Wie vollzieht die Natur evolutionäre Anpassungen, und was kann die
Produktionstechnik von der Natur lernen, um flexiblere Prozesse zu
entwickeln? Forscherinnen und Forscher aus sieben Fraunhofer-Instituten
haben im Fraunhofer-Leitprojekt »EVOLOPRO« verschiedene Elemente der
Flexibilität und Selbstanpassung analysiert und auf die Fertigung
komplexer Bauteile übertragen. Das Forschungsteam legte damit den
Grundstein für eine neue Generation von Produktionssystemen im Sinne eines
»Biological Manufacturing Systems«.
In der Wirtschaft gibt es vielfältige Gründe für neue
Produktanforderungen: Technische Innovationen, gesetzliche Änderungen oder
unternehmerische Entscheidungen sind nur einige davon. Üblicherweise
führen solche Veränderungen zu Neuauslegungen von Produkten und
Produktionsprozessen. Vor allem bei sich rasch ändernden Anforderungen
erweist sich dieses zeitaufwändige Vorgehen oft als nicht zielführend,
weil die Planung im Grunde immer bei Null startet. Informationen und Daten
über frühere Produktvarianten und Produktionsprozesse können, nicht
zuletzt aufgrund fehlender technischer Infrastruktur, nicht umfänglich
genutzt werden.
Die Natur hingegen baut stets auf Bestehendem, also auf vorhandenen
»Datensätzen« auf und vollzieht auf deren Basis evolutionäre
Veränderungen. Sie nutzt darüber hinaus alle Anpassungen, ob erfolgreich
oder nicht, um aus ihnen Erkenntnisse zu gewinnen, die sie bei weiteren
Entwicklungen einbezieht.
Natürliche Evolution als Vorbild für flexible, lernende Produktionssysteme
Im vierjährigen Fraunhofer-Leitprojekt »EVOLOPRO – Evolutionäre
Selbstanpassung komplexer Produktionsprozesse und Produkte«, das kürzlich
erfolgreich abgeschlossen wurde, analysierten mehr als 50 Forscherinnen
und Forscher aus sieben Fraunhofer-Instituten verschiedene Mechanismen der
natürlichen Evolution von Organismen unter sich verändernden
Umweltbedingungen und übertrugen diese auf moderne Fertigungsprozesse.
Neben der allgemeinen Evolutionstheorie von Charles Darwin schenkten sie
der »Theorie der Erleichterten Variation« besonderes Augenmerk. Diese
unterteilt die Fähigkeit zur raschen Anpassung in verschiedene »Elemente
der Flexibilität«, zu denen etwa Modularität und Hierarchie gehören.
Die evolutionsbiologischen Elemente und Mechanismen nutzten die
Forscherinnen und Forscher, um eine neue Generation von »Biological
Manufacturing Systems« (BMS) zu konzipieren. Biological Manufacturing
Systems sind fähig, sich wie biologische Organismen selbstständig an neue
Anforderungen und Umgebungsbedingungen anzupassen. Sie benötigen dafür
allerdings nicht, wie die Natur, mehrere Jahrhunderte. Dank aktueller
Errungenschaften der Industrie 4.0, so die These des Teams, können
Anpassungen innerhalb kürzester Zeit vollzogen werden. »Das große Feld der
Digitalisierung schafft beste Voraussetzungen für die angestrebte
produktionstechnische Evolution«, sagt Projektleiter Dr.-Ing. Tim Grunwald
vom Fraunhofer-Institut für Produktionstechnologie IPT in Aachen.
Biologisch inspirierte Algorithmen und Weiterentwicklung der Konzepte
»Digitaler Zwilling« und »Digitale Umwelt« als Motor für die
produktionstechnische Evolution
Für die Umsetzung der Biological Manufacturing Systems setzten die
Projektpartner zum einen auf neue, der Biologie nachempfundene
Algorithmen, zum anderen auf datenbasierte Digitale Zwillinge, die mit
einer Digitalen Umwelt interagieren.
Der Digitale Zwilling ist das digitale Abbild eines Bauteilindividuums und
ermöglicht die digitale Verarbeitung aller bauteilbezogenen Informationen.
Die Digitale Umwelt bildet die wichtigsten Anforderungen digital nach, die
die reale Umwelt an das Bauteil stellt. Das Projektteam entwickelte ein
Konzept für einen mehrstufigen Digitalen Zwilling, das – in abgewandelter
Form – auch auf eine mehrstufige Digitale Umwelt übertragen wurde. Beide
Konzepte können flexibel in bestehende Softwareumgebungen wie etwa CAM-
Systeme integriert werden.
Die biologisch inspirierten »Algorithmen der Erleichterten Variation« sind
teils bestehende, teils im Rahmen des EVOLOPRO-Projekts neu geschaffene
mathematische Hilfsmittel, die dem Digitalen Zwilling den Weg der
Evolution ermöglichen. Sie operieren im Hintergrund auf einer »digitalen
Hilfsebene« und laufen permanent parallel zum realen Produktionsprozess,
um einen kontinuierlichen, datenbasierten Lernprozess zu ermöglichen.
