Gemeinsam mit dem Unternehmenspartner EVVA entwickelt CDP das Fertigungssystem der nächsten Generation von EVVA. Unter dem Akronym XPro wird derzeit eine Zelle entwickelt, die sowohl für die Serien- als auch für das Prototyping für die kundenspezifische Teilefertigung geeignet ist

Aufbau
„XPro“ umfasst die folgenden Funktionen: (i) Verwendung eines kollaborativen Handhabungssystems für die Produktion von „Losgröße 1“ (ii) digitaler Workflow vom Entwurf bis zum kundenspezifischen Teil und (iii) centu-rio.work als Orchestrierungs- und Datenerfassungsplattform .
Das erste Ergebnis war eine Lösung für ein kollaboratives Handhabungssystem für eine Drehmaschine, das einen nahtlosen Betrieb zwischen Mensch und Cobot ermöglicht. Der Roboter wurde mit einer linearen Achse an der Decke montiert, was dem menschlichen Arbeiter den nötigen Raum gibt.
Effekt
Um die Flexibilität dieses Automatisierungskonzepts zu nutzen, wurde ein vollständig digitaler Workflow vom Teiledesign bis zur Produktion entwickelt und eingerichtet. Das 3D-Modell des Teils wird für die virtuelle Arbeitsvorbereitungsphase bereitgestellt, in der die Maschine virtuell eingerichtet wird. Anschließend wird das (NC) -Programm für die Maschine generiert und mit einem digitalen Zwilling validiert. Wenn positiv, wird das Programm automatisch auf die Maschine übertragen. Parallel dazu werden die Werkzeugdaten von einem Voreinstellwerkzeug an die Maschinensteuerung übertragen. Der gesamte Workflow wird vom centurio.work-Framework koordiniert.
Die Demonstratorzelle wird als Blaupause für zukünftige Produktionslinien innerhalb des Unternehmens EVVA verwendet, um die Fähigkeiten eines vollständig vernetzten und verwobenen prozessgesteuerten Fertigungssystems gemäß „Industrie 4.0“ zu demonstrieren.

Project coordinator
Alexander Raschendorfer, CDP
T +43 1 997 00 13
E alexander.raschendorfer@acdp.at

 

Eine vollautomatisierte Rüststaion für Bauteile in einem flexiblen Produktionssystem als Ergebnis von interdisziplinärer Forschungsarbeit.

Das Common Research Program (CRP) ist ein interdisziplinäres Forschungsprogramm der Comet-Zentren Pro²Future und dem Austrian Center for Digital Production (CDP). Innerhalb des CRP wurden mehrere Demo Cases, die als technologische Bausteine fungieren, definiert und entwickelt. Einer dieser Bausteine ist die „Adaptive Rüststation“ (Adaptive Loading Station), die von einem Team der beteiligten Industrie- und wissenschaftlichen Partner umgesetzt wurde.
Die Rüststation (Abbildung 1) greift einen der bedeutendsten Flaschenhälse auf, die es in produzierenden Unternehmen gibt. Üblicherweise findet der Rüstvorgang von Mitarbeitern am „Shop Floor“ statt. Dies bindet Ressourcen und erfordert manuelle Arbeit. Durch die Vollautomation des Rüstvorgangs wird es möglich, komplett mannlose Nachtschichten umzusetzen. Die vorgestellte adaptive Rüststation übernimmt die Aufgabe des Verladens von Rohteilen für die Drehbearbeitung auf Paletten für den Transport im Produktionssystem. Die Station besteht aus einem UR10e sowie einem Kamerapaar für 2D und 3D Bildverarbeitung. Zusätzlich kümmert sich ein fahrerloses Transportsystem (FTS) um den autonomen Transport der Paletten zu den Werkzeugmaschinen.
Ein Arbeiter kann zu Beginn oder vor der Schicht benötigte Rohteile sowie die zugehörigen Trays (Rohteilträger durch Formschluss) in die betroffene Roboter Ladezone stellen. Durch optische Erkennung können die Teile beliebig in dieser Zone aufgestellt werden. Die Kameras scannen ebenfalls die exakte Parkposition des FTS, da dieses eine hohe Positionierungstoleranz aufweist, und berechnet eine Korrekturmatrix. Die Kameras detektieren, basierend auf dem Arbeitsplan, die richtigen Rohteile und zugehörigen Trays und platziert diese Stück für Stück, vollautomatisch auf der Palette, die vom FTS befördert wird. Die optische Erkennung wird mittels der vom wissenschaftlichen Partner Profactor entwickelten XRob Software durchgeführt.
Sobald der Rüstvorgang abgeschlossen ist, wird das FTS zur nächsten Station des Bearbeitungsprozesses gesendet. Später kehrt das FTS mit den bearbeiteten Teilen zurück und der Roboter beginnt damit, die Teile und Trays zu entladen. Die Trays sind dadurch sofort wieder für den nächsten Auftrag verfügbar. Die gesamte Orchestrierung wird durch Centurio, einer auf BPMN (Business Process Model and Notation) basierten Prozess-Steuerungssoftware.
Wirkungen und Effekte
Die adaptive Rüststation reduziert die Anzahl der benötigten Paletten und Teileträger in einer mannlosen Schicht deutlich, dies führt zu weiteren Kosten- und Effizienzpotentialen. Speziell in einer variantenreichen Produktion bewährt sich die Kombination aus spezialisierten Teileträgern und Paletten. Die Trays werden mit einem 3D-Druck Verfahren erzeugt und sind damit sehr leicht adaptierbar.

