahme und Verarbeitung einzelner Signale hinaus, bietet die synchrone Erfassung voneinander unabhängiger, heterogener Prozess- und Maschinendaten oftmals besondere Potenziale hinsichtlich aussagekräftiger Zustandsbeschreibungen. Geeignete Kommunikationsschnittstellen sind dabei entscheidend. Gerade im Hinblick auf eine längerfristige Speicherung und Auswertung solcher Daten stellt das Datenmanagement eine weitere Säule einer erfolgreichen Digitalisierungsstrategie dar. Schließlich sind geeignete Methoden erforderlich, um aus der Menge der Daten diejenigen Informationen und Zusammenhänge zu extrahieren, welche als Überwachungskriterium, Fehlerindikator und Auslöser von Korrektur- und Optimierungsmaßnahmen herangezogen werden können. Neben den vielfach diskutierten Methoden der künstlichen Intelligenz und des maschinellen Lernens, können in der Praxis zum Teil bereits einfache Filter, Korrelationsanalysen oder Toleranzwertvergleiche großen Nutzen bringen.
Das Institut für Werkzeugmaschinen (IfW) der Universität Stuttgart befasst sich bereits seit vielen Jahren mit der Realisierung, Untersuchung und Weiterentwicklung von Digitalisierungssystemen für die Fertigungstechnik. Ein im Jahr 2023 neu eingerichtetes Versuchslabor für die Digitalisierung von Fertigungsmaschinen und -prozessen bietet hierbei die Grundlage, um einerseits neue Technologien zu erforschen und andererseits, Industrieunternehmen bei ihren Digitalisierungsvorhaben zielgerichtet zu unterstützen. Über die Erfassung und Verarbeitung von Maschinensteuerungsdaten hinaus, entwickelt das IfW aufgabenspezifische sensorische Systeme, beispielsweise für intelligente Werkzeuge, Spannsysteme und Maschinenkomponenten. Steuerungs- und Sensorsignale werden mitunter durch digitale Zwillinge ergänzt, welche mit an die Aufgabe angepassten Modellbildungs- und Simulationsverfahren erzeugt werden. Die untersuchten Datenverarbeitungsstrategien reichen von einfach nachvollziehbaren analytischen Methoden (white-box) über kombinierte (grey-box) bis hin zu rein datengetriebenen (black-box) Ansätzen der künstlichen Intelligenz und des maschinellen Lernens. Die Übertragbarkeit des aus spezifischen Prozessdaten erhobenen Wissens auf ähnliche aber auch andersartige Prozesse (transfer-learning) stellt einen aktuellen Forschungsgegenstand dar. Darüber hinaus wird daran gearbeitet, ganze Prozessketten, welche verschiedene Prozesstechnologien beinhalten, derart zu digitalisieren, dass eine übergreifende Optimierung realisiert werden kann.
Institut für Werkzeugmaschinen (IfW) – Universität Stuttgart
Autoren
Prof. Dr.-Ing. Dr. h.c.
Hans-Christian Möhring
Tim Reeber
Daniel Gutsche
Patrick Georgi
