Bild Produktion WZL Winandy Feintool

In der verarbeitenden Industrie führt eine wandelbare Produktion im Sinne von Industrie 4.0 zur Notwendigkeit von schnellen Umrüst- und Lernprozessen, erhöhter Fehleranfälligkeit sowie dem Bedarf nach Resilienz, d.h. Widerstandsfähigkeit gegenüber internen und externen Störungen und Veränderungen.

Ziel des Projekts SPAICER ist die Entwicklung eines Rahmenmodells für ein KI-basiertes Resilienz-Management für Produktionsunternehmen in Produktionsnetzwerken. Auf Basis hybrider KI-Plattformen sowie begleitend entwickelter ökonomischer und rechtlicher Nutzungskonzepte wird die Grundlage für Ökosysteme Smarter Resilienz Services für verschiedene Anspruchsgruppen geschaffen.

Umfrage: 
Mit Hilfe einer Umfrage möchten wir herausfinden, ob im Allgemeinen oder in einzelnen Unternehmen ein Bedarf für Resilienzmanagement besteht. Außerdem würden wir gerne mehr darüber erfahren, ob und inwieweit Resilienzmanagement schon in unterschiedlichen Unternehmen betrieben wird.

Wir würden Sie daher gerne einladen an unserer Umfrage teilzunehmen.

Deutschland ist ein Produktionsland. Nach den Dienstleistungen haben Leistungen des produzierenden Gewerbes mit knapp 26% mit großem Abstand den zweithöchsten Anteil an der Bruttowertschöpfung. Im Vergleich zum Berichtszeitraum 2014 hat sich dabei die Bruttowertschöpfung des relevanten verarbeitenden Gewerbes von 593,6 auf 674,3 Milliarden Euro im Berichtszeitraum 2017 erhöht. Damit ist die verarbeitende Industrie einer der Kern-Garanten für Wachstum und Wohlstand in Deutschland. In den USA wurden 2007 12 Billionen USD an Zwischenprodukten von Unternehmen eingekauft. Zuverlässigkeit und Kosteneffizienz sind, insbesondere in globalen Wertschöpfungs-Netzwerken mit vielfältigen Beziehungen und Abhängigkeiten, ein entscheidendes Differenzierungsmerkmal. Kürzere Technologie- und Produktlebenszyklen und sich schnell ändernde Kundenanforderungen lassen immer weniger Zeit, qualitäts-optimierte Logistik- und Produktionsketten aufzubauen. Wandelbare Produktion im Sinne von Industrie 4.0 führt zur Notwendigkeit von schnelleren Umrüst- und Lernprozessen. Damit steigt jedoch die Anfälligkeit für Störungen und Fehler. Beispielsweise führte der Produktionsausfall bedingt durch das Erdbeben von Fukushima zu einer Reduktion des Bruttosozialproduktes in Japan von 1,2%.

Störungen in Produktionsunternehmen betreffen Lieferung von Material unzureichender Qualität, Leckagen von Schmiermittelleitungen, Beschädigungen von Maschinen, Stromausfall oder Erkrankung von Mitarbeitern. Ferner können Störungen vorhersagbar und nicht vorhersagbar sein. Veränderungen wirken i.d.R. von Außen auf Unternehmen, wie vor allem systematische Marktveränderungen in Form innovativer Technologien (z. B. “shared production lines” oder 3D Druck), veränderten Nachfrageverhalten oder auch abrupten Veränderungen im politischen oder Finanzsystem. Zudem können Veränderungen in Produkten selbst liegen, wie bspw. ihrer Qualität, Branding und Herstellungs(in-)effizienz. Hinzu kommen Veränderungen hinsichtlich politischer Regulierung, Arbeitsmarkt und Umwelt.

Die Fähigkeit eines Unternehmens, sich permanent an große, innere und äußere Veränderungen und Störungen in komplexen, sich rasch ändernden Produktionsnetzwerken anzupassen wird auch die “Suche nach Resilienz” genannt.

Genau hier setzt das Forschungsvorhaben SPAICER an: Produktionsunternehmen sollen gezielt Methoden der Künstlichen Intelligenz (KI) in heterogenen Produktionskontexten einsetzen können. So wird die Resilienz von Unternehmen gegenüber internen und externen Störungen und Veränderungen im Kontext eines Industrie 4.0 Produktionsnetzwerkes gesteigert, mit dem Ziel Produktionsabläufe zu optimieren, sowie flexibel und adaptiv im globalen Wettbewerb agieren zu können.