Beschreibung und Layout der Adaptive Loading Station

Die adaptive Rüststation ist seit 2019 Teil des Produktionssystems der „TU Wien Pilotfabrik Industrie 4.0“ in Wien. Dort wird sie regelmäßig den zahlreichen Besuchern aus Industrie, Lehre und Interessensgruppen, die die Pilotfabrik besichtigen, präsentiert.

Projektkoordination (Story)
Dipl.-Ing. Alexander Raschendorfer
Area Manager
CDP – Austrian Center for Digital Production GmbH
T +43 (0) 660 941 17 51
a.raschendorfer@acdp.at

 

CDP präsentierte zusammen mit dem Unternehmenspartner EMCO auf einer der größten Messen für die metallverarbeitende Industrie die neuesten Entwicklungen in der Machine-2-Machine-Kommunikation.

Aufbau
Umati (Universal Machine Tool Interface) ist eine universelle Schnittstelle für die nahtlose Integration von Werkzeugmaschinen und Systemen in bestehende Systeme. Umati basiert auf einer OPC UA-Begleitspezifikation und bietet dank eines offenen Datenmodells eine gute Plattform für den Anschluss verschiedener Geräte. In Zukunft wird die Schnittstelle noch mehr Anwendungen bieten und für die Branche eine neue Bedeutung erlangen. Der Umati-Demo-Fall für EMO 2019 beinhaltete die Verbindung mehrerer Werkzeugmaschinen verschiedener ausstellender Hersteller über einzelne OPC-UA-Server und die Anzeige der im umati-Modell verfügbaren Datenpunkte in einer zentralen Anwendung. Das C ++ Server SDK von Unified Automation wird als Grundstruktur des OPC UA-Servers verwendet.

Der Adressraum des Servers basiert auf den Grundlagen von umati. Der Server soll Abonnements für mehrere Datenpunkte ermöglichen, deren Werte im Backend während des Messebetriebs und auch über eine Schnittstelle für Sinumerik-Steuerungen ausgelesen werden.

Impact and effects
CDP hat zusammen mit dem Unternehmenspartner EMCO die umati – Schnittstelle entwickelt und erfolgreich an einem
Demonstrationswettbewerb während der EMO 2019 teilgenommen. Der vermutlich weltweit größten Ausstellung für
Metallbearbeitung (> 2000 Aussteller,>100.000 Besucher). Eine weitere Teilnahme war für die METAV 2020 geplant, die aufgrund der Coronavirus-Pandemie abgesagt wurde.

Projektkoordination (Story)
Dipl.-Ing. Diana Strutzenberger, M. Sc.
Research Engineer
CDP – Austrian Center for Digital Production GmbH

 

Systematische Informationsrückfluss von Fertigungsdaten ermöglicht die Software unterstützte Toleranzvergabe.

