29
© Fraunhofer Prof. Reimund Neugebauer, Kongress Produktionsforschung, 23.06.2016, Berlin INNOVATIONSPUSH FÜR DIE PRODUKTION IM DIGITALEN ZEITALTER HERAUSFORDERUNGEN UND CHANCEN VON INDUSTRIE 4.0 UND DIGITALER WIRTSCHAFT

INNOVATIONSPUSH FÜR DIE PRODUKTION IM DIGITALEN … · 2 . Herausforderung der Digitalisierung der Produktion : 2.1 Standards 2.2 Sicherheit 2.3 Industrielle Kommunikation, 5G, taktiles

  • Upload
    lyxuyen

  • View
    212

  • Download
    0

Embed Size (px)

Citation preview

© Fraunhofer

Prof. Reimund Neugebauer, Kongress Produktionsforschung, 23.06.2016, Berlin

INNOVATIONSPUSH FÜR DIE PRODUKTION IM DIGITALEN ZEITALTER HERAUSFORDERUNGEN UND CHANCEN VON INDUSTRIE 4.0 UND DIGITALER WIRTSCHAFT

© Fraunhofer 2

INNOVATIONSPUSH FÜR DIE PRODUKTION IM DIGITALEN ZEITALTER – HERAUSFORDERUNGEN UND CHANCEN VON INDUSTRIE 4.0 UND DIGITALER WIRTSCHAFT 1 Globale Situation in der Produktion 2 Herausforderung der Digitalisierung der Produktion

2.1 Standards 2.2 Sicherheit 2.3 Industrielle Kommunikation, 5G, taktiles Internet 2.4 Maschinelles Lernen

3 Cyber-Physikalische Fertigungstechnologien der Zukunft

– Beispiele aus der Fraunhofer-Forschung

4 Fazit

© Fraunhofer 3

1 Globale Situation in der Produktion Erfolgreich durch Forschung und Entwicklung

Quelle: Niedersächsisches Institut für Wirtschaftsforschung e.V., 2016

0%

2%

4%

6%

8%

10%

12%

14%

16%C

hina

Ger

man

y

US

A

Japa

n

Kor

ea

Fran

ce UK

Net

herla

nds

Bel

gium

Italia

Sw

itzer

land

Can

ada

Spa

in

Pol

and

Indi

a

Sw

eden

Aus

tria

Den

mar

k

Bra

zil

Rus

sia

Isra

el

Finl

and

Sou

th A

frica

2014 Welthandelsanteil mit Forschungs-

intensiven Waren

Anteil der Weltbevölkerung

FuE Erfolg/ Kopf

China Deutschland USA

15.3% 12.4% 12.2%

18.4%

1.1%

4.3%

0.8

11.4

2.8

© Fraunhofer 4

1 Globale Situation in der Produktion Karten werden neu gemischt

Wertschöpfung bis 2050 rund verfünffachen

Disruptive, Transformatorische und Frugale Innovation

Verschiebung der Innovations-Zentren

Unterhaltungselektronik, Photovoltaik, E-Mobilität

Verknappung von Ressourcen

Effizienztechnologien, Bioökonomie, Nachhaltigkeit

© Fraunhofer 5

1 Globale Situation in der Produktion Chancen und Risiken der Digitalisierung

Chancen Risiken

Evolutionäre Innovationen Produktivität Flexibilität Qualität Kosten Time to Market

Verlust der Datensouveränität

vs.

Disruptive Innovationen Neue Dienstleistungen

und Produkte Neue Märkte Neue Geschäftsmodelle

Cyber-Kriminalität

IP-Verlust

© Fraunhofer 6

Akteure Situation Ziele Mittel Industrie 4.0 Deutschland Wachsender

Wettbewerb Aufrechterhaltung der starken industriellen Basis

Integration von IuK und Produktion

Industrial Internet

USA, UK Service-orientierte Wirtschaft

Re-Industrialisierung

Hinzufügen von Produktions-technik zu IuK

Vollauto-matisierung

Ostasien Arbeitskräfte-mangel, Steigende Arbeitskosten

Kostensenkung, Schnelligkeit, weniger Arbeitskraft

Ausbau Robotereinsatz

1 Globale Situation in der Produktion Ausrichtungen der zukünftigen Produktionstechnik

© Fraunhofer 7

INNOVATIONSPUSH FÜR DIE PRODUKTION IM DIGITALEN ZEITALTER – HERAUSFORDERUNGEN UND CHANCEN VON INDUSTRIE 4.0 UND DIGITALER WIRTSCHAFT 1 Globale Situation in der Produktion 2 Herausforderung der Digitalisierung der Produktion

