Übersicht laufender Forschungsprojekte

Für die Betreiber von Stückgutspeditionsanlagen stellen die stetig steigenden Sendungsmengen bei einem gleichzeitig hohen Kostendruck eine zunehmende Herausforderung dar. Vor allem die Planung neuer sowie die Anpassung bestehender Stückgutanlagen spielt eine wesentliche Rolle bei der Bewältigung dieser Herausforderung. Ein effektives Hilfsmittel für die Planung, Realisierung und den Betrieb von logistischen Systemen ist die Simulation, da mithilfe von Simulationsmodellen eine digitale Nachbildung der Stückgutanlage sowie der dazugehörigen dynamischen Prozesse erzeugt werden kann und die Quantifizierung der Planungsqualität im simulierten Betrieb möglich ist. Die Verwendung einer Simulation erfordert jedoch den Einsatz von Simulationsexperten und wird aus diesem Grund im Wesentlichen ausschließlich bei großen Planungsobjekten mit mehreren Mio. Euro Projektvolumen herangezogen. Ziel dieses Forschungsvorhabens ist daher die Entwicklung eines simulationsbasierten Werkzeugs zur Planungs-unterstützung von Stückgutanlagen, welches vor allem ohne spezifisches Modellierungswissen durch die Betreiber anwendbar ist. Das Werkzeug führt den Anwender schrittweise durch den Planungsprozess und baut auf Basis der Nutzereingaben selbstständig ein Simulationsmodell auf. Die Betreiber von Stückgutanlagen sowie Unternehmensberatungen, insbesondere KMU, werden somit befähigt unterschiedliche Varianten und Szenarien in der Planung gegenüberzustellen und quantitativ zu bewerten. Infolgedessen wird den Anwendern des Werkzeugs eine effiziente Planung von Stückgutanlagen ohne Simulationsexpertise und somit ohne die Investition in externes Know-how ermöglicht. Darüber hinaus lassen sich mithilfe des Simulationsmodells die Planungszeiten für Stückgutanlagen wesentlich reduzieren.

Ziel des FuE-Projektes "FeLoVox" ist die Verzahnung von Fertigung und Materialfluss. Bis dato wird der Produktionsablauf durch Vorgaben und Prozesse der Fertigung bestimmt die Frage, ob das Transportsystem den Anforderungen gerecht werden kann, ob also Kennzahlen wie bspw. Durchsatzgrenzen oder Durchlaufzeiten auch als Restriktionen für die Produktionsplanung zu beachten sind, wird oft nicht gestellt. Folgen sind suboptimale (über- und/oder unterdimensionierte) Transportsysteme und eine ineffiziente Produktion. Dem will das Vorhaben mit einem ganzheitlichen Planungs- und Steuerungsansatz begegnen. Neu ist die Rückkopplung, d.h. die Bereitstellung von Prognosen zum Materialfluss bereits in der Phase der Erstellung der Teilelisten und des Produktionsplans. Im Idealfall kann dann sogar der Konstrukteur die Auswirkungen seiner Entscheidungen auf die Logistik abschätzen und z.B. den Teilekauf einer Eigenfertigung begründet vorziehen. Möglich wird dies durch folgende Entwicklungen: (a) Ersatz der NC-Programmierung durch die Volumenpixelmethode (b) Erzeugung fertigungs- und transportsystemgerechter Materialflüsse samt Speicherung deren Charakteristika in einer Wissensdatenbank zur Herstellung von Zusammenhängen zwischen Maschinenbelegungsplanung, Transportlastermittlung und Transportsystemfunktion (c) Rückkopplung von Informationen aus der Logistik- in die Fertigungsplanung Der Nutzen der Entwicklungen für kmU besteht dann vor allem in der Automatisierung des Know-Hows durch Bereitstellung von Tools, Software, Algorithmen, Handlungsempfehlungen und der Wissensdatenbank des FuE-Projekts, ganzheitlichen, dynamischen, iterativen Produktionsplanung durch Rückkopplung,  Reduktion der Planungsdauer & Produktionskosten durch Automatisierung der Planung und damit der Möglichkeit der Optimierung der Prozesse und  Verschlankung des Workflows. Die FuE-Ergebnisse eigenen sich für die Anwendung im operativen Betrieb und zur (Grob)Planung neuer bzw. umzugestaltender Stätten.