Das Common Research Program (CRP) ist ein interdisziplinäres Forschungsprogramm am Austrian Center for Digital Production (CDP), welches mit dem Forschungspartner V-Research durchgeführt wurde. Innerhalb des CRP wurde ein systematischer Informationsrückfluss zur Unterstützung der Designphase erarbeitet, wodurch Designentscheidungen hinsichtlich der Toleranzierung von Bauteilen unter Zuhilfenahme von Fertigungsdaten realisiert wurde.

Während der Designphase eines Produkts werden circa 70 % der Produktkosten festgelegt, weshalb Entscheidungen stets mit Gedanken an nachfolgende Prozesse getroffen werden wollten. Das Verständnis, welches für fundierte Konstruktionsentscheidungen erforderlich ist, kann durch einen systematischen Informationsrückfluss von Fertigungsinformationen eines Produkts erweitert werden.

Da in der Fertigung und der Designphase unterschiedliche Datenformate und Systeme verwendet werden, müssen die Daten einerseits automatisch gesammelt werden, um eine automatisierte Verarbeitung zu ermöglichen, und andererseits auf Feature-Ebene miteinander verknüpft werden, sodass eine Feature-basierte Kostenbewertung möglich ist.

BPMN basierte Datensammlung

Das BPMN basierte Orchestrierungsframework centurio.work ermöglicht es, systematisch Daten von unterschiedlichen Maschinen abzugreifen. Durch die Datensammlung auf Feature-Ebene lassen sich einzelne Bauteilefeatures vom Design über die Fertigung bis zur Qualitätssicherung nachverfolgen und zuordnen.

Semantische Verknüpfung
In jeder Phase des Produktlebenszyklus werden unterschiedliche Features definiert, welche zur Verarbeitung semantisch miteinander verknüpft werden müssen. Dies ermöglicht eine weitere Datenanalyse und das Entwickeln von Softwaremodulen zur Unterstützung von Designentscheidungen.

Das Ergebnis der Forschungsarbeit wird in Abbildung 1 dargestellt und zeigt ein Plugin für das CAD-System SolidWorks, welches mögliche Toleranzänderungen und die daraus resultierenden Auswirkungen auf die Fertigungskosten errechnet und darstellt.

Project coordination (Story)
M.Sc. Simon Rädler
Area Manager
CDP – Austrian Center for Digital Production GmbH

 

Maschinelles lernen für die Vorhersage der Ergebnisse von komplexen, wissensintensiven Aufbereitungsprozessen

Radsätze gelten in der Bahnindustrie als eine der wichtigsten Komponenten. Einerseits sind sie sowohl relativ kostenintensiv, als auch hochgradig leistungs- und sicherheitskritisch. Andererseits gehören sie zu den am stärksten beanspruchten Komponenten und erfordern eine umfangreiche Wartung. Folglich ist die effiziente Aufbereitung von Radsätzen sowohl ein anspruchsvoller technischer Prozess als auch ein wichtiger Faktor in der Bahnwirtschaft.

In diesem Projekt, das in Zusammenarbeit mit ÖBB-TS (Technische Dienste der Österreichischen Bundesbahnen) durchgeführt wurde, haben wir Ansätze des maschinellen Lernens entwickelt, um das Ergebnis von Überholungsarbeiten in verschiedenen Phasen des Prozesses vorherzusagen. Dahinter steht das herausfordernde Problem, Radsätze, die wahrscheinlich schwere Schäden erlitten haben, so früh wie möglich zu identifizieren, um unnötige Arbeiten an irreparablen Radsätzen zu vermeiden und die Gesamteffizienz der Anlage zu verbessern.

Die ÖBB-TS, unser Hauptpartner in diesem Projekt, betreibt in Knittelfeld konkret eine der größten Radsatzaufbereitungsanlagen Europas und verarbeitet dort jährlich ca. 20.000 Radsätze aus mehreren europäischen Ländern. Jede dieser Einheiten weist individuelle Eigenschaften auf und erfordert unterschiedliche Tätigkeiten, was zu einer hohen Variation im Arbeitsablauf führt. Der daraus resultierende komplexe, wissensintensive Prozess wird mittels 80 verschiedener Aktivitäten an ca. 30 verschiedenen Stationen durchgeführt, die jeweils hochspezialisierte Ausstattung und erhebliches Fachwissen erfordern.

