Zentrum Industrie 4.0

Vorlesen
Image 1170 zentrum

Zentrum Industrie 4.0

Cyber-Physische Lernfabrik

Thumb img 4737

Die Lernfabrik von Festo Didactic im Zentrum Industrie 4.0 wird ständig erweitert.

Industrie 4.0 ist der Schlüssel zur Fertigung der Zukunft. Neue und erweiterte Kompetenzen sind gefragt. Praktische Erfahrung ist dabei entscheidend – eine wichtige Aufgabe für die Aus- und Weiterbildung, die Fachkräfte von morgen an die neuen Anforderungen der Digitalisierung heranführt. 

Die cyberphysikalische Lehrfabrik von Festo Didactic dient dabei als Plattform für Lehre und Forschung. Es werden Forschungsprojekte initiiert, Demonstrationslabore aufgebaut und maßgeschneiderte Aus- und Weiterbildungsangebote angeboten.

Mit der Lernfabrik, die gegenwärtig aus vier Palettentransfersystemen und vier Applikationsmodulen besteht, wird das Zusammenspiel klassischer industrieller Prozesse und der digitalen Welt veranschaulicht. Vernetzung wird dabei großgeschrieben.

Thumb demo cp factory hs aalen

Demonstration CP-Factory

An der Cyber-Physikalischen Lernfabrik von Festo werden Demonstrationen von realen Applikationen (Digital Twin, Condition Monitoring, Apps) vorgenommen. Sie dient als Fertigungsstraße von Kleinteilen. Weiterhin kann die Datensicherheit in Form von Factory Hacking und Intrusion Detective Systems geprüft werden.

Manufacturing Execution Systeme oder kurz MES-Systeme, unterstützen bei der Materialbereitstellung und bauen die Brücke zwischen der Planungs- und Produktionsebene. Das MES unterstützt alle operativen Funktionen wie Maschinenbelegungs– und Personaleinsatzplanung, Auftragssteuerung , Instandhaltung, Rezepturenbereitstellung, Dokumentenverwaltung, Nachverfolgbarkeit usw. Durch Lenkung der Bauteilauswahl hilft es, die Fehlerquote in Fertigungs- und Montageprozessen zu reduzieren. Das Unternehmen hat stets aktuelle Bestandsdaten und Stillstände durch Materialmängel können vermieden werden.

Thumb jr4 9635

An der CP-Factory kann der Datenverkehr auf unerwünschte und gefährliche Datenpakete untersucht werden.

Die fortschreitende Digitalisierung der industriellen Produktion wirft die Frage auf, wie eine weitgehend vernetzte Fabriklandschaft vor unbefugtem Zugriff geschützt werden kann.
Ein wichtiges Element einer Datensicherheits-Strategie stellen Intrusion Detection Systeme (IDS) dar, die den Datenverkehr auf nicht normale und daher unerwünschte oder gefährliche Datenpakete hin untersuchen.


Durch den Einsatz paralleler Rechnerarchitekturen und Neuronaler Netzwerke ist es gelungen, eine Plattform für Intrusion Detection Systeme speziell für den industriellen Einsatz zu entwickeln. Derzeit beschäftigen sich mehrere Forschungsprojekte mit Algorithmen, die eine effektive Erkennung von Angriffen mit Hilfe solcher verteilter Systeme ermöglichen.

Die im Aufbau befindliche Fertigungsdatenbank soll sowohl die Verwaltung und Planung von Fertigungsvorgängen, als auch die Überwachung des technischen Fertigungsprozesses unter Realzeitbedingungen unterstützen.


Thumb datensensoren

Industrial Intrusion Detection System (IDS)

Grundlage für alle Dienste im industriellen Internet der Dinge sind Maschinendaten. Diese sind in den meisten Anlagen allerdings nicht frei und ohne Rückwirkung zugänglich, so dass sie nicht für übergeordnete Funktionen zur Verfügung stehen. Datensensoren lösen das Problem, indem sie an bestehenden Kommunikationsleitungen den Datenverkehr abhören, lokal auswerten und auf einem privaten Kanal miteinander kommunizieren.

Wie geht es meiner Anlage? / Wann fällt etwas aus? Wie gut/effizient arbeitet meine Anlage? Wie sicher sind meine Daten?


IIoT Dienste basieren auf Maschinendaten

Daten auf Maschinenebene nur für lokale Steuerung verfügbar und damit nicht nutzbar für Analysefunktionen. Bei Bestandsanlagen ist das Nachrüstung von Sensoren unmöglich. Dies bedeutet einen massiven Eingriff in die Anlage und eine Beeinträchtigung der Anlagenfunktion. Hohe Kosten werden verursacht.

