Dank generativer KI wird dieser Use Case zum Quick Win für die Fertigungsindustrie: Das mühsame Studium technischer Dokumentationen kann durch individualisierte KI-Chatbots, die auf den Inhalten bestehender Handbücher aufbauen, in dialogischer Form nach gezielten Informationen durchsucht werden.

Die Integration von Sensoren und Kameras in Roboterzellen wird in der Praxis noch selten virtuell geplant, so dass es mitunter zu Fehlern beim Bin Picking, also dem automatisierten Identifizieren, Entnehmen und Zuordnen von Objekten aus Teilbehältern, kommt. Die frühzeitige virtuelle Planung und Erprobung der eingesetzten maschinellen Bildverarbeitungssysteme behebt diese Schwachstelle durch die Optimierung aller ineinandergreifenden Elemente.

Mit IDTA – der Verwaltungsschale – wurde ein Industriestandard für digitale Zwillinge entwickelt, der die Virtualisierung industrieller Prozessabläufe sowohl unternehmensintern als auch unternehmensübergreifend ermöglicht. Wir begleiten die Transformation einer heterogenen IT-Landschaft hin zu einem standardisierten IT-Asset-Modell, das die fortschreitende Digitalisierung des Maschinenbaus vorantreibt.

Die Fertigungsprozesse umfassen teilweise mehrere hundert Einzelteile, die zum richtigen Zeitpunkt aus den Lagern bereitgestellt werden müssen, was einen hohen organisatorischen Aufwand bedeutet und teilweise fehleranfällig ist. In ein bestehendes internes Planungstool wurden Algorithmen zur Routenoptimierung integriert. Durch Human-in-the-Loop wird sichergestellt, dass Änderungen oder Anpassungen nur durch den Menschen freigegeben werden.

Im Bereich des Karosseriebaus werden viele Betriebsmittel, einschließlich spezieller Behälter in der Logistik, benötigt. Diese Behälter weisen aufgrund ihrer relativ geringen Stückzahlen und ihrer individuellen Gestaltung einen hohen Planungs- und Herstellungsaufwand auf. Der Virtual Container Showroom ermöglicht eine teamübergreifende Entwicklung und Abnahme von Behältern, die parallel und ähnlich wie bei der virtuellen Fahrzeug- und Komponentenentwicklung stattfindet. Die Benutzer können wichtige Schritte zur Produktionsfreigabe des neuen Behältertyps im Industrial Metaverse virtuell und interaktiv durchführen.

Für eine energieoptimierte Roboterzelle müssen verschiedene Kriterien wie Raumaufteilung, Umbaumöglichkeiten, Taktzeiten der Roboter sowie das zur Verfügung stehende Budget berücksichtigt werden. Ohne digitale Planungswerkzeuge ist eine Ressourcenoptimierung bei gleichzeitiger Kosteneffizienz nicht möglich. Erst durch eine automatisierte Analyse aller Parameter können praktikable Lösungsvorschläge für eine energieeffiziente Roboterzellengestaltung identifiziert werden.

Fehlerdaten sind oft erst nach dem Serienanlauf (Start of Production, SOP) verfügbar, was die frühe Erkennung und Bearbeitung erschwert. Seltene Fehler können zudem nur dann trainiert und analysiert werden, wenn sie in ausreichend großer Anzahl auftreten, was den Prozess erheblich einschränkt. Durch den Einsatz von synthetischen Daten kann der Bedarf an realen Fehlerdaten für das Training reduziert werden. Eine solche KI steht bereits vor dem Serienanlauf (SOP) zur Verfügung, was eine frühzeitige Prozessoptimierung ermöglicht.

Der Import großer Scan-Daten in das CAE-System gestaltet sich häufig schwierig, was dazu führt, dass die Systeme oft auf veralteten Daten basieren. Durch eine flexible Datenkonvertierung in das JT-Format wird der Import in das CAE-System erleichtert. Das CAE-System kann so auf aktuelle, reale Daten zugreifen, was eine bessere und präzisere Planung ermöglicht.

Offline-Nacharbeit wird häufig durch fehlerhafte Lackierprozesse verursacht, die auf Faktoren wie nicht angepasste Kabinenbedingungen, Applikationsparameter oder Materialeigenschaften zurückzuführen sind. Da diese Ursachen meist isoliert überwacht werden und Wechselwirkungen unberücksichtigt bleiben, kann eine KI-basierte Qualitätsabschätzung während des Lackierprozesses helfen. Ein qualitätsorientiertes Warn- und Empfehlungssystem reduziert frühzeitig die Ursachen für Nacharbeit und steigert die Prozesseffizienz.

Ein fest programmierter Produktionsfluss bietet wenig Flexibilität und nur eine langsame Reaktionsfähigkeit in High-Mix-Szenarien. Im Gegensatz dazu ermöglicht eine selbstorganisierende Produktion, unterstützt durch virtuelle SPS und Edge-Computing, eine schnelle Anpassung des Produktionsflusses und dynamische Programmänderungen während des Betriebs. Dadurch wird eine effizientere und anpassungsfähigere Steuerung ermöglicht.