Eine der größten Herausforderungen bei der Anwendung von Techniken des maschinellen Lernens in diesem Kontext ist die Tatsache, dass die meisten der während des Prozesses gesammelten Informationen „weiche“ Indikatoren sind die von Fachkräften gesammelt werden und deren Fachwissen widerspiegeln, die aber auch eine subjektive Komponente enthalten können (im Gegensatz zu „harten“ Werten wie Messungen).

Eine weitere Herausforderung besteht darin, dass die Gründe für schwere Schäden sehr vielfältig sind und dass Verschrottungsentscheidungen von vielen Kontextfaktoren abhängen, einschließlich der Präferenzen des Eigentümers.

Daher verwenden wir eine Vielzahl von Daten, wie z.B. Informationen über die Komponenten und deren Besitzer, Codes, die den Zustand der Teile beschreiben und von den Radsatzbesitzern zur Verfügung gestellt werden, Ergebnisse der visuellen Inspektion vor der Verarbeitung sowie Fehlercodes und Messungen, die während der Aktivitäten an der ersten Station vergeben werden.

Insgesamt resultierte das Projekt in einer Vielzahl von trainierten und optimierten Modellen auf der Basis von Daten über Radsatzaufbereitungsprozesse über vier Jahre und etwa 85.000 Radsätze. Unter Verwendung nur jener Daten, die nach der ersten Inspektion zur Verfügung stehen, konnte das resultierende Modell bereits Vorhersagen machen, die zu signifikanten monatlichen Einsparungen führen. In zukünftigen Arbeiten werden wir gemeinsam mit der ÖBB-TS das Modell ausrollen und weiterentwickeln, um Entscheidungshilfen zu liefern und die Gesamteffizienz zu verbessern.

Vorhersage von Radsatzschrott

Project coordination (Story)
Dr. Elmar Kiesling
Data Integration and Analytics for Digital Production

 

Eine der größten Herausforderungen am shop-floor ist die Datenerfassung von Maschinen- und Prozessdaten bei bestehenden Brown-Field-Anlagen. Die Heterogenität bestehender Anlagen und die unterschiedlichen technischen Reifegrade machen eine Anbindung zu einem schwierigen Unterfangen. Aus diesem Grund wurde ein Projekt gestartet mit EVVA Sicherheitstechnologie GmbH, Atos IT Solutions and Services GmbH sowie der TU Wien (IFT und Pilotfabrik) um eine skalierbare Lösung zu erarbeiten. Der Fokus lag dabei auch darauf, herauszuarbeiten welche verschiedenen Schwerpunkte (Security, Administration, Performance, etc.) von verschiedenen Varianten abgedeckt werden können.

Die Lösung soll darauf abzielen, gleichbleibende Performance bei der Datenerfassung zu erzielen, unabhängig davon, ob eine Maschine oder hunderte Maschinen angebunden werden. Eine Verteilung der Maschinen auf mehrere Standorte wird ebenfalls berücksichtigt.

Eine sorgfältige Technologiebewertung der verschiedensten Bausteine wurde vorgenommen (Abbildung 1 Rechts). Dies ermöglicht eine Landkarte über die aktuell angeboten Lösungen mit vorhandenen Stärken und Schwächen. Hierbei wird bei der Anbindung an der Maschine bis zur Integration in ein Cloudsystem jeder Baustein mit verschiedenen Lösungen (Open-Source bis kommerzielle Produkte) beurteilt. Die wesentlichen Bausteine sind:

  • Data Collection
  • Edge Platform
  • Data Storage
  • Visualization
  • Data Analysis

Links: Beispielhafte Bebauung verschiedener Technologiebausteine in der Pilotfabrik Industrie 4.0 der TU Wien; Rechts: Auszug aus der Evaluierungsmatrix

Für jeden dieser Bereiche wurden Variantenvergleiche angestellt in Hinblick auf Kosten, Verfügbarkeit, Administrierbarkeit und Hardwareerfordernisse. Daraus ergibt sich eine Technologiematrix in der unterschiedliche Bebauungspfade realisierbar sind. Abbildung 1 Links zeigt eine exemplarische Bebauung in der Pilotfabrik. Eine konkrete Variante wird in einer I4.0 Pilotanlage bei der EVVA Sicherheitstechnologie GmbH in Wien umgesetzt und auf Performance bewertet. Parallel wird diese Variante in der Pilotfabrik Industrie 4.0 der TU Wien ebenfalls umgesetzt und so ein Multi-Standort dargestellt.