Bei neuen Anlagen wäre der Zugriff via OPC UA möglich, aber

- Overhead an Prozessorleistung erhöht Kosten

- Overhead bei Kommunikation stört Maschinenbetrieb


Datensensoren bieten Lösung ohne jede Auswirkung auf Maschinensteuerungen

- Keine Verzögerungen des Datentransfers 

- Keine Belastung der lokalen Steuerung 

- Niedrige Kosten!!!



Im Projekt DataCast wurde ein Modell zur Vorhersage der Teilequalität im Aluminiumdruckguss entwickelt. Dazu wurden mehr als 20 Prozessparameter mit neuen hochauflösenden Sensoren in Echtzeit erfasst. Auf Basis dieser Daten konnte unter Einbezug der Gussteilqualität durch Machine Learning Algorithmen ein Modell entwickelt werden.

Das Projekt SmartControl greift die Erkenntnisse auf und ergänzt sie folgerichtig um einen autonomen, adaptiven Prozessregler für Industrie 4.0 Anwendungen. Dieser ermöglicht in Kombination mit einem Qualitätsmanagementsystem über die Klassifizierung von Gut- und Schlechtteilen hinaus, regelnde Eingriffe in die jeweilige Produktionsanlage.

Weiterhin beschäftigt sich das Projekt SIPREMA mit der Nutzung von Soundsensoren zur Detektion sich abzeichnender Wartungsbedarfe bei industriellen Anlagen.


Mithilfe des maschinellen Lernens werden IT-Systeme in die Lage versetzt, auf Basis vorhandener Datenbestände und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und Lösungen zu entwickeln. Es wird künstliches Wissen aus Erfahrungen generiert. Die aus den Daten gewonnenen Erkenntnisse lassen sich für neue Problemlösungen oder für die Analyse von bisher unbekannten Daten verwenden. 

Damit die Software eigenständig lernen und Lösungen finden kann, ist ein vorheriges Handeln von Menschen notwendig. Beispielsweise müssen die Systeme zunächst mit den für das Lernen relevanten Daten und Algorithmen versorgt werden. Zudem sind Regeln für die Analyse des Datenbestands und das Erkennen der Muster aufzustellen. Sind passende Daten vorhanden und Regeln definiert, können Systeme mit maschinellem Lernen unter anderem folgendes:

  • Relevante Daten finden, extrahieren und zusammenfassen,
  • Vorhersagen auf Basis der analysierten Daten treffen,
  • Wahrscheinlichkeiten für bestimmte Ereignisse berechnen,
  • sich an Entwicklungen eigenständig anpassen und
  • Prozesse auf Basis erkannter Muster optimieren.


Je besser man die Zukunft selbst gestaltet, desto optimistischer kann man ihr begegnen. Diese Maxime gilt für einen erfolgreichen Entrepreneur. Langfristige Prognosen von Konjunktur- und Marktentwicklungen sind angesichts der nationalen und internationalen Veränderungen schwierig geworden. Umso wichtiger ist es, dass Unternehmen wirtschaftlich agieren und zugleich die Kundenbedürfnisse fest im Blick haben (siehe auch Folgeseite Digitale Geschäftsmodelle). Das Konzept für langfristigen Erfolg ist denkbar einfach: Veränderungen aktiv begegnen.

Die Herausforderungen auf diesem Weg sind groß und individuell. Die Dienstleistungs-, Produktions- und Logistikprozesse können angepasst und die Mitarbeiter qualifiziert werden. Unternehmen, die sich für diese Vorgehensweise entscheiden, werden für die Zukunft gut gerüstet sein. Qualifizierung und Beratung sind unsere Stärken. Wir vermitteln Methodenkenntnisse und legen großen Wert auf die Einbeziehung der Mitarbeiter in die Veränderungsprozesse


Kunden nehmen Einfluss auf die Produktions- und Dienstleistungsangebote. Während früher überwiegend Produzenten und Dienstleister das Angebot auf dem Markt bestimmten, sind es heute stärker die Kundenbedürfnisse. Dieser Paradigmenwechsel wird durch die Digitalisierungstrends noch verstärkt. Heute erwarten Kunden höhere Qualität und bevorzugen individuelle Produkte zu einem günstigen Preis. Dank moderner Produktionssysteme ist dies technisch realisierbar. Durch digitalisierte Prozesse eröffnen sich für Unternehmen aber auch Chancen auf neue Wachstumsfelder, die sich mit einer neuen, innovativen Ausrichtung an Kundenbedürfnissen und damit einer entsprechenden Ausrichtung des Geschäftsmodells erschließen lassen.

Wir unterstützen Sie dabei, neue digitale Geschäftsmodelle zu entwickeln und in Ihrem Unternehmen umzusetzen. Sprechen Sie uns an!


Workstation Pool