Entwicklung einer KI-basierten Prozessoptimierung in einer vertrauenswürdigen verteilten Fertigung über die gesamte Prozesskette

Abstract:
Bei der Digitalisierung von Fertigungsprozessen, einem der Kernthemen von Industrie 4.0, ist eines der großen Ziele die Vernetzung von Fertigungsanlagen und die Nutzung dieser Daten zur Digitalisierung von Geschäftsprozessen. Um Fertigungsprozesse zu optimieren und die resultierende Produktqualität zu maximieren, werden im Sinne der holistischen Systembetrachtung neben den ausgewählten Daten, die bereits die Fertigungsanlagen liefern, auch weitere Prozessinformationen sowie Daten direkt vom Werkstück und aus der Fertigungsumgebung benötigt. Im Projekt PCB4.0 wurde hierzu eine Sensorplattform entwickelt, die zum einen voll funktionsfähig in ein Substrat eingebettet werden kann und somit die Erfassung von Prozessdaten direkt aus der Fertigung am Werkstück ermöglicht. Zum anderen können diese Funksensorknoten (FSK) auch in der Fertigungsumgebung verteilt werden und so Umgebungsdaten erfassen. Im Nachfolgeprojekt SiEvEI4.0 wurden diese Funksensorknoten zu Smart Secure Items (SSI) weiterentwickelt, die es zusätzlich ermöglichen, den Prozessablauf in einer verteilten Fertigung über unterschiedliche Standorte, inklusive der Prozessdaten, manipulati-onssicher in einer Chain-of-Trust (CoT), die im Speicher des SSI abgelegt wird, zu speichern. Darüber hinaus wurden Sensor-Gateways zu Edge-Computing-Modulen (ECM) zur Harmonisierung und Vorverarbeitung, der in der Produktion anfallenden Daten, und zur Ableitung von Prozessoptimierungsvorschlägen unter Anwendung von KI-basierten Auswerteverfahren erweitert. Im Paper wird anhand der verteilten Fertigung an zwei unterschiedlichen Fertigungs-Standorten der Ablauf von der heterogenen Erfassung von Prozess- und Sensordaten bis hin zur KI-gestützten Analyse und Ableitung von Prozessoptimie-rungen dargestellt und erläutert. Es wird berichtet, welche Anforderungen sowohl auf der Hardwareseite, im Zusammenspiel SSI und ECM, als auch auf der Datenseite notwendig waren, um eine vollständige prozessbegleitende Datenerfassung zu gewährleisten. Weiterhin wird dargestellt, welche Voraussetzungen geschaffen werden müssen, damit eine ein-heitliche Prozessdatenaufnahme und –auswertung von unterschiedlichen Firmen mit eigenen (IT-)Infrastrukturen möglich ist. Im Ergebnis wird konzeptionell dargestellt, was für die Optimierung der Fertigung über die gesamte Prozesskette not-wendig ist. Es wird gezeigt, dass die Datenerfassung und die digitale Beschreibung der Prozesskette ein wesentlicher Bestandteil ist und dass Methoden des maschinellen Lernens helfen können, kritische Prozesse zu identifizieren und Optimierungsvorschläge abzuleiten.