Für eine fortführende Betrachtung ist ein Benchmarking unterschiedlicher Bebauungsvarianten vorgesehen. Hierfür ist auch angedacht, dass weitere interessierte Unternehmen in das Projekt eingebunden werden, um möglichst realitätsnahe Szenarien für das Benchmarking heranziehen zu können.

Projektkoordination (Story)
Dipl.-Ing. Alexander Raschendorfer, cPM
Area 2 Manager & PMO
CDP – Austrian Center for Digital Production GmbH

 

ÖLFREIES VERDICHTEN VON NATÜRLICHEm KÄLTEMITTEL MITTELS ROTATIONSKOLBENVERDICHTER

Um den Klimawandel zu begrenzen, haben sich die Industrieländer darauf geeinigt, die Treibhausemissionen bis 2050 um 80-95 % (auf den Wert von 1990 bezogen) zu reduzieren. Neben vielen anderen Quellen sind zu großen Teilen auch die sogenannten F-Gase (fluorierte Gase) am Treib-hauseffekt beteiligt. Geraten diese Gase in die Atmosphäre, ist deren Wirkung oft um ein 1000-faches (und mehr) schlimmer als die Emission einer vergleichbaren Menge CO2.

Natürliche Kältemittel sind eine effiziente Alternative zu den F-Gasen in der Kältetechnik. Zur Gruppe der natürlichen Kältemittel gehören auch Ammoniak (NH3), Kohlenwasserstoffe (CmHn) und CO2. Aufgrund der F-Gas-Verordnung (EU) wird CO2 als alternatives Kältemittel deutlich an Bedeutung gewinnen. Um CO2 als Kältemittel in einem Kühl- bzw. Wärme-pumpenkreislauf verwenden zu können, sind Arbeitsdrücke von mehr als 100 bar (überkritischer/ transkritischer CO2-Kältekreislauf) erforderlich. Das Herzstück von jedem Kühl- bzw. Wärmepumpen-system ist der Verdichter (Kompressor). Das Start-up fautech nutzt das Wankelprinzip um neuartige Kompressoren herzustellen, welche einfach skalierbar und insbesondere kompakter gegenüber dem Wettbewerb sind.  In den Abbildungen 1 und 2 ist das Funktionsprinzip eines Rotationskolben-verdichters dargestellt, welcher für technische Gase und für den sub- und transkritischen CO2 Kühl- bzw. Wärmepumpenkreislauf optimiert ist.

Das kooperative Projekt von fautech mit V-Research und dem CDP zielt auf die Schaffung einer digitalen Infrastruktur ab, welche eine Vernetzung von Kundenanforderungen bis hin zum intelligenten Produkt ermöglicht. Das Besondere an der Zusammenarbeit ist die Möglichkeit auf der „digitalen grünen Wiese“ eine flexible und skalierbare Grundlage für das Unternehmen zu erarbeiten. In einem ersten Schritt wurden Möglichkeiten geschaffen, funktionale Kundenanforderungen – in Form von Leistungskennzahlen – direkt in ent-sprechende Auslegungen überführen zu können. Dafür mussten mathematische Modelle entwickelt werden, welche die Anforderungen in entsprechende Geometrien von Rotor und Stator überführen.
Um die Produktmodelle effizient verwalten und mit den Kunden teilen zu können, kommt eine Cloud- basierte Entwicklungsumgebung zum Einsatz. Dabei stellen Cloud-Technologien einen zentralen Aspekt für den Aufbau der neuen digitalen Infrastruktur dar. Im nächsten Schritt strebt fautech den Schritt zur direkten digitalen Integration mit einem Netzwerk aus Lohnfertigern an. Dies erlaubt den Kooperations-partnern fautech, V-Research und CDP an vorderster Front neue modellbasierte Integrationsmöglichkeiten zu entwickeln und unmittelbar im industriellen Umfeld zu validieren. Für fautech bedeutet der Aufbau eines durchgängigen Informations-managements von Kundenanforderungen hin bis zu Fertigungspartnern die Sicherung des Vorsprungs gegenüber dem Mitbewerb auch auf dieser Ebene.