Ziele

Produktion Spaicer WZL Kaufmann und Eden

Im Zielbild des Forschungsvorhabens SPAICER wird diese rein reaktive Eindämmung von Störungen und Schadensbegrenzung vermieden durch ein langfristiges Antizipieren von potentiellen Störungen mittels KI-Methoden. Das bedeutet, es findet pro-aktiv ein frühes Screening von Signalen und Themen mit schwachem Bezug zum Geschäftsbereich statt (z.B. Immigration). Signifikante Störungen mit Einfluss auf den Geschäftsbereich in Zukunft werden mittelfristig vorhergesagt (z.B. Klimawandel, politische Veränderungen). Unmittelbare Gefährdungen mit starkem Einfluss auf den Geschäftsbereich werden kurzfristig kontrolliert (z.B. Industrie 4.0, KI). Dadurch soll der Ansatz einer Predictive Transformation etabliert werden, welche ausgehend von der langfristigen Antizipation von Störungen direkt in eine Phase der Stabilisierung der potentiell betroffenen Systeme sowie der Ableitung von Innovationen überleitet bevor Störungen überhaupt auftreten.
Dieses Zielbild soll durch die Entwicklung eines Rahmenmodells für ein KI-basiertes Resilienz-Management für Produktionsunternehmen in Produktionsnetzwerken realisiert werden. Das Rahmenmodell soll die Grundlage für Ökosysteme Smarter Resilienz Services für verschiedene Anspruchsgruppen schaffen, welche in äußerst heterogenen, verteilten und sich permanent ändernden Maschinen und Technologie-Umgebungen Störungen und Veränderungen nahe Echtzeit vorhersagen, optimierte Handlungsoptionen identifizieren und resilienz-optimierende Information im Produktionsnetzwerk propagieren. Die Resilienz-Services werden auf unterschiedlichen Resilienz-Ebenen zum Einsatz kommen: auf der Micro-Ebene, die Maschine, Material, Maschinenbediener, Produktionsleiter etc. umfasst, der Meso-Ebene mit Produktionslinie und Unternehmen sowie der Macro-Ebene – ganzen Produktionsnetzwerken.

Umsetzung

Produktion WZL Winandy RotterBruch Gelb

Bedingt durch produktionsorientierte Anforderungen an Latenzzeiten, Datenschutz und Leistungsfähigkeit werden innovative, hybride Architekturen notwendig, welche die Ausführung von KI-Technologien in Cloud- und dezentralen Umgebungen (“AI on the Edge”) direkt auf unterschiedlichen Produktionsmaschinen optimieren. Insgesamt wird in SPAICER die Konzeption von Cloud-Edge-AI-Systemen für Berechnungen auf Endknoten des Netzes (edge devices) untersucht, um Latenzzeiten zu reduzieren, die Sicherheit zu verbessern und intelligente Datenspeicherungstechniken zu implementieren. Zusätzlich soll die Cloud genutzt werden, um Daten und Modelle über Edge-Geräte hinweg zu teilen, komplexe, rechenintensive KI-Modelle zu trainieren, qualitativ hochwertige Entscheidungen zu treffen und diese gegenüber Entscheidern zu erklären.