2.1 Standards 2.2 Sicherheit 2.3 Industrielle Kommunikation, 5G, taktiles Internet 2.4 Maschinelles Lernen

3 Cyber-Physikalische Fertigungstechnologien der Zukunft

– Beispiele aus der Fraunhofer-Forschung

4 Fazit

© Fraunhofer 8

2 Herausforderung der Digitalisierung der Produktion

Daten als strategische Ressource

Zeit

Wertbeitrag

Daten als Prozessergebnis

Daten als Befähiger von Prozessen

Daten als Befähiger von Produkten

Daten als Produkt

Neue Geschäfts- modelle

Legende: NC – Numerical Control; ERP – Enterprise Resource Planning; CAD – Computer-Aided Design; CAM – Computer-Aided Manufacturing.

Mainframe Computing

NC Machines

Web Services

Big Data

ERP Systems

CAD/CAM

© Fraunhofer 9

2 Herausforderung der Digitalisierung der Produktion

PRODUKTE kennen ihre Geschichte

MATERIALIEN kennen ihre Eigenschaften

MENSCHEN kommunizieren, interagieren,

entscheiden

INTERAKTION intuitiv, nahezu Echtzeit, Kontext-bezogen

FABRIKBETRIEB optimaler Einsatz

verfügbarer Ressourcen

DIGITALE FABRIK abgesichert durch Simulation und Prognosen

LINKED DATA

PRODUKTION SYSTEME operieren und adaptieren sich selbstständig Kontext-bezogen flexibel und synchron

PROZESS KETTEN bilden sich ad hoc und

Ressourcen bedingt

MASCHINEN kennen ihre Funktionen und produzieren autonom

PROZESSE kennen ihre Parameter und adaptieren sich selbständig

ENERGIE Nachfrage- und Angebot-synchron

GESCHÄFTSMODELLE transparent, flexibel, innovativ

Daten als Kern und Ressource intelligenter Produktion

© Fraunhofer 10

2 Herausforderung der Digitalisierung der Produktion Sicherer Datenaustausch und Datensouveränität: INDUSTRIAL DATA SPACE©

Retail 4.0 Banking 4.0 Insurance 4.0

… Industrie 4.0 Fokus: produzierende

Industrie

Smart Services

Übertragung, Netzwerke

Echtzeitsysteme

Industrial Data Space Fokus: Daten Daten

… Verbesserung: Prozesse, Markt

Revolution

Evolution

Neue Produkte Neue Märkte

© Fraunhofer 11

2 Herausforderung der Digitalisierung der Produktion Industrie 4.0 und digitale Wirtschaft

Takt

iles

Inte

rnet

– L

aten

z

Breitbandausbau – Datenrate

Internet der Dinge ∙ Geräteproxies ∙ Netzprotokolle

Embedded Systems ∙ Sensoren ∙ Aktoren STANDARDS Kompatibilität

* Industriezweige, gerankt nach Digitalem Index, Accenture, von li. nach re.

Automobil- industrie*

Digitale Wirtschaft – Smart Services

Prozess- u. Produkt-Innovation; neue Geschäftsmodelle Mehrwert

Neue Märkte

Elektronik und IT

Dienst- leistungen Logistik Maschinen u.

Anlagenbau Pharma u.

Medizinbedarf

Internet der Dienste ∙ »Smart Data Services« (Alerting, Monitoring, Datenqualität etc.)

»Basic Data Services« (Informationsfusion, Mapping, Aggregation etc.)

INDUSTRIAL DATA SPACE Daten-Sicherheit

Indu

strie

4.0

– S

mar

t Pro

duct

ion

Machine Learning

© Fraunhofer 12

2 Herausforderung der Digitalisierung der Produktion Herausforderung: Standards

Referenz-Architektur-Modell Industrie 4.0 (RAMI 4.0)

3D-System

Gemeinsam entwickelt: Bitkom, VDMA, ZVEI, Plattform Industrie 4.0

Standardisierungsziel I4.0: Identifikation

(Teilnehmer Ortung) Semantik

(Kommunikation) Quality of Service

(Echtzeitfähigkeit, Ausfallsicherheit)

Industrial Data Space

Upload / Download / Search Internet

Apps Vocabulary

Industrial Data Space Broker

Clearing

Registry Index Industrial Data Space

App Store

Internal IDS Connector

Company A Internal IDS Connector

Company B

External IDS Connector

External IDS Connector

Upload Third Party

Cloud Provider

Download

Upload / Download

© Fraunhofer

© Fraunhofer 14

Car2Car & Car2X Kommunikation

Industrielles Wireless

Mobile High Speed Internet

Fraunhofer Projekte (Auswahl): Fraunhofer-

»5G Standardisierung«

EU: »5GPPP«

BMVi, Berliner Senat: »5G-Testbed Out- / Indoor«

BMWi: »Industrielles Internet«

BMBF: »5G: Zuverlässige industrielle Kommunikation«

Use Cases 5G Anforderungen 1000 x Daten

-Durchlauf 100 x Geräte

10 x Akku-Laufzeit 1 ms Latenz

Herausforderung Taktiles Internet: 5G Netzwerk 2 Herausforderung der Digitalisierung der Produktion

