Produktionsanlagen müssen zukünftig ressourcenschonender, flexibler und zuverlässiger werden. Wie kann das in der Praxis umgesetzt werden? Daran arbeiten nun Lemgoer Forscher zusammen mit einem internationalen Konsortium aus Forschungsinstituten und Partnern aus der Industrie: Sie entwickeln gemeinsam eine virtuelle Fabrik der Zukunft. Die EU investiert in dieses Forschungsvorhaben insgesamt über 4,1 Millionen Euro. In diesen Tagen treffen sich die Experten dazu im Centrum Industrial IT (CIIT) auf dem Lemgoer Campus.
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.
Das Ziel ist die Nutzun innovativer, selbsterlernender Modelle

(V.r.n.l.): Prof. Oliver Niggemann vom Institut für industrielle Informationstechnik (inIT) der Hochschule OWL erklärt seinen Projektpartnern Aksel Jørgensen (Xcelgo A/S), Adam Gąsiorek (Transition Technologies S.A.) und Ulrich Bührer (TU München) das intelligente Assistenzsystem an der Modellanlage der SmartFactoryOWL. Bild: CIIT

Anfang September startete in Lemgo dazu nun erstmals ein internationales EU-Projekt. Das inIT entwickelte die Projektidee und koordiniert das Forschungsvorhaben der 13 Projektpartner aus sechs EU-Ländern. Damit baut das Lemgoer Institut seine Vorreiterrolle auf dem Gebiet der intelligenten technischen Systeme international weiter aus. „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”, zu Deutsch: Innovative Modellierungsansätze zur validierbaren Steigerung der Effizienz von Produktionssystemen) 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.
Assistenzsysteme bieten dem Menscher Entscheidungshilfen an
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. „Die größte Herausforderung für uns liegt darin, die Techniken aus dem Labor in die realen Produktionsanlagen anzupassen. Durch die Kooperationen mit den Industriepartnern, die diese Anforderungen genau kennen, ergänzen wir uns aber optimal und versprechen uns fundierte Ergebnisse“, erklärt Niggemann.

Auftakt-Projekttreffen in Lemgo: Vertreter der beteiligten Forschungsinstitute und Unternehmen trafen sich am 15. und 16. Oktober im CIIT. Bild: CIIT

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 z. B. Energie zu sparen.“
Für das Projekt „IMPROVE“ bildet das EU-weite Förderprogramm „Horizont 2020“ das Rahmenprogramm, in dem forschungs- und anwendungsnahe Projekte gefördert werden. Horizont 2020 ist eine Initiative der Europäischen Union für Forschung und Innovation zur Förderung von Wissenschaft, technologischer Entwicklung und Innovation.