Zwischen sehr großen und sehr kleinen Losgrößen liegen in der industriellen Fertigung Welten: Hochautomatisierte Dieselpumpenlinien etwa produzieren im Drei-Schicht-Betrieb gleichartige Produktvarianten in Sekundenschnelle. Die Prozessschritte sind fest aufeinander abgestimmt, manuelle Anteile auf ein Minimum reduziert. Das Gegenstück zu den so genannten High-Runner-Linien ist beispielsweise im Musterbau zu finden, wo Produkte in Losgröße 1 sehr flexibel mit viel manuellem Fertigungsaufwand und individuellem Know-how entstehen. Linien, auf denen viele verschiedene Produktvarianten in geringen Stückzahlen gefertigt werden – sogenannte Exotenlinien – sind ebenfalls hochflexibel: Spezialisierte Mitarbeiter erledigen den Großteil der Fertigungs- und Montageschritte, um den individuellen Kundenwünschen entsprechen zu können.

Wie lässt sich nun hohe Effizienz und hohe Flexibilität bezüglich der Variantenvielfalt zusammenführen? Hierzu muss zunächst der Wertstrom im Sinne des Wertstromdesigns neu gedacht werden. Eine starre Verkettung von Produktionsschritten wird durch neuartige Wertstromkonzepte ersetzt – beispielsweise durch in einer Matrix angeordnete modularere Fertigungszellen. Dies bringt eine höhere Flexibilität in Bezug auf Losgröße 1. Unterschiedliche Aufträge haben eine individuelle Fertigungszellenabfolge und Verweildauer in den Zellen. Damit gehören Verluste durch nicht balancierte Taktauslastung (Taktfolgeverluste) und Stillstandverluste starrer Linien der Vergangenheit an. In diesem Szenario warten Produkte auf Fertigungskapazität – im Gegensatz zur herkömmlichen Linienfertigung, wo Werker auf Produkte warten. Neben der gewonnenen Flexibilität bedeutet das eine bessere Auslastung der Kapazitäten und erhöht die Produktivität und gleichzeitig die Umlaufbestände in der Fertigung. Der Transport von Station zu Station erfolgt mittels autonomen Transportsystemen (AGVs), deren Steuerung wiederum ein intralogistisches Leit- und Fertigungssystem übernimmt. Selbstlernende Algorithmen machen diese Systeme tagtäglich intelligenter. Durch Edge-Computing und künstliche Intelligenz werden die mobilen Elemente des intralogistischen Systems zunehmend dezentral organisiert, bis hin zu einer Organisation im Sinne der Schwarmintelligenz. Auf den Punkt gebracht: Auf diese Weise autonomisierte und automatisierte Transporte sind hoch effizient und agieren sehr flexibel aus Sicht des Gesamtsystems.

Der Digitale Zwilling vom Informationsfluss

Durch eine dynamische Bahnbelegung lässt sich unter anderem Fläche gewinnen.

© Bosch

Weitere Voraussetzung für das Zusammenkommen von Effizienz und Flexibilität sind Echtzeitdaten des physischen Prozesses von der Quelle bis zur Senke. Nur so ist eine flexible und effiziente Steuerung möglich. Was hilft eine modulare Zellfertigung, wenn das Material für die verschiedenen Varianten nicht im richtigen Moment in der Zelle verfügbar ist? Der Wertstrom erstreckt sich über verschiedene IT- und Systemgrenzen, die es zu vernetzen gilt. So bietet IoT-Sensorik heute die Möglichkeit, den gesamten Materialfluss – vom Lieferanten über Zulauf, Wareneingang und Lagerstufen, über Produktionsstufen hinweg bis hin zu Versand und Distribution an den Endkunden – in Echtzeit als digitalen Zwilling abzubilden und zuverlässig zu verfolgen.
Zusammen mit Auftragsdaten aus dem Belegfluss lassen sich innerbetriebliche Materialbewegungen mittels autonomer Transportfahrzeuge, Kommissionier-Vorgänge mit Robotiklösungen und intelligente Supermärkte automatisieren und synchronisieren. Die Echtzeit-Transparenz stabilisiert dabei die neue Flexibilität. So lassen sich beispielsweise mit einem Abweichungsmanagement Störungen im Vorfeld erkennen und alternative Handlungsvorschläge erstellen. Der Mensch kann mit diesen Tools datenbasierte Entscheidungen treffen und hat einen immer aktuelleren Überblick über Material, Maschinen, Kapazitäten und Zustände für informierte Eingriffe zur Verfügung.