© Fraunhofer 15

2 Herausforderung der Digitalisierung der Produktion

Systemarchitektur für den Mobilfunk der Zukunft (2019) Über: »Rainforest-Approach« Dezimeterwellen

FB: 300 MHz … 3 GHz Funkdienste, Flugsicherung, Handy

Zentimeterwellen FB: 3 … 30 GHz Richtfunk, Satellitenrundfunk, RFD

Millimeterwellen FB: 30 … 300 GHz „Wanddurchblick“, ABS-Tempomat, Sicherheitsscanner

Herausforderung Taktiles Internet: Netzwerk-Architektur

© Fraunhofer 16

2 Herausforderung der Digitalisierung der Produktion Chancen: »Maschinelles Lernen« und »Kognitive Maschinen«

Adaptivität, Wandelbarkeit

Interaktivität, Kommunikationsfähigkeit

Iterativität, Erinnerungsvermögen

Kontextualität, Anpassungsfähigkeit

Maschinelles Lernen umfasst Verfahren, die einer Maschine ermöglichen, aus (Beispiel)daten zu lernen, um ihre (Entscheidungs)prozesse ohne explizite Programmierung zu optimieren.

Charakteristik »Kognitiver Maschinen«

Fortschritte durch »Moore’s Law«:

Rechengeschwindigkeit

Datenspeicher

»Clouds«

»Big Data«

Schnelles Internet

Miniaturisierung

© Fraunhofer 17

Generisches Model Zustands-verfolgung Optimale Regelung

2 Herausforderung der Digitalisierung der Produktion Maschinelles Lernen in der Produktion am Beispiel des Tiefziehens

Maschine lernt auf Basis von Daten Vorhersagen über den Spannungszustand zu treffen:

© Fraunhofer 18

INNOVATIONSPUSH FÜR DIE PRODUKTION IM DIGITALEN ZEITALTER – HERAUSFORDERUNGEN UND CHANCEN VON INDUSTRIE 4.0 UND DIGITALER WIRTSCHAFT 1 Globale Situation in der Produktion 2 Herausforderung der Digitalisierung der Produktion

2.1 Standards 2.2 Sicherheit 2.3 Industrielle Kommunikation, 5G, taktiles Internet 2.4 Maschinelles Lernen

3 Cyber-Physikalische Fertigungstechnologien der Zukunft

– Beispiele aus der Fraunhofer-Forschung

4 Fazit

© Fraunhofer 19

3 Beispiele aus der Forschung

Ergebnisse:

Internationaler Benchmark der Rahmenbedingungen von Industrie 4.0 in Europa, Amerika und Asien

Zukunftsoptionen von Industrie 4.0 in Deutschland und weltweit

Handlungsempfehlungen für die Produktionsforschung

Laufzeit: 01.11.2013-30.06.2016

Projektpartner:

INBENZHAP: Abschlussbericht auf diesem Kongress verfügbar

GEFÖRDERT VOM BETREUT VOM

© Fraunhofer 20

3 Beispiele aus der Forschung

Hochauflösende Produktionssteuerung

Basis:

kybernetischer Unterstützungssysteme

intelligente Sensorik

Laufzeit: 09/2012 – 09/2015

Fördervolumen: 3,1 Mio. €

Konsortium:

ProSense: Infrastruktur für eine Produktionssteuerung in Zeiten von Industrie 4.0

GEFÖRDERT BETREUT

© Fraunhofer 21

3 Beispiele aus der Fraunhofer-Forschung Integration von Werkzeugmaschinen in CPPS / I 4.0-Plattformen

‚Dienst‘ (A)

CPPS/Industrie 4.0-Serviceplattform

Generische-Dienste z.B. Betriebssystem-updates

Produkt A Product B

Pro

duct

Eng

inee

ring

Ser

vice

Eng

inee

ring

Fertigung Fertigung Pla

nt E

ngin

eerin

g Plattform-Dienste, z.B. Datenablage

Anwendungsdienste z.B. Werkzeugverwaltung

Quelle: http://www.teco-germany.com/home/

Sicherer und verlässlicher Betrieb

RAMI

IDS

Virtueller Zwilling

© Fraunhofer 22

3 Beispiele aus der Fraunhofer-Forschung CPPS - Renaissance der Modularisierung

© Fraunhofer 23

Integration der Eigenschaften getrennt von Komponenten in die Werkzeugmaschine während der Steuerungs-programmierung