Teilabbildung 1 bis 6, Verdichtungszyklus eines Kältemittelverdichters von fautech, (E) Einlass auf der Niederdruckseite, (A) Kühlmittel-Auslass auf der Hochdruckseite

Schematisches CAD Modell der Variante 1:2 (fautech)

Projektkoordination (Story)
Dipl.-Ing. Christian Nigischer, BSc.
Area 1 Manager, Research Engineer
CDP – Austrian Center for Digital Production GmbH

 

Oft fehlt es in Forschungsunternehmen, speziell im Bereich der Softwareentwicklung, an Möglichkeiten die entwickelten Systeme und Methoden unter realen Bedingungen an echten Maschinen zu testen und zu optimieren. Um unnötigen Zeitaufwand beim Testen oder bei Fehlern von neuen Systemen beim Kunden oder Partner zu vermeiden, brauchte es einen kleinen, kompakten Aufbau im eigenen Unternehmen, welcher viele gängige Industriekomponenten, Kommunikationsschnittstellen und –protokolle sowie Anbindungssysteme vereint. Im Zuge dessen wurde eine Roboterdemozelle entworfen und gebaut, welche diese Anforderungen erfüllt. Dabei wurde spezielles Augenmerk auf die Erweiterbarkeit für zukünftige Hardware- und Softwaresysteme als auch die betriebssystemunabhängige Anbindbarkeit von Computer- und Mikrokontrollersystemen gelegt. Als eher zweitrangiges Ziel sollte die Demozelle entweder physische Abläufe zeigen oder gar ein Produkt fertigen können damit ein Gefühl für das Verhalten eines Softwaresystems erlangt werden kann. Als Hauptkomponenten wurden eine 3018pro Miniaturfräse, ein UR10e kollaborativer 6-Achs Roboter und zwei mit Servomotor betriebene Magazinlager gewählt. Die Fräse ist, wie auch industrielle Fräs- oder Drehmaschinen, mit NC Code zu betreiben, welcher entweder seriell oder über Representational State Transfer (REST) auf das Mikrokontrollboard der Fräse hochgeladen werden kann. Damit können Produktionsschritte durchgeführt und gleichzeitig Maschinendaten über die Fräsprozesse, Motorwerte oder Statusinformationen akquiriert werden. Der UR10e Roboter kann sowohl über Digital- und Analogsignale als auch über OPC Unified Architecture (OPC UA) gesteuert werden. Zusätzlich erlaubt OPC UA das kontinuierliche Überwachen aller Roboterdaten. Die Rohstofflager, welche runde und eckige Korkscheiben beinhalten, werden von einem Arduino angesteuert, welcher seine Befehle von einem Raspberry Pi über serielle Verbindung erhält, welcher wiederum über Message Queuing Telemetry Transport (MQTT) mit dem Gesamtsystem kommuniziert. Damit ist die Demozelle in der Lage Korkscheiben mithilfe von beliebigen Prozess- oder Orchestrierungssystemen zu produzieren. Einerseits wurde die Workflowengine centurio.work verwendet um den Basisprozess der Korkscheibengravur zu modellieren und automatisiert ausführen zu können. Alle Funktionen, Schnittstellen und Abläufe wurden als einzelne Prozessschritte definiert und in centurio.work mit einer BPMN 2.0 ähnlichen Notation als Gesamtablaufprozess zusammengefügt. Andererseits wurde der Gesamtprozess auch in Node-RED modelliert, um zu beweisen, dass Node-RED, welches als ein eher schwaches Flow- bzw. Prozesseditierungssystem mit stark limitierter Komplexität angesehen wird, sehr wohl auch dazu in der Lage ist umfangreiche Produktionsprozesse abzubilden und abzuarbeiten. Es stellt sich heraus, dass der resultierende Prozess wesentlich kompakter aber gleich funktional wie derselbe Prozess in centurio.work ist. Im Zuge eines Projektes wurde ein Fitlet mini PC als Edgedevice in den Aufbau mitaufgenommen, um alle Daten des Gesamtsystems abzugreifen und diese dann in Grafana darzustellen. Da die Daten dort als Zeitreihen vorliegen, kann die Demozelle jederzeit überwacht, sowie vergangene Prozesse betrachtet werden, um diese miteinander zu vergleichen und mit der Qualität des Endproduktes in Verbindung zu bringen. Predictive Maintenance und Predictive Quality Control können damit realisiert werden. Am Anfang des Jahres 2022 sprach das Technische Museum Wien großes Interesse daran aus, die Demozelle für sechs Monate auf der im März 2022 öffnenden Ausstellung “TU Science Corner” auszustellen. Dies wurde auch realisiert, so produzierte die Demozelle bis dato fast 2500 Korkscheiben mit 26 Motiven für Besucher, welche neben der Zelle auch ein Interviewvideo dreier CDP Mitarbeiter ansehen können. Ein nächster geplanter Schritt ist die Anbindung einer SPS an die Demozelle um sie um ein weiteres gängiges Steuerungssystem mit anderen Kommunikations- und Softwareanforderungen zu erweitern.