Im KMU-geprägten Maschinen- und Anlagenbau ist die termingerechte Inbetriebnahme kundenindividueller Produkte wettbewerbsentscheidend. Projektplanung und -steuerung sind wesentliche Erfolgsfaktoren, hängen aber von stets aktuellen Informationen zu allen Vorgängen während der Projektdurchführung ab. Während Produktionsdaten zumeist bereits digital erfasst werden und in Form eines Digitalen Schattens vorliegen, fehlen diese Daten für logistische Prozesse in der Auftragsfertigung des Maschinen- und Anlagenbaus. Rückmeldungen zu logistischen Prozessen erfolgen - wenn überhaupt - manuell, analog oder im Nachgang kumuliert. Nutzungsdauer und Verbleib der (logistischen) Ressourcen sind oftmals intransparent. Mit dem Forschungsvorhaben soll diese Lücke im Digitalen Schatten geschlossen werden. Die Herausforderung besteht darin, ein allgemeingültig einsetzbares und erweiterbares semantisches Modell eines Digitalen Schattens für Logistikprozesse im Maschinen- und Anlagenbau zu erarbeiten, über das eine (teil-)automatisierte Erfassung von Daten realisiert werden kann. Die geplanten Ergebnisse umfassen eine Systematisierung der relevanten Informationen zu den logistischen Prozessen, eine ontologiebasierte Umsetzung eines semantischen Modells für einen Digitalen Schatten, eine einsatzzweckbasierte Technologiebewertung sowie eine Vorgehensmethodik mit Technologieschablonen und einem Interoperabilitätskonzept für eine technische Umsetzung. Mittels einer Demonstrationsplattform erfolgt die Evaluation praxisnaher Anwendungsszenarien mit Partnern aus dem projektbegleitenden Ausschuss. Die Innovation liegt in der Schaffung eines praxisgerechten Zugangs für KMU zur digitalen Erfassung logistischer Prozessinformationen für den Maschinen- und Anlagenbau. Der Informationsbedarf definiert eine anwendungsspezifische Sicht auf den Digitalen Schatten, hier auf das Projektmanagement. Das semantische Modell sowie die Technologieschablonen werden allerdings flexibel erweiterbar konzipiert.

Kleine und mittlere Spediteure (KMU-Spediteure) haben im Vergleich zu großen Speditionen eine kleinere Kunden- und damit meist auch Auftragsbasis. Folglich haben sie weniger Möglichkeiten, Touren ad hoc umzuplanen, sollte es im Hauptlauf des kombinierten Straßen- und Schienengüterverkehrs (KV) zu Zugverspätungen kommen. Durch Estimated Time of Arrival- (ETA) Prognosen, deren Prognosequalität zurzeit in Projekten wie "Aeolix" und "KV4.0" erforscht wird, lässt sich die Tourenplanung für den Vor- und Nachlauf des KV dynamisch, d. h. immer dann wenn neue Informationen vorliegen, an die Verspätung des Schienenhauptlaufs anpassen, was zu einer Reduzierung von Wartezeit und -kosten führen kann (Bock, 2010). Bisherige Forschungsarbeiten nehmen jedoch an, dass eine ETA-Prognose nur ein einmalig ermittelter Wert ist, welcher im Zeitablauf nicht weiter angepasst wird (Srour et al., 2016). In der Realität werden ETA-Prognosen jedoch an den tatsächlichen Transportablauf angepasst, um eine möglichst exakte Vorhersage über die erwartete Ankunftszeit zu treffen (RailFreight, 2019). Dabei ist die Prognosegüte der ETA-Prognose abhängig von verschiedenen Faktoren (z. B. Infrastrukturstörungen, Unfälle, Wetter), ändert sich im Zeitverlauf und steigt prinzipiell, je weiter sich der betrachtete Zug dem Zielterminal nähert (Weinke/Poschmann, 2019). Ziel des Forschungsvorhabens Datengetriebene Analyse von ETA-Prognosen“ ist es daher, die Reliabilität einer sich im Zeitablauf verändernden ETA-Prognose zu untersuchen und zu determinieren, wie unter unsicheren und sich verändernden Ankunftszeiten der Vor- und Nachlauf im KV effizient (wann wird umgeplant) und effektiv (welche Touren werden gefahren) gestaltet werden kann. Da sich der Wert der ETA-Prognose und die Streuung des Prognosefehlers im Zeitablauf verändern, ist es für Spediteure nicht ohne weiteres ersichtlich, zu welchem Zeitpunkt sie ggf. umdisponieren sollten.