Eigenschaften sind auf Komponenten hinterlegt und werden beim Einbau in die Werkzeugmaschine eingelesen, (z.B. Steigungsverlauf, Reibmoment, Lagertemperatur, …)

Heute Morgen

Deutliche Zeit- und Kostenersparnis (Ziel: 20%) bei:

• Erstinbetriebnahme • Instandhaltungstätigkeiten • Änderung der Produktion

3 Beispiele aus der Fraunhofer-Forschung Fertigung: Komponentenintegration in Maschine

© Fraunhofer 24

3 Beispiele aus der Fraunhofer-Forschung

Eigenschaften Drahtlose Vernetzung und Überwachung im gesamten

Produktionsprozess sowie bei Lagerung und Transport mit s-net®

Behälter als Knotenpunkte im Netzwerk Hohe Zuverlässigkeit im Betrieb

(10 Jahre autarke Batterie)

Kundennutzen Füllstandserkennung, Lagerwesen Überwachung von Temperatur, Feuchtigkeit, Lage, usw. Reaktionsmöglichkeiten am Behälter

(Prozesslogik, Assistenz Prozessstörung)

Intralogistik: Intelligenter Behälter

© Fraunhofer 25

3 Beispiele aus der Fraunhofer-Forschung Intelligente Fertigungssteuerung der Batterieproduktion

Virtual Metrology*

Adaptive Optimierung der Prozessparameter

Vorhersage von Qualitätsparametern basierend auf Prozessdaten

Run-2-Run Control (Machine Learning)

Prozessieren Messen Prozessieren Messen

Datengetriebene Prozessteuerung mit Industrie 4.0 Technologien (Sensorik / CPS) Prädiktion von Prozesszielabweichungen aus Prozess-, Qualitäts- und Logistikdaten

z.B.: Vorhersage Beschichtungsqualität aus Umgebungstemperatur & Vibrationen Situative, selbst-lernende, dynamische Anpassung des Fertigungsprozess mittels Advanced Machine

Learning (z.B. Deep Learning)

© Fraunhofer 26

3 Beispiele aus der Fraunhofer-Forschung

Industrie 4.0 steigert den Bedarf nach energieautarken Sensoren

Wiederaufladbare Batteriezelle + Microcontroller + Energiewandler = Autonome personalisierte Mikro-Batterien

Energiewandler für Energy Harvesting (z.B. Bewegungs- oder Strahlenenergie)

Intelligentes anwendungsspezifisches Power Management

Autonome personalisierte Mikro-Batterien für Industrie 4.0 -Anwendungen

Energieautarker Temperatursensor

ESP Modul

Wireless Drucksensor

Aktuelle Zellen Mikro-Zellen Ziel:2020

Größe 0,8-6mm < 400 µm

Preis 20 Cent – 2 USD < 0,5 Cent

Eigenschaften unflexibel personalisiert

© Fraunhofer 27

INNOVATIONSPUSH FÜR DIE PRODUKTION IM DIGITALEN ZEITALTER – HERAUSFORDERUNGEN UND CHANCEN VON INDUSTRIE 4.0 UND DIGITALER WIRTSCHAFT 1 Globale Situation in der Produktion 2 Herausforderung der Digitalisierung der Produktion

2.1 Standards 2.2 Sicherheit 2.3 Industrielle Kommunikation, 5G, taktiles Internet 2.4 Maschinelles Lernen

3 Cyber-Physikalische Fertigungstechnologien der Zukunft

– Beispiele aus der Fraunhofer-Forschung

4 Fazit

© Fraunhofer 28

Effizienz-Technologien sind als Perspektive alternativlos.

Arbeitsplätze, Tätigkeiten und Fähigkeiten werden sich verändern.

Aktivitäten sind gekennzeichnet durch kollaborative Prozesse zwischen Mensch und Maschine.

Maschinen werden manuelle Aufgaben ausführen und komplexe Datenarbeit verrichten.

Lernfähige, interaktive, adaptive Maschinen passen sich an die individuellen Fähigkeiten und Bedürfnisse des Menschen an.

4 Fazit Digitalisierung koppelt physische und digitale Welt

Mehr Effizienz, neue Prozessketten, neue Produkte und neue Geschäftsmodelle.

»Sicher ist, dass nichts sicher ist. Selbst das nicht!« Joachim Ringelnatz

(*7 8. 1883 in Wurzen †12.11.1934 in Berlin)

© Fraunhofer