Pragmatische Schritte

Natürlich kann es nicht darum gehen, jahrelang am Idealbild einer flexiblen Automatisierung im Sinne einer Komplettlösung zu tüfteln. Vielmehr sind kleine, aber erkennbare Schritte in diese Richtung nötig. Der Umbau von Linien im Sinne der Fertigungszellen-Systematik, der Einsatz von AGVs in konkreten Anwendungen und die Steuerung über Softwarebausteine brauchen vor allem eins: einen schnell erkennbaren Mehrwert, der Akzeptanz bei den Nutzern fördert und dem Management die gewünschte Wirtschaftlichkeit bietet. Eine pragmatische und agile Lösungsentwicklung schafft hier die Basis, indem sie die Linderung unmittelbarer ‚Schmerzen‘ der Anwender in den Mittelpunkt stellt. Dafür bedarf es Verständnis, Veränderungsbereitschaft, Mut – und die Möglichkeit, Lösungen im industriellen Umfeld zu testen und kontinuierlich weiterzuentwickeln. Diese Möglichkeit nutzt Bosch Connected Industry in zahlreichen Projektumsetzungen nicht nur in den eigenen Bosch-Werken.

Gemeinsam mit Anwendern werden beispielsweise in User-Experience-Workshops Prototypen entwickelt und dann in der Praxis erprobt. Indem sie regelmäßiges Feedback geben, sind überzeugte Anwender an der Weiterentwicklung ‚ihrer‘ Lösung unmittelbar beteiligt: Aus Anforderungen werden Features, jedes Software-Release bringt einen höheren Mehrwert für die Nutzer. Neben der Anwender-Erfahrung kommt dem Verständnis des industriellen Umfelds dabei eine zentrale Bedeutung zu: Nur wer sich in Fertigung und Logistik auskennt, kann IoT-Lösungen so perfektionieren, dass sie auch im bislang wenig automatisierten industriellen Materialbereitstellungsprozess robust und stabil Mehrwerte schaffen können. Zudem löst der pragmatische und partizipative Ansatz eine vielschichtige Gruppendynamik aus: Projektteilnehmer wachsen zu einer ‚Community‘ zusammen, die eine weitere Verbreitung der Lösung proaktiv vorantreibt. 

Digitale Organisation des Materialflusses

Digitale Drive- und Heatmaps ermöglichen eine Optimierung von Lager und Fahrwagen.

© Bosch

Nehmen wir als Beispiel ein Fertigungswerk, das unterschiedliche Komponenten für die Automobilindustrie herstellt. Beginnend bei der Vorfertigung über die Montage und Prüfung der fertigen Teile bis hin zu Verpackung und Versand werden die unterschiedlichen Stationen mittels autonomer Transportsysteme automatisch angefahren und mit den benötigten Komponenten sowie Halbzeug beliefert. Die AGVs fahren die Strecken selbstständig ab und bringen Greifrobotern unterschiedliche Teile, die diese wiederum aus den Kisten entnehmen und passgenau in die Fertigungslinie oder die Prüfstation einbringen.
Wo vorher Medienbrüche und hoher manueller Aufwand an der Tagesordnung standen, läuft die Variantenfertigung nun automatisiert und flexibel ab: Verändert sich ein Parameter, zum Beispiel durch einen manuellen Eingriff im Flächensupermarkt, werden Transportrouten, Materiallieferungen und Produktionsschritte einfach digital angepasst. Möglich macht dies neben der erforderlichen Hardware vor allem die im Hintergrund agierende Software. Sie sorgt dafür, dass sämtliche Daten aus dem Materialfluss nutzbringend im Sinne des Gesamtsystems verwertet und optimiert werden. Eine zentrale Herausforderung liegt allerdings oft zunächst in der Digitalisierung der Prozessdaten, wie Lieferungen, Transportaufträge, Statusinformationen und Materialflussdaten, ohne die keine Software optimieren kann.