Die innerbetriebliche Lieferkette (inLi) in Unternehmen des Maschinen- und Anlagenbaus umfasst alle Bereiche von der Beschaffung bis zum Versand. Sie ist geprägt von einer heterogenen Prozesslandschaft, oftmals einhergehend mit repetitiven, administrativen Aufgaben. Diese sind in der Regel mit hohem manuellen Aufwand sowie hohem Fehlerpotenzial verbunden. Ein Beispiel hierfür ist die manuelle Eingabe von Lieferscheinen in ein Enterprise-Resource-Planning-System (ERP-System). Selbst inkrementelle Verbesserungen helfen KMU bereits enorm, die Heterogenität der Prozesse in der inLi zu bewältigen. Robotic Process Automation (RPA) ist hierfür ein vielversprechender Ansatz. Für eine zielgerichtete Einführung von RPA in der inLi müssen zunächst geeignete Prozesse der inLi identifiziert und entsprechende technologische, datenbezogene, organisatorische und menschliche Anforderungen abgeleitet werden. Die bisherige Forschung liefert hierzu keine hinreichenden Erkenntnisse, insbesondere nicht in Bezug auf die inLi. Das Forschungsprojekt „RPAlog“ verfolgt das Ziel, automatisierbare Prozesse in der inLi sowie die KMU-gerechte Automatisierung dieser Prozesse unter Berücksichtigung der technologischen, datenbezogenen, organisatorischen sowie menschlichen Anforderungen zu identifizieren. Die Forschungsfrage hierzu lautet: Wie können KMU im verarbeitenden Gewerbe befähigt werden, durch die Nutzung von RPA zielgerichtet Automatisierungspotenziale in der innerbetrieblichen Lieferkette auszuschöpfen?

Exoskelette bieten im Bereich der Produktion und Logistik in mehrfacher Hinsicht ein großes Potenzial. Muskel-Skelett-Erkrankungen sind in Deutschland und weltweit die führende Ursache für Arbeitsunfähigkeit. Jährlich entstehen hierdurch hohe Produktionsausfallkosten. Vor diesem Hintergrund ist eine ergonomische Arbeitsplatzgestaltung entscheidend, um Ausfallzeiten zu reduzieren und auch älteren oder leistungsgewandelten das Arbeiten an diesem Arbeitsplatz zu ermöglichen. Insbesondere im Hinblick auf den demografischen Wandel und den Fachkräftemangel wird dies zunehmend wichtiger für Unternehmen. Die auftretenden Belastungen können jedoch nicht immer mit etablierten Gestaltungsmaßnahmen reduziert werden. Insbesondere in diesen Fällen bieten Exoskelette das Potenzial die Arbeitssituation zu verbessern. Das Themenfeld Exoskelette in der Produktion und Logistik ist ein sehr junges Gebiet, in dem kommerzielle Lösungen erst seit wenigen Jahren auf dem Markt zu finden sind. Unter Exoskeletten werden am Körper getragene Assistenzsysteme verstanden, welche die menschliche Bewegung (elektro-) mechanisch unterstützen. Die bisherigen Forschungen zielen daher überwiegend auf die Entwicklung von Exoskeletten ab oder sind als Pilotstudien zu einzelnen Systemen angelegt. Eine systematische Identifikation von Potenzialen in verschiedenen Bereichen der Produktion und Logistik ist bisher noch nicht erfolgt. Das Forschungsvorhaben SyNExo schließt diese Forschungslücke und hat die Entwicklung eines Werkzeugs zur Potenzialanalyse für den Einsatz von Exoskeletten, einen Quick-Check, zum Ziel. Zur Erreichung dieses Ziels werden sowohl Marktanalysen bzgl. existierender Exoskelett-Systeme als auch Analysen der Anwendungsbereiche durchgeführt, systematisiert und in einem morphologischen Kasten dargestellt. Alle Erkenntnisse werden abschließend in einem leicht anzuwendenden Quick-Check konsolidiert um insbesondere KMU den Einstieg in das Themenfeld zu erleichtern.

Schwankende Auftragseingänge, ein breites Produktportfolio und eine komplexe, mehrstufige Produktion: dies alles sind Rahmenbedingungen, mit denen sich viele produzierende Unternehmen speziell in Deutschland nicht erst seit einigen Jahren konfrontiert sehen. Statische und leicht zu beherrschende Engpässe gehören damit in vielen Produktionsumfeldern der Vergangenheit an. Die Identifikation und Vorhersage dynamischer Engpässe wird zu einer Schlüsselkompetenz in der Verbesserung von Produktionseffizienz und –stabilität. Jedoch existieren kaum praktikable Ansätze zur frühzeitigen Identifikation bzw. Vorhersage von dynamischen Engpässen speziell im hochvariablen Alltag kleiner und mittelgroßer Unternehmen. Der Einsatz von Maschinellem Lernen verspricht in diesen Anwendungsfällen eine verbesserte Abbildung der Variabilität und Prognosefähigkeit durch die Analyse vergangener Ereignisse. Das Projekt löst diese Aufgabenstellung und baut bestehende Barrieren bzgl. Datengenerierung und –aufbereitung in kleinen und mittleren Unternehmen (KMU) ab.