Beispiele

Im Zielbild des Forschungsvorhabens wird die Produktionsplanung durch eine Resilienz-Optimierung unterstützt, welches Produktionsunternehmen erlaubt, sich auf interne und externe Störungen und Veränderungen vorausschauend anpassen zu können. Dazu bezieht ein Unternehmen für die Produktionsumgebung passende Smarte Resilienz Services über eine offene Resilienz Service Plattform. Smarte Resilienz Services nutzen Datenströme der Maschinen, Werkzeuge, Materialien und Mitarbeiter.
In diesen Punkten betritt SPAICER für produktionsorientierte Industrien Neuland. Die Herausforderung besteht darin, ein Optimum an Resilienz zu finden, so dass ausreichende, aber keine überbordende Resilienz vorgehalten wird. Zu geringe Resilienz macht ein Unternehmen und Industrien anfällig für Störungen, wohingegen eine zu hohe Resilienz zu viele Ressourcen ohne Wertschöpfung bindet. Folglich müssen Resilienzen analog zu anderen Ressourcen, wie bspw. Mitarbeiter, Finanzen, Maschinen und Verarbeitungsmaterialien geplant, eingeführt, gesteuert, optimiert und weiterentwickelt werden.
In SPAICER werden exemplarisch das Feinschneidfertigungssystem, der vor- und nachgelagerte Prozess sowie die Lieferkette untersucht. Feinschneiden ist ein sehr wirtschaftliches Blechschneidverfahren für die Großserienfertigung, bei dem Feinschneidteile eine sehr hohe Oberflächenqualität aufweisen. Der Einsatz von präzise gestanzten Bauteilen ist oft sicherheitskritisch, z.B. als Bremssattelträger oder Gurt im Automobil.

Beispiel: Micro-Resilienz

Resilienzoptimierung einer Feinschneidemaschine durch Qualitätsanalysen der Werkstofffestigkeit, Signalauswertung der Umgebung (Temperatur etc.)

Spacier Micro Resilience
Beispiel: Meso-Resilienz

Vorhersage von Schwankungen des Rohstoffs bzw. Vorprodukts, die die Qualität des Endprodukts beeinflussen (Fehlerpropagierung)
Vorhersage von Personalschwankungen bedingt durch Krankheitswellen etc.

Spaicer Meso Resilience
Beispiel: Macro-Resilienz

Vorhersage von Zusammenbrüchen von Lieferketten oder Lieferengpässen durch klimatische Bedingungen, Streiks oder Rohstoffverknappung (z.B. Sommer 2018)

Spaicer Macro Resilience

Projektpartner

Die SPAICER Community besteht aus dem Kernkonsortium, den assoziierten Partnern sowie dem SPAICER Netzwerk. Zum durch das BMWi teil-geförderten Kernkonsortium gehören das Deutsche Forschungszentrum für Künstliche Intelligenz, das Werkzeugmaschinenlabor WZL sowie das Institut für Technologie- und Innovationsmanagement (TIME) der RWTH Aachen, und die senseering GmbH. Das Kernkonsortium bildet verschiedenen Kompetenzen im Bereich der KI, ökonomischer Zusammenhänge, Produktions- und Fertigungstechnik sowie datengetriebener Prozessoptimierung mit Hilfe von KI-, Cloud- und Edge-Lösungen ab.

Neben dem Kernkonsortium repräsentieren die assoziierten Partner beispielhaft ein komplettes Wertschöpfungsnetzwerk. Die assoziierten Partner ohne finanzielle Förderung partizipieren am Projekt in einer besonders frühen Phase, werden zu allen Konsortialtreffen eingeladen, haben somit die Möglichkeit aktiv mitzugestalten und erhalten exklusive, erste Einblicke in Ergebnisse und Entwicklungen.

Partner des SPAICER Netzwerks gestalten das Projekt im Rahmen von Symposien mit und werden bei Wunsch aktiv in konzeptuelle und technische Entwicklungen des Projekt eingebunden. Alle Netzwerk-Partner werden kontinuierlich über den Verlauf des Projektes und Ergebnisse informiert.

Das SPAICER-Kernkonsortium freut sich auf einen intensiven Austausch mit allen Partnern. Für die Umsetzungsphase ab 01.01.20 suchen wir noch Partner aus industrieller Anwendung, Fertigung, Mobilität, IT und Mathematik. Sprechen Sie uns an!

Logo - DFKI Deutsches Forschungszentrum für künstliche Intelligenz GmbH

Der Bereich Smart Service Engineering am DFKI erforscht und entwickelt unter der Leitung von Prof. Wolfgang Maaß KI-basierte Dienste im Produktions- und Fertigungsbereich. Im Vordergrund stehen vor allem verteilte Smart Services, die auf Basis von Edge AI Technologien entwickelt werden. Das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) GmbH insgesamt wurde 1988 als gemeinnützige Public-Private Partnership (PPP) gegründet. Es unterhält Standorte in Kaiserslautern, Saarbrücken, Bremen, Osnabrück, Oldenburg, ein Projektbüro in Berlin und eine Außenstelle in St. Wendel. Das DFKI ist auf dem Gebiet innovativer Softwaretechnologien auf der Basis von Methoden der Künstlichen Intelligenz die führende wirtschaftsnahe Forschungseinrichtung Deutschlands.