Projektkoordination (Story)
Marcel Fuschlberger B.Sc.
Research Engineer
CDP – Austrian Center for Digital Production GmbH

 

Eine Digitale Werker Assistenz Für die montage, Training on the job und Fehlerreduktion

EVVA ist Entwickler und Hersteller von mechanischen und elektronischen Zutrittssystemen. EVVA wurde 1919 in Wien gegründet und ist seit damals ein Familienunternehmen. EVVA bietet seinen KundInnen auf ihre Bedürfnisse angepasste Lösungen. Für die Fertigung der elektronischen Zustittsysteme stehen den EndkundInnen über 100.000 Kombinationen zur Verfügung. Die Fertigung solcher bedarf unzähliger manueller Schritte, welche für unterschiedliche Varianten spezifisch ausfallen. Durch die stetig steigende Vielfalt und komplexeren Montagesituationen wird von den MitarbeiterInnen zunehmend mehr Wissen abverlangt. Dies führt zu diversen Herausforderungen, wie der Wissensbewahrung, dem Wissenstransfer und auch der Fehlervermeidung, während dem Herstellungsprozess.

Eine neuartige Lösung bestehend aus einer Kombination einer Orchestrierungsplattform mit einer Werker Assistenz. Damit soll es gelingen die MitarbeiterInnen bei diesen steigenden Herausforderungen zu unterstützen.

Design

Die Werker Assistenz besteht aus zwei zentralen Komponenten, der Verwaltungsansicht und der Linienansicht. In der Verwaltungsansicht können die dargestellten Informationen erstellt und gewartet werden, während die Linienansicht die Informationen an die MitarbeiterInnen weitergibt.

Derzeit sind 8 Fertigungsstationen für die Elektronische Montage vorgesehen. Jede dieser Stationen benötigt individuelle Arbeitsschritte und Kontrolldarstellungen was jedoch in Kombination mit potentiell 100.000 verschiedenen Varianten einen unüberwindbaren Konfigurationsaufwand darstellt.

Um dem entgegenzuwirken wird die Werker Assistenz dynamisch zur Laufzeit von der Plattform aufgebaut. Aus vielen unterschiedlichen Artefakten wie z.B.: Teilbildern und Arbeitsanweisungen werden die Informationen für das aktuell zu fertigende Produkt automatisch generiert.

Abbildung 1 (linksoben) zeigt einen Knauf samt Knaufscheibe in der Ausführung Nickel. Abbildung 1 (linksunten) zeigt einen Doppelzylinder in der Ausführung Messing poliert. Welche Art von Zylinder in welcher Farbe dargestellt wird hängt von vielen Faktoren ab. Diese Faktoren werden zur Laufzeit mithilfe einer Orchestrierungsplattform (rechts) ausgewertet und anhand der gewonnenen Informationen wird das Bild dynamisch aufgebaut.

