Editorial der Ausgabe 9-2020 29.09.2020, 00:00 Uhr

Intelligente Maschinen und Roboter für eine robuste Produktion

Die effiziente Anpassung automatisierter Systeme an veränderte Produktionsbedingungen und -umgebungen ist und bleibt auch in Zukunft eine der großen Herausforderungen für die Produktion, nicht zuletzt auch für die automatisierte Montage. Hierbei spielt auch die Frage der Wiederverwendbarkeit der Komponenten und die bedarfs­gerechte Skalierung von Montagesystemen eine wichtige Rolle. Ebenso braucht es jedoch auch leistungsfähige Werkzeuge, die den Planungsprozess in der Montage unterstützen. Hier kommt den stetig wachsenden Möglichkeiten der Simulation virtueller Abbilder der Montagelinie eine zunehmende Bedeutung zu, um beispielsweise die Kompatibilität der Betriebsmittel effizient prüfen zu können.

Im Sinne einer wandelbaren Produktion rückt auch das Thema der flexiblen Verkettung von Anlagen über mobile Roboter zunehmend in den Fokus. Die Aussicht auf eine drahtlose echtzeitfähige Synchronisierung und Lokalisierung der mobilen Roboter über 5G unterstützt diesen Trend. Um die Nutzbarkeit mobiler Lösungen im eigenen Umfeld bewerten zu können, sind für den zukünftigen Anwender insbesondere Erfahrungen aus dem Einsatz mobiler Roboter in realen Produktionsumgebungen wichtig. Zur Evaluation eines solchen Einsatzes bedarf es jedoch eines methodischen Vor­gehens, wie es aktuell im Rahmen von Forschungsarbeiten entsteht. Gleichzeitig wächst auch der Bedarf an neuen Technologien, um mobile und zunehmend autonome Roboter vor Ort oder aus der Ferne per Teleoperation zu warten.

Die Fähigkeit zur autonomen Anpassung zukünftiger Industrieroboter wird auf weit­entwickelten mulitsensoriellen Fähigkeiten zum maschinellen Sehen, Fühlen und gegebenenfalls auch Hören aufbauen, mit denen er selbstständig komplexe Aufgaben wie beispielsweise die Inline-Prozesskontrolle in der Klipsmontage übernehmen kann. Aber auch der Montagearbeitsplatz der Zukunft wird von der Sensorintegration profitieren, zum Beispiel durch neue videobasierte Assistenzfunktionen zur intuitiven sowie personalisierten Interaktion zwischen Mensch und Roboter.

Mit der zunehmenden Sensorintegration wie auch den Möglichkeiten der Simulation steigt die Verfügbarkeit von Daten. Zudem eröffnen sich neue Anwendungen des maschinellen Lernens auch in der Datenanalyse selbst. In der betrieblichen Praxis ist zu beobachten, dass die Bedeutung von Daten als Grundlage neuer Wertschöpfungs­prozesse verstanden wird. Um heute erfasste Daten jedoch auch morgen sinnvoll nutzen zu können, braucht es in den Unternehmen auch Kompetenzen auf dem Gebiet des Datenmanagements. In der Realität scheint die Schere zwischen dem technisch machbaren und dem, was in der Praxis robust beherrschbar ist, jedoch eher auseinander­zugehen. Die Investition in neue Kompetenzen auf diesen Gebieten ist daher unumgänglich.

Einige dieser Aspekte im Bereich der Montageplanung, innovativer mobiler Robotersysteme, Sensorintegration und Datenmanagement werden in den Beiträgen dieser Ausgabe aufgegriffen und innovative Lösungen vorgestellt. Spannend ist dabei besonders die Herausforderung, das technisch Machbare in eine robuste Anwendung unter realen Produktionsbedingungen zu überführen. Die Konvergenz von IT und OT (Operational Technology) wird uns in diesem Sinne noch vor weitere interessante Herausforderungen stellen.

Wir hoffen, dass diese Beiträge dieser Ausgabe Ihnen in dieser Hinsicht gleichermaßen spannend wie informativ sind und wünschen Ihnen viel Freude beim Lesen.

Von Jörg Krüger

Prof. Jörg Krüger leitet das Fachgebiet Industrielle Automatisierungstechnik am Institut für Werkzeugmaschinen und Fabrikbetrieb der Technischen Universität Berlin. Bild: IWF / TU Berlin

Top 5

Top Stellenangebote

Duale Hochschule Baden Württemberg Ravensburg-Firmenlogo
Duale Hochschule Baden Württemberg Ravensburg Professuren für Elektrotechnik Friedrichshafen
Ostbayerische Technische Hochschule Regensburg-Firmenlogo
Ostbayerische Technische Hochschule Regensburg Professur (W2) Selbstlernende und Adaptive Systeme Regensburg
Technische Hochschule Bingen-Firmenlogo
Technische Hochschule Bingen W2-Professur Mathematik und Data Science (m/w/d) Bingen
THD - Technische Hochschule Deggendorf-Firmenlogo
THD - Technische Hochschule Deggendorf Professur (W2) Network Communication Cham
Hochschule Flensburg-Firmenlogo
Hochschule Flensburg Laboringenieur*in für den Bereich Elektrotechnik und Elektromaschinenbau (d/m/w) Flensburg
Technische Universität Darmstadt-Firmenlogo
Technische Universität Darmstadt Universitätsprofessur (W3) Product Life Cycle Management Darmstadt
Frankfurt University of Applied Sciences-Firmenlogo
Frankfurt University of Applied Sciences Professur (W2) für das Fachgebiet: Hochfrequenztechnik Frankfurt am Main
Technische Hochschule Mittelhessen-Firmenlogo
Technische Hochschule Mittelhessen Professur (W2) mit dem Fachgebiet Life Cycle Assessment und Circular Economy Friedberg
Hochschule Kaiserslautern-Firmenlogo
Hochschule Kaiserslautern W2-Professur - Verfahrenstechnik und Apparatebau Kaiserslautern
Hochschule Osnabrück-Firmenlogo
Hochschule Osnabrück Professur (W2) für Mechatronik Osnabrück
Zur Jobbörse