Industrie 4.0

EU investiert in die virtuelle Fabrik

19. Oktober 2015, 11:41 Uhr | Günter Herkommer

Projektleiter Oliver Niggemann (rechts) bei der Auftakt-Veranstaltung: "Die größte Herausforderung für uns liegt darin, die Techniken aus dem Labor in die realen Produktionsanlagen anzupassen."

Mit über 4,1 Millionen Euro fördert die EU das im September angelaufene Forschungsprojekt 'Improve'. Ziel der 13 Projektpartner aus sechs Ländern ist es, gemeinsam eine virtuelle Fabrik der Zukunft zu entwickeln.

Am Institut für industrielle Informationstechnik (inIT) der Hochschule OWL forscht man seit Jahren an Industrie 4.0-Technologien und der Verbindung von Informatik und Automatisierungstechnik, um die intelligente Fabrik der Zukunft wandlungsfähiger, ressourceneffizienter und benutzerfreundlicher zu machen. Anfang September startete in Lemgo dazu nun erstmals ein internationales EU-Projekt. Das inIT entwickelte die Projektidee und koordiniert das Forschungsvorhaben. "Ziel ist es, die virtuelle Fabrik zu Simulations-, Optimierungs-, Wartungs- und Diagnosezwecken zu verwenden", erläutert Professor Oliver Niggemann, Projektkoordinator und Vorstandsmitglied am inIT. "Wenn uns das gelingt, können wir den manuellen Aufwand einer Anlagenmodellierung deutlich durch innovative, selbstlernende Modelle minimieren."

Erreicht werden soll dies im EU-Projekt 'Improve' (Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency) über zwei Schritte. Zunächst wird ein virtuelles Modell einer realen industriellen Produktionsanlage erstellt, das zur Fehlererkennung, Optimierung, Simulation und vorausschauenden Wartung eingesetzt werden kann. So könnten etwa der Ressourcen- und Energieverbrauch während der Produktion reduziert oder Ausfallzeiten verhindert werden.

Der nächste Schritt ist die Einbindung des Menschen in diesen Prozess. Über Assistenzsysteme erhält der Benutzer bei der Bedienung einer Anlage Unterstützung und Entscheidungshilfen: Das System hilft zu entscheiden, welche Baugruppen einer Anlage er sich beispielsweise als erstes anschauen muss, was die optimalen Parameter sind, in welcher Reihenfolge die Produkte optimal gefertigt werden oder was der Grund für den Ausfall der Maschine ist.

Zusammen mit Wissenschaftlern der Marmara Universität forschen die Lemgoer auch konkret am Themenfeld "Machine learning" (gelernte Modelle). Dabei sollen drei Typen von Maschinen-Modellen entstehen: Verhaltensmodelle, Kausalitätsmodelle und Prognosemodelle. Diese Modelle sollen sich über einen Algorithmus selbst lernen, auf der Basis von Prozessdaten. Das Verhaltensmodell erkennt Anomalien, das Kausalitätsmodell modelliert Abhängigkeiten, die den Grund einer Anomalie erkennen, und das Prognosemodell simuliert eine vorausschauende Wartung und Optimierungen der Anlage. "Über das Verhaltensmodell und das Kausalitätsmodell werden Erkenntnisse aus der realen Anlage auf ein virtuelles Modell übertragen und man kann kontrollieren, ob sich das Verhalten einer Anlage im Modell wiederfindet", so Niggemann. "Das Prognosemodell hingegen simuliert die reale Anlage mit unterschiedlichen Konfigurationen. Wird dabei eine bessere Konfiguration gefunden, kann diese in die reale Anlage übertragen werden, um zum Beispiel Energie zu sparen."