EMO: Der Mensch in der "industrie 4.0 area"

Vom 18. bis 23. September findet die EMO 2017 in Hannover mit der "industrie 4.0 area" statt. Aber nicht jeder steht dem Thema Industrie 4.0 aufgeschlossen gegenüber: Einige Menschen fürchten, dass Industrie 4.0 zu Algorithmen und Lösungen rund um Big Data führt, die auf lange Sicht das Wissen der Experten überflüssig machen. Entwarnung geben Oberingenieur Alexander Epple sowie Michael Königs vom Werkzeugmaschinenlabor WZL der RWTH Aachen im Interview. Sie verweisen auf das Zusammenwirken von Big Data und fachspezifischem Know-how.

In der praktischen Big-Data-Anwendung lernen nicht nur Wissenschaftler schnell, dass die Datenqualität aufgezeichneter Signale ausschlaggebend für den Erfolg einer Analyse ist (Bild: EMO/RWTH Aachen)

Herr Epple, Sie leiten als Oberingenieur am Werkzeugmaschinenlabor WZL der RWTH Aachen die Abteilung Maschinendatenanalyse und NC-Technik: Wie kamen Sie dazu? Wäre das nicht eher etwas für Mathematiker gewesen?

Alexander Epple (Bild rechts, Quelle: RWTH Aachen): Ich bewundere Mathematiker für ihre mächtigen Algorithmen und ihre Eigenschaft, Probleme mit einem sehr hohen Abstraktionsgrad zu betrachten. Diese Fähigkeiten helfen auch bei der Big-Data-Analyse. In der Produktionswelt gibt es – bedingt durch die Vielzahl an Maschinen und Verfahren – sehr unterschiedliche Arten von Daten. Miteinander vergleichbare Maschinen mit gleichen Prozessen sind daher selten. Rein statistische Ansätze führen unter diesen Voraussetzungen kaum weiter, und abstrakte Big-Data-Ansätze stoßen im Produktionsumfeld schnell an ihre Grenzen. Mehr bringt es, produktionstechnisches Wissen, beispielsweise in Form von Modellen, mit den Daten zu verknüpfen. Daher hat auch der Ingenieur seinen Platz in der Big-Data-Welt.

Spiegelt Ihr Team den interdisziplinären Ansatz?

Alexander Epple: In meinem Team arbeiten sechs Wissenschaftler, die von qualifizierten Programmierern und Maschinentechnikern unterstützt werden. Das Team ist tatsächlich sehr interdisziplinär: Wir verfügen neben Maschinenbauern auch über Informatiker und Elektrotechniker. Außerdem arbeiten Dr. Marcel Fey mit seiner Maschinentechnikabteilung und ich sehr eng zusammen, da seine Abteilung über umfangreiches Modellwissen verfügt. Zusammen sind wir fast 30 Wissenschaftler. Damit kann man Ideen schon vorantreiben. Momentan sind wir dennoch auf der Suche, um unser Team zu verstärken.

Wie weit verbreitet ist dieser fachübergreifende Ansatz in der Praxis?

Michael Königs: Insbesondere im Bereich Simulation bestehen am WZL schon lange interdisziplinäre Teams. Auch an anderen Universitäten oder Forschungseinrichtungen hat sich dieses Vorgehen bewährt. Wir stellen aber auch fest, dass interdisziplinäre Teams im Kontext der modellbasierten echtzeitnahen Datenverarbeitung nicht länger nur optional sind. Vielmehr führt zukünftig kein Weg an dieser Zusammenarbeit vorbei. Erst durch die Verknüpfung und das Zusammenbringen von Methoden und Modellen aus unterschiedlichen Fachbereichen kann das erhebliche Potenzial, das mit der Datenauswertung verbunden ist, erschlossen werden. Zusammenfassend lässt sich somit sagen: Es gab schon immer interdisziplinäre Ansätze, diese werden jedoch zukünftig noch stärker an Bedeutung gewinnen.

Herr Königs, Sie sind einer der Informatiker: Wie gehen Sie in der Welt des Maschinenbaus vor?

Michael Königs (Bild links, Quelle: RWTH Aachen): Man lernt in der praktischen Anwendung sehr schnell, dass die Datenqualität aufgezeichneter Signale ausschlaggebend für den Erfolg einer Analyse ist. Es steckt nämlich entgegen der Meinung vieler nicht immer alles in den Daten. So liefern Messsysteme einer Werkzeugmaschine zwar Positionsdaten, allerdings geben diese den realen Werkzeugpfad während einer Fräsbearbeitung nur näherungsweise wieder. Auf Abdrängungseffekte infolge von Prozesskräften oder geometrisch-kinematische Ungenauigkeiten der eingesetzten Werkzeugmaschine etwa kann in der Regel nicht zurückgeschlossen werden. Durch das Modellwissen können die reinen Signaldaten mit diesen fehlenden Informationen angereichert werden. Erst dieser veredelte Datensatz eignet sich zum Beispiel zur Prognose von erzielten Werkstückqualitäten noch während der Bearbeitung.

Digital Factory Journal:
Jetzt kostenlos testen

Digital Factory Journal - Jetzt kostenlos bestellen

Mit unserem neuen Fachmedium „Digital Factory Journal“ greifen wir neue Lösungsansätze, Geschäftsmodelle und Anwendungen aus der Praxis auf und berichten darüber mit hoher journalistischer Kompetenz für die Entscheider in der Industrie. Unser redaktioneller Fokus liegt dabei auf Ready-to-Use-Lösungen aus der IT- und Automatisierungswelt.

» Bestellen Sie jetzt Ihr kostenloses Jahresabo!

Top-3-Interviews

Prof. Dr. Uwe Kubach, SAP: M2M im Internet der Dinge - IT trifft Industrie 4.0

Frank Maier, Lenze: Industrie 4.0 seit 70 Jahren

Prof. Dr. Markus Schneider, PuLL Beratung GmbH: Lean Manufacturing im Zeitalter von Industrie 4.0

Aus der Praxis

Wenn Mensch und Roboter in Einklang arbeiten: Die Leichtbauroboter von ABB und Kuka im Einsatz

Die Smartwatch im industriellen Einsatz: Asys, In-Tech und Monkey Works berichten über Lösungen

Digitale Zwillinge optimieren in der virtuellen Welt die Realität: Siemens gibt Einblicke in die Entstehung der Nanobox Simatic IPC227E

Seminare

Von Techniktrends bis zu Management-, Normungs- und Sicherheitsthemen – das aktuelle Seminarprogramm im Überblick:

» Automatisierungstechnik
» Informationstechnik
» Normen und Sicherheit
» Elektrotechnik
» Mess- und Prüftechnik
» Energietechnik
» Organisation/Management/Recht