Übersicht laufender Forschungsprojekte

Cardboard-Engineering-Workshops (CE-Workshops) haben sich in der Montageplanung bewährt: Sie binden Mitarbeiter frühzeitig in die Gestaltung ein und können so Planungsfehler und Produktivitätspotenziale aufdecken. Allerdings gelingt es bislang nicht, das umfassende Methoden- und Modellwissen datenbasierter Analysen in den CE-Workshops zu nutzen. Idee des Forschungsvorhabens ist es, mithilfe eines Motion-Capture-Systems eine verknüpfte Datenbasis für ein kognitives Digitales Assistenzsystem und den Einsatz von Produktivitäts- und Ergonomiemethoden in Echtzeit zu schaffen, ohne den praxisnahen Hands-on-Charakter der CE-Workshops zu verlieren. Dadurch soll es gelingen, die Qualität der Montageplanung zu steigern, Dokumentationsaufwand und -qualität zu verbessern und den Hochlauf mit ergonomisch und zeitlich optimierten Prozessen zu beginnen. Durch den großen Hebel in der früheren Phase des PEP (ca. Faktor 10 nach der Zehnerregel der Fehlerbehebungskosten) ist der Nutzen als sehr hoch einzuschätzen. Dies ist für KMU besonders relevant, weil sie oft eine hohe Produktvielfalt in kleinen Stückzahlen produzieren und Planungsaufgaben daher häufig durchzuführen sind. Zudem soll das Digitale Assistenzsystem nicht nur in der Montageplanung, sondern auch in Verbesserungsworkshops bei laufender Produktion eingesetzt werden, um auch hier eine Datenbasis für KMU zu schaffen. Ziel des Forschungsvorhabens ist es, ein kognitives digitales Assistenzsystem für CE-Workshops zu entwickeln, das- Bewegungen umfassend analysieren kann,- die Analyseergebnisse durch einfache Zuordnung von Bewegungen zu einer Arbeitsstation oder einem Mitarbeiter sinnvoll aggregieren kann,- einen einfachen Zugriff auf Analyseergebnisse und eine strukturierte Dokumentation erlaubt,- Verbesserungen einzelner Bewegungen im Workshop einfach erfassen und wieder in den Gesamtablauf integrieren kann - und so Systemanalysen umfassender Arbeitsabläufe und Detailanalysen einzelner Bewegungen erlaubt.

Die Baubranche ist eine der am wenigsten digitalisierten Branchen und ist gekennzeichnet durch eine unterdurchschnittliche Produktivitätssteigerung in den letzten Jahrzehnten. Davon betroffen sind insbesondere KMUs, die über 96 % in der Bauindustrie ausmachen. Im ressourcenintensiven Tiefbau erbringen Baumaschinen, insbesondere deren Anbaugeräte, die zentrale Wertschöpfung. Deren prozesstechnischer Stellenwert hinsichtlich informations- sowie produktionstechnischer Gesichtspunkte wird in der Praxis noch nicht ausgeschöpft. Die informationstechnische Verbindung zwischen Geräteführenden und Anbaugeräten beschränkt sich heutzutage in der Praxis auf Daten für die Maschinensteuerungsassistenzsysteme. Aus produktionstechnischer Sicht bleiben damit wertvolle Informationen über die Produktionsleistung und den Anbaugerätezustand für Geräteführende und Projektverantwortliche vorenthalten bzw. werden durch die aktuell fehlende Sensorik am Anbaugerät auch noch nicht erhoben. Das Forschungsprojekt „ToolFlott – BIM gekoppelter Baumaschinen Werkzeugbedarf beim Einsatz maschineller instationärer Prozesse zur Verifikation des Baufortschrittes" möchte daher einen Mehrwert generieren, in dem Lösungsansätze geschaffen werden, um das Anbaugerät vom zweckgebundenen Werkzeug der Maschine, hin zur Schlüsselschnittstelle zwischen Planung und Bauausführung, zu transformieren. Letzteres impliziert die Nutzung von Building Information Modeling (BIM) im Forschungsprojekt, was seit 2020 zwar verpflichtet in öffentlichen Infrastrukturausschreibungen vorgeschrieben ist, faktisch in der Praxis noch nicht angewendet wird – insbesondere KMUs sind im Thema BIM abgehängt. Durch die Aufrüstung von geeigneter Sensorik inkl. Datenaufbereitung sowie der BIM-Integration von Anbaugeräten, bietet das Forschungsprojekt insbesondere KMUs die Möglichkeit, von der Entwicklung und dem Einsatz von intelligenten Anbaugeräten und damit einer zukünftigen Effizienzsteigerung auf der Baustelle zu profitieren.

