Wandelnde Anforderungen an Unternehmen sowie deren Engineering- und Produktionsprozesse stellen immer größere Herausforderungen dar.
Die Evaluierung bestehender Produktionsprozesse sowie die Modernisierung von Bestandsanlagen ist die Grundlage zukünftiger Wettbewerbsfähigkeit. Zielgerichtete Automatisierung, die Optimierung von Wertschöpfungsprozessen, die kontinuierliche Einbindung von Bestandsmitarbeiter:innen sowie der Einsatz datenbasierter Methoden führt zu einer ganzheitlichen Betrachtung von Engineering, Produktion und Organisation.
Zielgerichteter Einsatz von industrieller Robotik, Bildverarbeitung und Automatisierung ermöglicht intelligente, wandelbare und effiziente Produktionszellen und -anlagen.
Die schnellen Weiterentwicklungen von Technologien, etwa kollaborativer Robotersysteme, autonomer Intralogistiksysteme oder auf Machine-Learning basierender Bildverarbeitungssysteme, ändern fortlaufend die technischen Möglichkeiten von Produktionsanlagen. Durch die Begleitung von Machbarkeitsstudien, Entwicklung von Umsetzungskonzepten oder Erstellung von Funktionsprototypen können diese unternehmensspezifisch evaluiert sowie ggf. adaptiert und implementiert werden.
Durch die transparente Darstellung von Produktionsprozessen sowie die strukturierte Erhebung von Automatisierungspotential können Optimierungsmöglichkeiten erarbeitet und Entscheidungsfindungen unterstützt werden. Methoden des Operations Research sowie simulationsbasierte Studien unterstützen hierbei die Analyse bestehender Produktionsprozesse. Eine integrierte Datenanalyse bildet dabei die Grundlage einer systematischen Untersuchung von Szenarien und Effekten. Durch Methoden wie kombinierte Material- und Energieflusssimulationen können zudem Material- und Energieverbräuche betrachtet und ressourceneffizientere und nachhaltigere Gesamtprozesse gestaltet werden.
Produktionsoptimierung im Kontext von Lean und Six Sigma Methoden zielen auf eine Erhöhung der Effizienz und Qualität sowie auf eine Reduzierung der Durchlaufzeit ab. Hierbei können sowohl analytische Methoden zur Prozessoptimierung eingesetzt als auch entsprechende Kompetenzen durch Mitarbeiterausbildung in das Unternehmen überführt werden.
Eine nachhaltige Transformation ist nur dann möglich, wenn auch einzelne Mitarbeiter:innen sowie die gesamte Organisation diesen Wandel mittragen. Unternehmensspezifische Herausforderungen werden detailliert untersucht, entsprechende Erfolgsfaktoren erarbeitet und gewonnene Erkenntnisse in Umsetzungsempfehlungen überführt. Ein besonderer Fokus wird hierbei auf die kontinuierliche Einbindung und Weiterbildung von Bestandsmitarbeiter:innen, individuelles Wissens- und Kompetenzmanagement sowie die Attraktivierung des Unternehmens für Arbeitnehmer:innen gelegt.
Durch neueste Assistenzsysteme in Engineering und Produktion – etwa auf Basis von Projektionen oder Virtual- und Augmented Reality – können Mitarbeiter:innen individuell unterstützt und somit deren Tätigkeiten qualitativ aufgewertet werden.
Datenbasierte Methoden und Konzepte – etwa Machine Learning in der Qualitätssicherung, Predictive Maintenance oder AI-gestützte Maschinen- und Betriebsdatenanalyse – bieten große Innovationspotentiale von Engineering- und Produktionsprozessen. Ein besonderer Fokus liegt hierbei auf der praktischen Umsetzung in Bestandsprozessen und im Sondermaschinenbau – z.B. in der Entwicklung von automatisierten Prüfständen oder Überwachungssystemen. Insbesondere in Kombination mit klassischen Methoden, z.B. industrieller Regelungstechnik, industrieller Messtechnik oder industrieller Bildverarbeitung, können somit innovative Lösungen geschaffen werden.
Durch die strukturierte Identifikation und Beurteilung von Anwendungsfällen und -potentialen – in Kombination mit der Sichtung und Visualisierung von Bestandsdaten –, die Projektierung der nötigen Daten-Infrastruktur sowie die Entwicklung eines entsprechenden Software- und Systemdesigns können kurz-, mittel- und langfristige Entwicklungsstufen definiert werden.
Bei Fragen zum Forschungsschwerpunkt kontaktieren Sie uns unter: smartproduction@mci.edu
