Suchen

Selbstoptimierung Der Mensch als Vorbild

| Autor / Redakteur: Prof. Dr. Ansgar Trächtler, Dipl.-Ing. Peter Iwanek und Gerald Scheffels / Robert Weber

Der Mensch kann Fehler oder Zielkonflikte selbstständig erkennen und korrigieren, die Maschine nicht. Das soll sich ändern. Daran arbeiten mehrere Forschungseinrichtungen gemeinsam im Rahmen des it´s OWL-Querschnittsprojekts „Selbstoptimierung“.

Firmen zum Thema

Ein selbstoptimierender Antrieb kann die Produktivität des Hochleistungsbohrens verdoppeln.
Ein selbstoptimierender Antrieb kann die Produktivität des Hochleistungsbohrens verdoppeln.
(Bild: Wittenstein)

Zu den Fähigkeiten des Menschen gehört es, auftretende Fehler zu erkennen und nach besseren Wegen und Strategien zu suchen, wenn die bisherigen Lösungspfade nicht zum Ziel führten. Diese Fähigkeit ist Teil der menschlichen Intelligenz, und sie gehört – noch – zu den Unterscheidungskriterien zwischen Mensch und Maschine. Es gibt Bestrebungen, Maschinen auch mit dieser Fähigkeit auszustatten und technische Systeme dadurch mit „inhärenter Teilintelligenz“ auszustatten. Auf diese Weise entstehen selbstoptimierende Systeme, die in der Lage sind, autonom und flexibel auf sich verändernde Betriebsbedingungen zu reagieren.Diese Aufgabe ist anspruchsvoll. Sie wurde zum Beispiel seit 2002 an der Universität Paderborn im Sonderforschungsbereich „Selbstoptimierende Systeme des Maschinenbaus“ (SFB 614) begonnen [1]. Seit 2012 wird sie im Rahmen des Spitzenclusters „Intelligente technische Systeme – it´s OWL gemeinsam mit der Universität Bielefeld fortgeführt [2]. Mit der Diskussion um Industrie 4.0 haben die Eigenschaften der Selbstorganisation und Selbstoptimierung größere Bedeutung gewonnen. Wenn Maschinen und Anlagen künftig hoch effizient Produkte in kleinen Losgrößen fertigen und dabei in sehr viel höherem Maße Informationen verarbeiten als sie es heute tun, wird die Fähigkeit der Selbstoptimierung stärker gefragt oder vorteilhafter sein. Dabei spielen neben den Ansätzen der Selbstoptimierung auch weitere Querschnittsthemen eine entscheidende Rolle, wenn intelligentere Maschinen und Fahrzeuge realisiert werden sollen. Dazu gehört vorrangig die Vernetzung: Eine selbstlernende Maschine oder ein selbstlernendes Fahrzeug sollte sich mit seiner Umgebung und anderen Maschinen oder Fahrzeugen vernetzen können, um verbesserte Grundlagen für eine zielgerichtete Optimierung zur Verfügung zu haben. Das Thema ist komplex. Aber es lohnt sich, Entwicklungsarbeiten für die Selbstoptimierung von Maschinen, Anlagen und Fahrzeugen voranzutreiben, weil sich selbst optimierende Systeme ohne Zweifel effizienter und „intelligenter“ sein werden. Wer sie entwickelt, baut und betreibt, hat somit Vorteile im Wettbewerb. Integraler Bestandteil des Spitzenclusters it´s OWL ist ein Transferkonzept. Ziel dieses Konzeptes ist es, neue Technologien und Methoden aus den fünf Querschnittsprojekten des Spitzenclusters in die Anwendungen im Mittelstand zu bringen. In verschiedenen Innovationsprojekten werden Methoden der Selbstoptimierung eingebracht. Darüber hinaus werden in sieben Transferprojekten insbesondere die kleinen und mittelständischen Unternehmen bei der Realisierung der Selbstoptimierung unterstützt. Dabei werden sie von einer Forschungseinrichtung aus dem Querschnittsprojekt Selbstoptimierung begleitet. Jedes Projekt ist so aufgesetzt, dass die Unternehmen, die Technologien, Verfahren und Methoden umsetzen.