Im Zuge der Globalisierung sehen sich auch KMUs mit schweren Störungen konfrontiert (Naturkatastrophen, Pandemien, Börsencrashs, Handelsbeschränkungen durch Brexit etc.). Um trotz der schweren Störungen über eine funktionierende Lieferkette zu verfügen, gewinnt die Betrachtung der Resilienz bei der Zuliefererauswahl an Bedeutung. Dennoch werden Zulieferer noch immer vornehmlich nach Qualität, Liefertermintreue oder Preis ausgewählt. Aktuell existiert kein allgemeines Verständnis oder quantitatives Bewertungsmaß für die Resilienz bei der Zuliefererauswahl. Somit lässt sich weder zuverlässig bestimmen, wie hoch die vorhandene Resilienz von Zulieferern ist, noch wie hoch die von ihm benötigte Resilienz basierend auf den Anforderungen des auswählenden Unternehmens sein muss. Ein objektiver Vergleich potenzieller Zulieferer bzgl. der Resilienz ist nicht einfach möglich.Ziel des Forschungsvorhabens ist die Entwicklung eines Bewertungsmaßes für die Resilienz im Kontext der Zuliefererauswahl. Das Bewertungsmaß soll sowohl die Sichtweise des Zuliefererunternehmens, in Form der vorhandenen Resilienz, als auch die Sichtweise des auswählenden Unternehmens, in Form der benötigten Resilienz, berücksichtigen. Angestrebt wird ein Bewertungsmaß in Form eines Abgleichs der vorhandenen mit der benötigten Resilienz. Dieser Abgleich soll es dem auswählenden Unternehmen ermöglichen, ein Zuliefererunternehmen zu identifizieren, das die durch die Gegebenheiten beim auswählenden Unternehmen bedingten resilienzbezogenen Anforderungen erfüllt. Das entwickelte Bewertungsmaß soll insbesondere KMU zur Berücksichtigung der Resilienz bei der Zuliefererauswahl befähigen.

Bis 2050 will die Europäische Union klimaneutral sein. Erreicht werden soll dies über die Senkung der Treibhausgasemissionen (THG-Emissionen). Es genügt dafür nicht mehr, dass Unternehmen ihre Emissionsbilanzen auf eigene Aktivitäten beschränken; indirekte Quellen, u. a. Logistikdienstleistungen, müssen einbezogen werden. Allein auf den Straßengüterverkehr werden dabei ca. 28 % der THG-Emissionen zurückgeführt. Folglich formulieren die Versender entsprechende Anforderungen, auch an Logistik-KMU: Für die Bilanzierung sollen Emissionen erhoben und für die Reduktionsziele Maßnahmen ergriffen werden.Teilweise werden die geforderten Reduktionen bereits erfüllt. Allerdings fehlen geeignete Vorgehensweisen und Parameter, um die Informationen mit dem Versender auszutauschen. Die Versender approximieren die THG-Emissionen deshalb in der Regel. Besondere Nachhaltigkeitsbemühungen seitens der Logistikunternehmen werden so am Markt nicht sichtbar.Ziel dieses Forschungsvorhabens ist es Logistik-KMU zu befähigen, Emissionen auftragsbezogen zu berechnen, auszuweisen und weiterzugeben. Es können Wettbewerbsvorteile entstehen, wenn diese Informationen so erfasst und bereitgestellt werden, dass diese bei der Entscheidungsfindung des Auftraggebers nutzbar sind. Beispielsweise kann die Nutzung emissionsarmer Kraftstoffe durch Logistikunternehmen auch für den Versender vorteilhaft sein, da dies auch zur Reduzierung der indirekten Emissionen des Versenders führen.Als Ergebnis des Vorhabens liegen ein konsolidiertes Handbuch zur Erhebung von Treibhausgasemissionen sowie Gestaltungsempfehlungen hinsichtlich technischer Aspekte bei der auftragsbezogenen, logistikkettenübergreifenden Weitergabe von Emissionsdaten vor. Eine operative Aufbereitung als webbasiertes Werkzeug erlaubt KMU eine geeignete Vorgehensweise situationsadäquat und strategisch passend abzuleiten.