In unserem Beispiel sind die Transportaufträge digital organisiert. Die Software plant und optimiert den gesamten innerbetrieblichen Transport in Echtzeit: Alle Fahrzeuge sind hinsichtlich ihrer Restriktionen wie Ladekapazität, Hüllkurven und Geschwindigkeiten hinterlegt. Live-Daten werden verarbeitet oder berechnet. Bei der Optimierung von internen Transportrouten wählen Algorithmen auf Grundlage dieser Informationen das passende Transportmittel für die Ware aus. Dabei geht das System intelligent im Sinne des Gesamtsystems vor: Auch ein weiter entferntes Fahrzeug kann angesichts der Verkehrssituation oder des Ladestatus für die Aufgabe geeignet sein.
Die Software optimiert den Materialfluss und kennt den jeweiligen Status des Materials, zum Beispiel aus dem intelligenten Supermarkt. Dort werden sämtliche Materialbewegungen durch RFID, Barcodes oder Sensoren automatisch erfasst und gebucht. Die Software automatisiert nicht nur das Ein- und Ausbuchen. Ein Put-to-Light-Signal zeigt auch an, wo das ankommende Material eingelagert werden soll. Gerade beim Mischbetrieb von autonomen und manuellen Prozessen zeigt sich der Mehrwert derartiger Assistenzsysteme: Kommt es zu einer fehlerhaften Einlagerung, erhalten die Mitarbeiter ein Signal – und können den Fehler umgehend korrigieren. So sparen sie Zeit für Buchungen und die aufwendige Suche nach der richtigen Bahn oder falsch eingelagerter Ware. Über 3D-Visualisierungen können sie zudem jederzeit nachvollziehen, wo und in welcher Menge sich welches Material momentan befindet.

Der wahre ‚Schatz‘ für strukturelle Verbesserungen liegt in den historischen Echtzeitdaten des Materialflusses. Mittels Datenanalyse wertet die Software etwa Flottenbewegungen aus: Wie effizient sind die einzelnen Transportsysteme gefahren? Wie hoch war die Auslastung? Gibt es strukturelle Engpässe im Wertstromdesign, die behoben werden können? Durch die Aufzeichnung von Position und Geschwindigkeit lassen sich die Fahrwege grafisch in Form von Drive Maps, Heat Maps sowie Effizienzdiagrammen darstellen. So können Logistiker schnell erkennen, wo beispielsweise Gefahrenzonen durch die Kreuzung häufiger Fahrwege mit Aufenthaltsbereichen von Fußgängern vorliegen und mit Maßnahmen wie Geschwindigkeitsdrosselung entgegensteuern.

Echtzeitdaten für die ­Analysen

Die Digitalisierung des extralogistischen Wareneingangs erfolgt bis auf Packstückebene.

© Bosch

In vergleichbarer Weise lassen sich die Fahrzeuge und ihre Fracht im extralogistischen Zulauf in den Wareneingang nachverfolgen. Mittels Track-and-Trace-Anwendungen teilt das Frachtgut der Software regelmäßig mit, wo es sich gerade befindet. So lassen sich bislang sehr manuelle Dispositionsprozesse mittels relevanter Echtzeitdaten automatisieren und Pufferbestände, die als Absicherung gegen ungeplante Vorfälle dienen, reduzieren.

Die Kapazität für Warenvereinnahmungsprozesse ist durch die genauen Ankunftszeiten der Ware effizienter planbar. Historische Tracking-Daten dienen als Basis für die Berechnung des Ankunftszeitpunkts, wobei Machine-Learning-Algorithmen die für logistische Anwendung wichtigen Liegezeiten berücksichtigen. Auch liefern die Daten eine wichtige Grundlage für die Rückverfolgbarkeit im Sinne der Produktrückverfolgung sowie bei der Analyse von Prozessfehlern.

Zusammenfassend lässt sich festhalten: Noch liegt viel Potenzial in effizienten und flexiblen Wertströmen. Es lohnt sich, die Konzepte und Digitalisierung von Teilen in kleineren, pragmatischen und iterativen Schritten zu beginnen. Das kann bei einigen Lieferantenanbindungen oder bei konkreten Themen der Intralogistik eines einzelnen Werkes beginnen. Das unmittelbare Feedback von Anwendern zeigt: Der pragmatische Ansatz bringt den Materialfluss wieder zurück ins Zentrum der Aufmerksamkeit. Denn es reicht nicht aus, spannende und aufwendige Technologien zu implementieren. Sie müssen sich auch schnell in einem konkreten Mehrwert für alle Beteiligten niederschlagen.

Autor

Matthias Hülsmann ist Vice President Connected Logistics bei Bosch Connected Industry.