Validierung in drei Produkt- und Prozessketten
Die Wirksamkeit der Konzepte und Algorithmen wurde an drei Produkt- und
Prozessketten erprobt: der Pilotkette »Aviation«, der Pilotkette »Optics«
und der Pilotkette »Automotive«. Alle drei Testreihen schlossen mit
Erfolgen und neuen Erkenntnissen ab.
In der Pilotkette Aviation konnte das Projektteam auf Basis der
biologisierten Algorithmen und Konzepte eine Simulationsumgebung zur
modellbasierten Prozessplanung und -auslegung fertigstellen. Mithilfe
dieser sogenannten Testbench konnten das Team den Aufwand für die
Prozessplanung und den Einfahrprozess für die Fräsbearbeitung einer Blade
Integrated Disk (Blisk) – einer hochkomplexen Turbomaschinenkomponente –
sowie einer Variation des Blisk-Designs deutlich senken.
In der Pilotkette Optics gelang es, die Digitalisierung in der Fertigung
komplexer Glasoptiken deutlich zu verbessern. So konnte das Team die
simulierten Ergebnisse direkt zurück ins Optikdesign und in die
Optikmontage einfließen lassen. Indem Planung und Umsetzung deutlich näher
aneinandergerückt wurden, steigerte das Team Schritt für Schritt die
Flexibilität des Gesamtprozesses. Darüber hinaus entwickelten die
Forscherinnen und Forscher ein selbstlernendes Verfahren für die
automatisierte Montage optischer Komponenten, das deutlich weniger
Arbeitsschritte erfordert als alle bisherigen Montage-Algorithmen.
In der Pilotkette Automotive wurde eine vollständig modellbasiert
geregelte Karosseriefertigung errichtet, die das komplette Potenzial einer
automatisierten, selbstlernenden Industrie 4.0-Karosseriebau-Anwendung
ausschöpft. »Die Pilotketten hatten grundlegend unterschiedliche
Anforderungen und Charakteristika. Die erreichten Ergebnisse sprechen
demnach für die Universalität des verfolgten Projektansatzes«, zeigt sich
Projektleiter Tim Grunwald zufrieden.
Data Lake-Architektur zur standortübergreifenden Datenbearbeitung
Um die große Menge der gesammelten Prozessdaten aus den drei EVOLOPRO-
Pilotketten zentral zu speichern und den Datenaustausch zwischen den
Fraunhofer-Instituten zu erleichtern, baute das Projektteam eine
sogenannte »Data-Lake-Architektur« auf. Dabei handelt es sich um eine
cloudbasierte Anwendung, die beispielsweise über einheitliche
Datenschnittstellen und für jede Domäne spezifische Beschreibungsmodelle –
sogenannte Ontologien – zur eindeutigen Zuordnung der hochgeladenen Daten
verfügt.
Die neue Cloud-Architektur ermöglichte den Teams einen
standortübergreifenden, automatisierten Datenaustausch. Projektleiter Tim
Grunwald sieht hier ein besonders großes Potenzial: »In der Produktion
sind eindeutig gekennzeichnete Daten oft rar und teuer zu erstellen. Zudem
ist es sehr aufwändig, eine Datenbasis auf Grundlage von Simulationen zu
erschaffen. Genau hier können unsere technologischen Entwicklungen aus dem
EVOLOPRO-Projekt einer direkten wirtschaftlichen Verwertung zufließen«, so
Tim Grunwald.
In weiteren, auf EVOLOPRO aufbauenden Forschungsprojekten sollen nun die
Konzepte des Digitalen Zwillings und der Digitalen Umwelt noch weiter
ausgearbeitet werden. Die erarbeiteten Maßnahmen aus den Pilotketten
wollen die Forschungsteams gezielt in Richtung Marktreife und
Industrialisierbarkeit weiterentwickeln.
Förderung
Das vierjährige Fraunhofer-Leitprojekt »EVOLOPRO – Evolutionäre
Selbstanpassung von komplexen Produkten und Produktionsprozessen« wurde
auf Beschluss des Vorstands der Fraunhofer-Gesellschaft 2018 ins Leben
gerufen und vom 1. Januar 2019 bis zum 31. März 2023 gefördert.
Projektpartner
- Fraunhofer-Institut für Produktionstechnologie IPT, Aachen
- Fraunhofer-Institut für Angewandte Informationstechnik FIT, Sankt
Augustin
- Fraunhofer-Institut für Angewandte Optik und Feinmechanik IOF, Jena
- Fraunhofer-Institut für Werkstoffmechanik IWM, Freiburg
- Fraunhofer-Institut für Werkstoff- und Strahltechnik IWS, Dresden
- Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU,
Chemnitz
- Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI,
Sankt Augustin