Smart Service Engineering am Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI)
Logo WZL RWTH Aachen University

Das Werkzeugmaschinenlabor WZL der RWTH Aachen steht weltweit seit mehr als 100 Jahren für zukunftsweisende Forschung und erfolgreiche Innovationen auf dem Gebiet der Produktionstechnik. Unter der Leitung der vier Professoren Christian Brecher, Thomas Bergs, Robert Schmitt und Günther Schuh forscht das WZL in sechs Bereichen – Fertigungstechnik, Werkzeugmaschinen, Produktionssystematik, Getriebetechnik, Fertigungsmesstechnik und Qualitätsmanagement – an der zukunftsgerechten Gestaltung der Produktion in Hochlohnländern. Zusammen mit Industriepartnern verschiedener Branchen erarbeitet das WZL in öffentlich geförderten wie auch bilateralen Projekten Lösungen für vielfältige Themenstellungen aus der Produktion. Diese Aktivitäten werden auf dem RWTH Aachen Campus im Cluster Produktionstechnik verstetigt.

Werkzeugmaschinenlabor WZL der RWTH Aachen
Logo Time - WZL RWTH Aachen University

Das Institut für Technologie- und Innovationsmanagement (TIME) an der RWTH Aachen forscht zum Themenfeld Technologie- und Innovationsmanagement aus einer strategischen, verhaltens- und computational Perspektive. Unter der Leitung von Prof. Frank Piller sind im vergangenen Jahrzehnt umfangreiche Forschungsarbeiten in den Themenschwerpunkten Open Innovation, Ko-Kreation und Einbezug von Kunden in den Innovationsprozess, Innovationskultur, Geschäftsmodellentwicklung und kundenorientierte Wertschöpfung durchgeführt worden. Das Institut ist integraler Teil der TIME Research Area an der Fakultät für Wirtschaftswissenschaften der RWTH Aachen.

Institut für Technologie- und Innovationsmanagement (TIME)
Logo Senseering

Die senseering GmbH (SE) ist ein für das industrielle Produktionsumfeld gegründetes KI und DLT-Startup. SE realisiert Industrial Internet of Things-Plattformen mit Schwerpunkten auf industriellen Güter, Produktionsanlagen, Prozesstechnologien und Logistik. Mithilfe hybrider Edge- und Cloud-Computing-Ansätzen werden mittels (Un-)-Supervised Learning, Data Mining und Machine Learning Methoden versteckte Muster in industriellen Prozessdaten entdeckt und in echtzeitgeregelte Prozesse KI-basiert zurückgespielt. Die Kompetenz von SE liegt insbesondere in der Digitalisierung industrieller Produktionsanlagen (Operational Technology, OT), im Schlagen der Brücke zwischen dem Domänenwissen OT und IT (Vernetzen) sowie in der Erarbeitung digitaler Geschäftsmodelle nach dem Null-Grenzkosten-Prinzip. Ergänzend werden durch einen Blockchain-basierten Datenmarktplatz, über welchen Zulieferer, Teilnehmer und Kunden fälschungssicher und verschlüsselt Daten austauschen sowie KI- Microservices beauftragen oder in Anspruch nehmen können, die Effektivität produzierender Wertschöpfungsnetzwerke auf ein neues Maß gesteigert. Damit ergänzen sich das DFKI und SE in besonderem Maße.

senseering GmbH (SE)

Assoziierte Partner

Förderung


Förderung
durch das Bundesministerium für Wirtschaft und Energie (BMWi) (Förderkennzeichen 01MK19033)

Förderung
im Rahmen des KI-Innovationswettbewerbs

Projektträger
Deutsches Zentrum für Luft und Raumfahrt (DLR) Projektträger | Gesellschaft, Innovation, Technologie | Informationstechnologien/
Elektromobilität

Volumen
328.736€ (davon 90% Förderanteil durch das Bundesministerium für Wirtschaft und Energie)

Laufzeit
15.04. – 14.10.2019 (Wettbewerbsphase); 01.01.20 – 31.12.22 (potentielle Umsetzungsphase)

Publikationen

Social Wall