Digitale Transformation beschleunigen

Noch immer ist der viertgrößte deutsche Wirtschaftszweig die Ernährungswirtschaft. Der Bereich der kleinen und mittelständischen Unternehmen (KMU) ist noch weitgehend geprägt durch traditionelle Unternehmens- und Prozessstrukturen, einen ausgesprochen hohen Anteil an manuellen Prozessschritten, überwiegend personifiziertem Wissen und experimenteller Entwicklung. In diesen Strukturen liegt die ausgesprochen zögerliche Durchdringung mit Methoden und Techniken der vierten industriellen Revolution (u. a. Robotik, CPPS, Smart Factory, IoS, IoT) begründet.

An dieser Stelle setzt das Forschungsvorhaben „DiKoRo“ an. Das Projektziel ist die Entwicklung eines digitalen Prozessmodells am Beispiel des Einsatzes kollaborativer Roboter (DiKoRo) für individualisierte Lebensmittel in der Produktion von KMU. Dabei stehen exemplarisch die schrittweise digitale Transformation und ein gemeinsames, interdisziplinäres Vorgehen unter Beibehaltung des wertvollen handwerklichen Charakters der Produktion in den KMU der Lebensmittelindustrie als Alleinstellungs- und Qualitätsmerkmal im Fokus.

Entscheidend für den reproduzierbaren, technischen und wirtschaftlichen Erfolg ist die richtige Reihenfolge der digitalen Transformation. Zuerst sind die Voraussetzungen zu schaffen: Das ist ein sogenannter digitaler Zwilling in Form eines lebensmitteltechnologischen, maschinentechnischen, produktionsorganisatorischen, informationstechnischen und betriebswirtschaftlichen digitalen Prozessmodells. Danach erst setzt die Einführung der konsequent darauf aufbauenden Industrie-4.0-gerechten Technologie und Technik ein – im DiKoRo-Projekt bedeutet das konkret, den Einsatz kollaborierender Roboter für die handwerksnahe Produktion von individuellen Lebensmitteln prototypisch zu realisieren. Dabei wird produktbezogen fokussiert auf die individuelle Ausstattung und Dekoration von Back- und Süßwaren mit fließfähigen Lebensmitteln. So können Torten, Lebkuchen oder Kekse mit Schokolade, Zuckerguss, Gelee oder Lebensmittelfarbe variantenreich in Schrift, Muster oder „Royal Icing“ verziert werden. Interessant ist dies beispielsweise für Kleinserien wie Firmenjubiläen oder aber auch als Einzelstücke für Bestellungen im Online-Shop. Ein KMU gerechtes kollaboratives, das heißt innovativ und hochflexibel einsetzbares Robotersystem ermöglicht es. SimPlan erstellt in dem DiKoRo-Projekt zusammen mit der Hochschule Hannover das digitale Prozessmodell (digitaler Zwilling) sowie die dafür passende Simulationsumgebung. Dabei werden Bausteine entwickelt für die Abbildung und Simulation einer Mensch-Roboter-Interaktion in einem Simulationsmodell. So kann der Roboter als dritte Hand des Mitarbeiters eingesetzt werden, was eine Koexistenz und damit Arbeitsplatzteilung zur Folge hat.

Weitere Infos unter www.simplan.de/forschung/forschungsprojekt-dikoro/

Automatisierte Tankreinigungssysteme in komplexen Industrieanlagen sind eine Herausforderung. Denn aufgrund der fehlenden Möglichkeit, den Reinigungserfolg zu überprüfen, sind sie deshalb oft überdimensioniert, was zu einem übermäßigen Ressourcenverbrauch führt. Zudem haben die Reinigungssysteme meist ein festes Sprühmuster, was eine flexible Anpassung an ortsspezifische Reinigungsanforderungen verhindert. Um diesen Herausforderungen zu begegnen, entwickeln die Partner Hohe Tanne, iiM, Matrix Vision und Fraunhofer IVV im Forschungsprojekt „autoRein“ ein intelligentes Tankreinigungssystem, den „Adaptive Jet Cleaner“ mit integrierten Verschmutzungssensoren.Der Zielstrahlreiniger mit zwei unabhängig voneinander motorisch steuerbaren Achsen ist im Bild 2 rechts zu sehen.

Im Mittelpunkt dieser Entwicklung stehen der hochintegrierte Verschmutzungssensor und die zugehörige, selbstlernende Software. Die beiden Technologien werden kombiniert, indem eine miniaturisierte Variante des Verschmutzungssensors am beweglichen Arm des „Adaptive Jet Cleaners“ integriert wird. Mit dem Sensor können 360°-Bilder aus dem Tankinneren erstellt werden. Damit kann erstmals die aktuelle Verschmutzungssituation im gesamten Tank örtlich aufgelöst erfasst werden. Zudem werden neue Reinigungsstrategien ermöglicht, die selbstständig auf prozessbedingte Verschmutzungszustände reagieren. Ein selbstlernender Optimierungsalgorithmus errechnet nach einer Lernphase die optimalen Reinigungsparameter und passt sie bei Bedarf inline an. Dies erlaubt eine adaptive Reinigung, die den spezifischen Reinigungsanforderungen des Produkts und Tanks gerecht wird, wodurch zeitgleich die Effizienz der Reinigung gesteigert und das Risiko von Lebensmittelkontaminationen verringert wird.

Untermauert von Untersuchungen in milchverarbeitenden Betrieben sollen die Reinigungszeiten auf diese Weise um 50 % reduziert werden.

Das Projekt „InSeLDiP“ entwickelt am Beispiel zweier Separationsverfahren der Lebensmittelindustrie generalisierbare Digitalisierungskonzepte, die die Chancen einer auf Prozessverständnis basierenden Regelung nutzen. Hierzu sollen datengetriebene und modellbasierte Verfahren kombiniert werden, um die vorhandenen Produktionsprozesse zu optimieren. Die Kombination der Verfahren erlaubt die Erstellung hybrider digitaler Zwillinge, die auf Basis gesammelter Prozessdaten und vorhandenem Expertenwissen sowie formalisierten physikalischen bzw. empirischen Modellen den Produktionsprozess und seine Einfluss- und Ausgabegrößen abbilden können. Dies erlaubt die Online-Optimierung zur Produktionszeit und ermöglicht somit z. B. eine nachhaltigere Prozessführung unter Erschließung der bisher oftmals noch nicht genutzten historischen Datensätze. Bei dem Vorhaben wird zwischen vorhandenen Produktionsprozessen (Brownfield) und neu projektierten Anlagen (Greenfield) unterschieden. Die entwickelten Lösungen sollen jedoch soweit möglich für beide Anwendungsfälle gleichzeitig anwendbar sein, der Fokus liegt auf der Generalisierung der entwickelten Konzepte.