Vorteile

Der Weg von statischen Arbeitsanweisungen zur digitalen und dynamischen Werker Assistenz bietet eine Vielzahl an Verbesserungen.

  • So ermöglicht der dynamische Aufbau eine leichtere Integration von neuen Produkten
  • Da die Werker Assistenz zur Laufzeit die Anweisungen für das aktuell zu fertigende Produkt automatisch zur Verfügung stellt können neue MitarbeiterInnen leichter während der Arbeit eingeschult werden
  • Durch die Digitalisierung können dynamische Inhalte wie Videos oder auch Webseiten in die Arbeitsanweisungen integriert werden
  • Die Werker Assistenz bietet die Möglichkeit zur Überprüfung von Soll und Ist Zustand
  • Sollten Fehler festgestellt werden können diese über die Werker Assistenz gemeldet werden
  • Schnellere Adaption der Inhalte möglich
  • Anpassung der Inhalte an spezifische Rollen möglich (Individuelle zielgerichtete Unterstützung)

Projektkoordination (Story)
Beate Scheibel, BSc BSc (WU) MSc
Research Engineer
Austrian Center for Digital Production GmbH

 

Additive Fertigung, die üblicherweise auch als 3D-Druck oder generative Fertigung bezeichnet wird, gewinnt in der Industrie zunehmend an Bedeutung. Insbesondere im Prototypenbau, bei Bauteilen mit hohem Individualisierungsgrad bzw. einer komplizierten Geometrie finden diese Fertigungsverfahren Anwendung. Allerdings eignen sich konventionelle Fertigungsverfahren weiterhin am besten für die Massenproduktion von Bauteilen.

Die „Invertierte 3D-Druck Station“ (Abbildung 1) kombiniert die Vorteile beider Fertigungsverfahren. Da in diesem Aufbau der 3D-Druckkopf festmontiert ist und das zu druckende Objekt vom Roboter bewegt wird, handelt es sich um eine Invertierte 3D-Druck Station.

Stationsaufbau

Die Station besteht aus einem ABB Industrieroboter, der zwischen zwei Fertigungsstationen steht. Der 3D-Druck Kopf wurde an einer der beiden Fertigungsstationen montiert (siehe Abbildung 1). Dies hat den Vorteil, dass der Roboter den Druckkopf so optimal erreichen kann.

Abbildung 1

Effizientere Produktion
Industrieroboter, welche nur zum Be- und Entladen von konventionelle Fertigungsmaschinen eingesetzt werden, haben hohe Standzeiten und vermindern dadurch die Produktivität einer Fertigungszelle. Wird der Industrieroboter zusätzlich als additive Fertigungsstation verwendet so verringert dies die Standzeiten des Roboters und erhöht die Produktivität der gesamten Fertigungszelle. Zusätzlich werden durch die Verwendung der additiven Fertigung neue Produktionsmöglichkeiten geschaffen.
So können zusätzlich zu konventionell gefertigten Teilen auch additive gefertigte Teile produziert werden (Abbildung 2). Ebenso ist eine Kombination der beiden fertigungsarten möglich. Metallteile können konventionell gefertigt werden und anschließend mit Kunststoffummantelungen oder Dichtungen versehen werden. Zudem ist es durch die Verwendung von additiven Fertigungstechniken möglich, personalisierte Einzelteile kostengünstiger herzustellen als mit herkömmlichen Fertigungsverfahren.

Abbildung 2

Das Common Research Program (CRP) ist ein interdisziplinäres Forschungsprogramm der Comet-Zentren Pro²Future und dem Austrian Center for Digital Production (CDP). Innerhalb des CRP wurden mehrere Demo Cases, die als technologische Bausteine fungieren, definiert und entwickelt. Einer dieser Bausteine ist die „Invertierte 3D-Druck Station“ (Inverted 3D-Printing Station), die von einem Team der beteiligten Industrie- und wissenschaftlichen Partner umgesetzt wurde.

Projektkoordination (Story)
Jan Werner, B. Eng., M. Sc.
Research Engineer
CDP – Austrian Center for Digital Production GmbH