Adaptive Automatisierung in der Montage zur Steigerung der Mitarbeiterzufriedenheit im dynamischen Umfeld (A4BLUE)
Steckbrief
Eckdaten
- Laufzeit:
- 01.10.2016 bis 30.09.2019
- Organisationseinheit:
- Lehrstuhl für Produktionssystematik, Fabrikplanung
- Fördergeber:
- Horizon 2020 European Union funding for Research & Innovation
- Status:
- Abgeschlossen
Forschungspartner
-
- IK4-TEKNIKER
- Cranfield University
- AIRBUS Operations
- SAS ENGINEERING – INGEGNERIA INFORMATICA SPA
- Illogic CiaoTech S.r.l. (100% PNO Innovation B.V.)
- Compañía Española de Sistemas Aeronáuticos
- INGENIERÍA Y SERVICIOS DE AUTOMATIZACIÓN Y ROBÓTICA KOMA
Moderne Produktionssysteme und Produktpaletten stellen steigende Anforderungen an die Mitarbeiter in der Montage. Im EU-Forschungsprojekt A4BLUE wird daher in Kooperation mit internationalen Partnern das Ziel verfolgt, eine neue Generation nachhaltiger, adaptiver Montagearbeitsplätze zu entwickeln, die den wechselnden Anforderungen der modernen Produktion gewachsen sind. Es sollen automatisierte Systeme etabliert werden, die ihre Aufgaben flexibel und effizient in individueller und personalisierter Interaktion mit dem Werker ausführen. So sollen die Arbeitsbedingungen und damit einhergehend die Zufriedenheit des Werkers verbessert werden.
Am WZL und PEM wird daher ein Use-Case konzipiert, der den Werker in der Montage von E-Fahrzeugen durch den Einsatz von Augmented Reality Lösungen und einem automatisiert fahrenden Werkzeugwagen unterstützt. In Vorbereitung der softwaretechnischen Umsetzung von Industrie 4.0 Lösungen wird ein Visualisierungsmodell entworfen, das die materiellen und immateriellen Ressourcen der Produktion transparent und leicht verständlich dokumentiert. Des Weiteren wird ein Bewertungskonzept erarbeitet, welches ein kontinuierliches Monitoring moderner Montagearbeitsplätze ermöglicht, um die implementierten Lösungen zu validieren. Für die zukünftige Gestaltung von Montagesystemen wird zudem eine Methodik entwickelt, die ein nachhaltiges Design ermöglicht, indem individuell optimale und adaptive Automationsgrade identifiziert und realisiert werden können.