Hohe Variantenvielfalt, kleine Losgrößen und Flexibilität: dafür notwendige Materialflussprozesse, also die bedarfsgerechte Bereitstellung des Materials sowie der Transport von Maschine zu Maschine stellen an die innerbetriebliche Logistik immer höhere Anforderungen. Dabei steckt in kleinteiligen, oft manuellen Produktionsabläufen ein großes Optimierungspotenzial, denn betroffene physische Materialflussprozesse sind oftmals nicht digital abgebildet. Das Ziel von ProCheck ist es, eine automatisierte und kontinuierliche Analyse, Optimierung und Überprüfung von Materialflussprozessen in kleinteiligen Produktionsabläufen zu ermöglichen. Als Innovation werden in ProCheck Methoden des Process Mining auch für physische Materialflussprozesse nutzbar gemacht. Dazu sollen prozesskennzeichnende Ereignisse, so genannte Event-Logs für Materialflussprozesse erzeugt werden. Die Daten dafür sollen über Cyber-Physische Systeme als sensorische Rohdaten in den Prozessen erhoben und über eine neuartige Datenverarbeitung in prozesskennzeichnende Ereignisse gewandelt werden. Dieser Ansatz soll in 5 Schritten umgesetzt werden: 1. Aufnahme und Modellierung des Materialflussprozesses als maschinenlesbare Modelle 2. Einbringen und Erfassen von prozessrelevanten Rohdaten durch existierende CPS-Technologien in Produktionsumgebungen 3. Entwicklung einer Rohdatenauswertung zur automatisierten Generierung von Event-Logs 4. Anpassung von Process Mining Verfahren zum Abgleich von Ist-Prozessen mit Soll-Prozessmodellen spezifisch für Materialflussprozesse in der Produktion von KMU 5. Empfehlungen zur Optimierung und Anwendung Als Nutzen erhalten KMU durch den Einsatz von bereits existierenden CPS-Technologien in Kombination mit neuartiger Sensordatenauswertung und dadurch möglicher Anwendung von geeigneten PM-Techniken mehr Transparenz, Leistung und Flexibilität in ihren Materialflussprozessen der Produktion. Den Marktwünschen kann so besser entsprochen und dem Wettbewerb besser begegnet werden.

Die Entwicklung autonomer Fahrzeuge macht in der Automobilbranche sehr große Fortschritte während in der Intralogistik autonome Fahrzeuge schon seit einigen Jahren verbreitet sind. Für eine Verwendung im Bereich der Landwirtschaft sind jedoch noch einige Hürden zu bewältigen. Insbesondere sind für den effizienten und unterbrechungsfreien wirtschaftlichen Einsatz autonomer Fahrzeugflotten auf dem Feld zahlreiche logistische Prozesse zu planen, wie u.a. der Transport der Einheiten vom Depot des Hofes oder eines Dienstleisters zum Feld und zwischen den Feldern sowie die Bereitstellung von Werkzeugen und Betriebsmitteln o.Ä. Dieses Planungsproblem stellt die Anwender - diese sind meist Lohnunternehmer (in Deutschland existieren mehr als 5000 Lohnunternehmen, diese sind ausschließlich KMU) - landwirtschaftlicher autonomer Fahrzeugflotten vor eine große logistische Herausforderung. Diese gilt es zu bewältigen, um die neue Technologie in der Landwirtschaft effizient und damit wirtschaftlich einsetzen zu können. Im Rahmen des Projekts FeldSchwarmLogistik soll das Problem als Routing- und Scheduling-Problem unter Berücksichtigung aller praxisrelevanten Restriktionen und Nebenbedingungen modelliert werden. Darauf aufbauend wird eine algorithmische Lösung dafür entwickelt, um einen optimalen Nutzen aus der Anwendung autonomer Feldschwärme zu erzielen und Hürden bei der Investition und Implementierung zu senken. Davon profitieren KMU auf der einen Seite in Form von Lohnunternehmen, die mit Hilfe eines Planungstools kostenminimal eine ressourcenschonende neue Technologie einsetzen können. Andererseits ist zu erwarten, dass neue Akteure als KMU in Form von bspw. Servicedienstleistern in der Automatisierung und Telekommunikation in die Branche Einzug finden werden.