Die Globalisierung und Digitalisierung der Logistikbranche konfrontiert die beteiligten Unternehmen mit hohem Kostendruck. Damit insbesondere KMU der internationalen Konkurrenz mit globalisierten Supply Chains gewachsen sind, muss das volle Innovationspotenzial der Unternehmen aus-geschöpft werden. Das Forschungsthema dieses Vorhabens ist entsprechend die Steigerung der Innovationsfähigkeit von Logistikdienstleistern (LDL) durch Adaption des Inkubatoren- Konzepts. Eine erfolgsversprechende Möglichkeit zur Ausschöpfung des vorhandenen Potenzials sind Inkubatoren. Sie sind bei Großunternehmen längst der Standard zur Förderung von Innovationen im eigenen Unternehmen. Ein Inkubator ist eine Unternehmensinitiative, die innerhalb des Unternehmens ein Umfeld schafft, in dem die eigenen Mitarbeiter innovative Ideen binnen eines kurzen Zeitraums entwickeln. Den Mitarbeitern werden zur Unterstützung unterschiedliche Ressourcen wie innovationsfördernde Räumlichkeiten, Kapital oder Zugang zu verschiedenen Dienstleistungen zur Verfügung gestellt. Insbesondere in Branchen mit hohem Kostendruck sind Innovationen der einzige weg langfristig zu überleben. Die die Branche der LDL geprägt ist durch kleine und mittelständische Unternehmen (KMU), ist sie hiervon besonders stark betroffen. Gerade für KMU ist das Inkubatoren-Konzept jedoch schwer zugänglich: Aufgrund des starken Fokus auf das operative Geschäft verfügen LDL nur über eingeschränkte Ressourcen für Innovationsprojekte. Hierzu wird ein digitaler Leitfaden entwickelt, mit dem KMU eine geeignete Adaptionsvariante auswählen, aufbauen und steuern können.

Intelligente und interaktive AR-basierte Assistenzsysteme weisen zur Unterstützung intralogistischer Arbeitsprozesse ein großes Potenzial auf, werden jedoch in dieser Form in der Praxis, insbesondere in KMU, bisher nur vereinzelt eingesetzt. Durch die Einbindung von Verfahren der künstlichen Intelligenz, wie z.B. durch die bildbasierte Bauteilidentifizierung oder Qualiätsprüfung, können intralogistische Prozesse effizienter gestaltet werden. Gegenstand des Forschungsvorhaben AR Improve sind daher intelligente und interaktive AR-Assistenzsysteme, die aktuelle AR-Hardware mit Sensorik sowie bildverarbeitenden Verfahren kombinieren.Aufgrund der Vielzahl möglicher Hardwarekonfigurationen, hiervon abhängigen Interaktionsformen und bildverarbeitenden Verfahren sowie der zahlreichen Möglichkeiten digitaler Assistenzfunktionen, die den jeweiligen betrieblichen und prozessabhängigen Anforderungen gegenüberstehen, ist die fundierte Entscheidung zur Ausgestaltung eines derartigen AR-Assistenzsystems derzeit von Entscheidungsträger*innen eines Logistikanwenders nicht leistbar.Durch die Bereitstellung eines interaktiven Leitfadens, der im Projektvorhaben AR Improve gemeinsam mit KMU entwickelt wird, werden Entscheidungsträger*innen in KMU fundierte Entscheidungen über den bedarfsgerechten und menschorientierten Einsatz von AR-Assistenzsystemen ohne detaillierte Kenntnisse zur AR-Technologie ermöglicht und die AR-Technologie erfahrbar gemacht. So kann der Nutzen der Anwendung im täglichen Arbeitsprozess eingeschätzt werden. Die hierfür notwendige Datengrundlage soll mittels umfangreicher Nutzerstudien erhoben werden. Hierfür werden verschiedene AR-Assistenzsysteme zu Evaluationszwecken für repräsentative intralogistische Arbeitsaufgaben und Nutzer*innengruppen an einem Testaufbau getestet. Der avisierte Leitfaden trägt dabei zur Gestaltung bedarfsgerechter intelligenter und interaktiver AR-Assistenzsysteme bei und steigert somit die Investitionssicherheit für KMU deutlich.

Bericht im BVL-Magazin 2_2023

Bericht_BVL-Magazin_2_2023.pdf

Durch den stetig zunehmenden Wettbewerb bauen speziell KMU Maßnahmen zu Direktvertrieb und E-Commerce aus. Dafür müssen insbesondere bei KMU Ressourcen für Verpackung, Lager und Kommissionierung vorgehalten werden. Wird diese Ressource unnachhaltig genutzt, entsteht für das KMU auf kurze und lange Sicht ein Wettbewerbsnachteil in der Form, dass jenes KMU Ersatz für kurzfristig ausfallende Mitarbeiter suchen muss und wichtiges Erfahrungswissen durch betroffene Mitarbeiter verliert. Dies stellt insbesondere für KMU einen Wettbewerbsnachteil dar, da diese krankheitsbedingte Ausfälle nicht durch Unternehmensgröße kompensieren können. Nach dem Gesundheitsreport 2020 der DAK beträgt der Anteil an den Arbeitsunfähigkeitstagen für das Jahr 2019 aufgrund von Erkrankungen des Muskel-Skelett-Systems 21,2%. Durch eine falsche Haltung kann es zu einer Überbelastung kommen, die sich z.B. in Form von Rückenbeschwerden zeigt. Die Entwicklung einer automatisierten Ergonomiebewertungsmethode (EBM) würde KMU die Möglichkeit einer präzisen Arbeitsplatzevaluation und eine objektive Betrachtung hinsichtlich der Einführung ergonomischer Maßnahmen bieten, die unabhängig von einem Bediener und dem zu bewertenden Mitarbeiter konstante Bewertungen ausgibt. Mit der zu entwickelnden EBM besteht für produzierende KMU mit eigener Abfertigung und Versand ein großes, zu minimierendes Kostenpotential und damit ein großer direkter Nutzen. Das Ziel des beantragten Forschungsvorhabens ist daher die Entwicklung einer Methode zur automatisierten, kamerabasierten Erfassung und Beurteilung von Bewegungen, die an Kommissionierarbeitsplätzen ausgeführt werden. Neben den Bewegungen der Personen, sollen externe Kräfte und interne Gelenkmomente mittels maschinellen Lernverfahren abgeleitet werden. Dieser Ansatz ermöglicht die Berechnung der momentanen Belastung des menschlichen Bewegungsapparats und trägt zur Objektivität und Reproduzierbarkeit der Ergonomiebeurteilung bei.

Roboter werden in der Logistik zunehmend eingesetzt. Dabei kommt es häufig zu Begegnungen zwischen Menschen und Robotern. Beide sollten daher in der Lage sein, sicher, effektiv und effizient miteinander zu kommunizieren. Ziel des Vorhabens ist die Entwicklung und Evaluation eines Interaktionsbaukastens für Roboter mit verschiedenen Funktionen in der Logistik sowie logistikähnlichen Umfeldern (Krankenhaus, Handel, Bau, …). Für jede Funktion bzw. Aufgabe des Roboters werden Interaktionsbausteine zur Unterstützung eines regel- oder fertigkeitsbasierten Verständnisses der Interaktion erstellt. Grundlage dafür ist ein nutzerzentrierter Gestaltungsansatz. Im Rahmen des Forschungsvorhabens werden zunächst Intentionen von Robotern im Aufgabenkontext ermittelt. Anschließend erfolgt eine systematische Generierung von Kommunikationsmodalitäten, bevor die Intentionen sowie die Modalitäten miteinander kombiniert und in einen modularen Baukasten überführt werden. Die so entstehenden modularen Sprachbausteine werden demonstratorisch implementiert und durch Benutzerstudien evaluiert. Zuletzt werden Leitlinien und Handlungsempfehlungen für die Verwendung des Baukastens abgeleitet. Am Projektende steht ein fertiger Interaktionsbaukasten zur Verfügung, der direkt in Unternehmen für die Entwicklung und Implementierung von Logistik-Robotern verwendet werden kann. Die Ergebnisse sind somit in großem Maß vorwettbewerblich und branchenübergreifend nutzbar. Der PA unterstreicht die hohe KMU-Relevanz. KMU-Hersteller profitieren durch den modularen Baukasten für kontextbezogene Roboterkommunikation, der direkt ohne eigene Entwicklungstätigkeiten eingesetzt werden kann. KMU-Betreiber profitieren branchenübergreifend von einer effizienten, sicheren und kontextbezogenen Mensch-Roboter-Kommunikation in hybriden Umgebungen. KMU-Anwender profitieren unmittelbar von einer intuitiv verständlichen Interaktion, unabhängig davon, ob es sich um Mitarbeiter, Besucher oder Passanten handelt.

Der Begriff der Belastungsflexibilität ist in der bestehenden Literatur oft verwendet und der Nutzung dieser zur Handhabung von Nachfrageschwankungen wird eine hohe Bedeutung zugewiesen. Eine Operationalisierung durch eine systematische Analyse der Voraussetzungen des Produktionssystems und die Interdependenzen der Maßnahmen sowie eine kostenseitige Bewertung besteht jedoch nicht. Durch die komplexen Verknüpfungen ist die Einführung von Maßnahmen und -kombinationen der Belastungsabstimmung auf operationaler Ebene nicht trivial. Um bei der Gestaltung der Arbeitssysteme aktiv die Handlungsoptionen der Belastungsabstimmung beeinflussen zu können, ist dieses Verständnis jedoch essenziell.Ziel des Forschungsvorhabens GeProVar ist die Erstellung einer Methode, mit deren Hilfe kmU die Belastungsflexibilität operationalisieren und damit diese Fähigkeit im eigenen Produktionssystem anforderungsgerecht implementieren können. Nur so kann reaktionsschnell die Auswahl von optimalen Maßnahmenkombinationen der Belastungsabstimmung zur Handhabung von kurzfristigen Nachfrageschwankungen durchgeführt und damit die Wettbewerbsfähigkeit von kmU ermöglicht werden. Dazu werden im ersten Schritt allgemeine Merkmale von Produkten und Prozessen mit Auswirkung auf die Belastungsschwankungen identifiziert. Aufbauend darauf werden Maßnahmen recherchiert und abgeleitet, mit denen eine anforderungsgerechte Belastungsabstimmung erfolgen kann. Im dritten Schritt wird ein Bewertungsmodell zur quantitativen Bestimmung von Maßnahmenkosten aufgestellt. Aufbauend hierauf werden mittels mathematischer Modellierung und Simulation von Szenarien effiziente Maßnahmenkombinationen identifiziert und allgemeine Handlungsempfehlungen abgeleitet. Die Umsetzung des Gesamtmodells in einem anwenderfreundlichen Software-Demonstrator ermöglicht kmU, eigenständig die Entscheidung der Einführung von Maßnahmenkombinationen zu treffen und damit eine wissenschaftlich fundierte Auslegung ihrer Belastungsflexibilität.

Der Begriff der Belastungsflexibilität ist in der bestehenden Literatur oft verwendet und der Nutzung dieser zur Handhabung von Nachfrageschwankungen wird eine hohe Bedeutung zugewiesen. Eine Operationalisierung durch eine systematische Analyse der Voraussetzungen des Produktionssystems und die Interdependenzen der Maßnahmen sowie eine kostenseitige Bewertung besteht jedoch nicht. Durch die komplexen Verknüpfungen ist die Einführung von Maßnahmen und -kombinationen der Belastungsabstimmung auf operationaler Ebene nicht trivial. Um bei der Gestaltung der Arbeitssysteme aktiv die Handlungsoptionen der Belastungsabstimmung beeinflussen zu können, ist dieses Verständnis jedoch essenziell.Ziel des Forschungsvorhabens GeProVar ist die Erstellung einer Methode, mit deren Hilfe kmU die Belastungsflexibilität operationalisieren und damit diese Fähigkeit im eigenen Produktionssystem anforderungsgerecht implementieren können. Nur so kann reaktionsschnell die Auswahl von optimalen Maßnahmenkombinationen der Belastungsabstimmung zur Handhabung von kurzfristigen Nachfrageschwankungen durchgeführt und damit die Wettbewerbsfähigkeit von kmU ermöglicht werden. Dazu werden im ersten Schritt allgemeine Merkmale von Produkten und Prozessen mit Auswirkung auf die Belastungsschwankungen identifiziert. Aufbauend darauf werden Maßnahmen recherchiert und abgeleitet, mit denen eine anforderungsgerechte Belastungsabstimmung erfolgen kann. Im dritten Schritt wird ein Bewertungsmodell zur quantitativen Bestimmung von Maßnahmenkosten aufgestellt. Aufbauend hierauf werden mittels mathematischer Modellierung und Simulation von Szenarien effiziente Maßnahmenkombinationen identifiziert und allgemeine Handlungsempfehlungen abgeleitet. Die Umsetzung des Gesamtmodells in einem anwenderfreundlichen Software-Demonstrator ermöglicht kmU, eigenständig die Entscheidung der Einführung von Maßnahmenkombinationen zu treffen und damit eine wissenschaftlich fundierte Auslegung ihrer Belastungsflexibilität.