Erste Projektbeispieleselbstoptimierender Systeme

Ein Projekt im Bereich der Selbstoptimierung hatte zum Ziel, ein leistungsfähiges Werkzeugs für das intelligente Hochleistungsbohren von Holzwerkstoffen zu entwickeln. Im ersten Schritt wurden die Bohranwendungen in Holzbearbeitungsmaschinen im Hinblick auf Prozessparameter wie Werkzeuggeometrie, Drehzahl, Geschwindigkeit, Material, Bohrtiefe und -genauigkeit analysiert. Daraus wurden Anforderungen an selbstoptimierende Bohrprozesse spezifiziert. Im zweiten Schritt konstruierten die Projektbeteiligten an der Hochschule Ostwestfalen-Lippe einen Demonstrator für einen intelligenten Antrieb, in dem diese Parameter verändert, getestet und optimiert werden. Die Integration von Sensoren ermöglicht die Analyse des Bauteils. Anhand von Algorithmen, die im Verlauf des Projektes ermittelt wurden, ist die Steuerungstechnik in der Lage, die Bohrprozessparameter auf der Basis der Ist-Werte jeweils individuell und optimal einzustellen. Dabei kommen Spindeln mit Direktantrieben von Wittenstein zum Einsatz, die einzeln angetrieben und angesteuert werden [3]. Dieser „intelligente“, sich selbst optimierende Antrieb wurde in ein analytisches Prozessmodell für das Bohren von Holz und Holzverbundwerkstoffen überführt und seine Leistungsfähigkeit in einer Holzbearbeitungsmaschine validiert. Das Projekt ist inzwischen abgeschlossen und die Ergebnisse sind überzeugend: Die Bohrgeschwindigkeit der Maschine konnte verdoppelt werden, und die Qualität und Genauigkeit des Bohrprozesses wurden ebenfalls verbessert. Auch in der Elektromobilität wird die Eigenschaft der Selbstoptimierung Vorteile bringen. Ein sich selbst optimierendes Energiemanagement in Elektrofahrzeugen wird in der Lage sein, die verfügbare Energie in Abhängigkeit der aktuellen Betriebssituation und unter Berücksichtigung konkurrierender Ziele (Abwägung von Leistungs- und Reichweitenmaximierung) optimal zu verteilen. Diese Eigenschaft würde die Akzeptanz von Elektrofahrzeugen steigern [4]. Hier kommt dem Ladegerät eine wichtige Funktion zu. Um den Energieverbrauch des Fahrzeugs zu reduzieren, gilt es, die Intelligenz des Ladegeräts zu erhöhen sowie dessen Volumen und Gewicht zu reduzieren. Dabei muss gleichzeitig die Zuverlässigkeit bei allen Betriebszuständen und Umgebungsbedingungen gewährleistet sein. Diese Ziele verfolgt ein weiteres Innovationsprojekt. Seine Aufgabe ist die Entwicklung eines intelligenten und kompakten Ladegeräts für Elektrofahrzeuge, das den Energieverlust eigenständig minimiert und sich an unterschiedliche Umgebungsbedingungen anpasst. Die WP Kemper GmbH, ein Hersteller von Teigknetanlagen, hat in Zusammenarbeit mit dem Heinz Nixdorf Institut und dem Institut für Kogniton und Robotik der Universität Bielefeld eine sensorische Teigphasenerkennung entwickelt. Die Sensorik erfasst die Teigtemperatur und das Motormoment von Knethaken und Bottich. Auf der Basis dieser Daten bestimmt die Anlage selbsttätig die Knetphase, so dass der Prozess bei Erreichen der gewünschten Teigqualität selbsttätig beendet werden kann. Das Besondere daran: Der Klassifikator ist in der Lage, sich an veränderte Betriebsbedingungen und Rezepturen anzupassen [5]. Die Beispiele zeigen: Selbstoptimierung ist ein Querschnittsthema für die Weiterentwicklung von Maschinen und Fahrzeugen in unterschiedlichen Anwendungsbereichen – und eine wichtige Eigenschaft von Komponenten und Systemen für Industrie 4.0.

Literatur:

[1] Gausemeier, J.; Rammig, F.J.; Schäfer, W. (Hrsg.): Design Methodology for Intelligent Technical Systems. Springer, Berlin, 2014.

[2] it´s OWL - Querschnittsprojekt Selbstoptimierung. Unter: http://www.its-owl.de/projekte/querschnittsprojekte/details/selbstoptimierung/

[3] it´s OWL – Innovationsprojekt NoVHoW. Unter: http://www.hs-owl.de/fb5/labor/la/forschung-und-entwicklung/itsowl-novhow.html

[4] Dellnitz, M.; Eckstein, J.; Flaßkamp, K.; Friedel, P.; Horenkamp, C.; Köh-ler, U.; Ober-Blöbaum, S.; Peitz, S.; Tiemeyer, S.: Development of an intelligent cruise control using optimal control methods. In: Proceedings of the SysInt 2014, July 2-4, 2014, Bremen, 2014.

[5] Gausemeier, J.; Iwanek, P.; Vassholz, M.; Reinhart, F.: Selbstoptimierung im Maschinen- und Anlagenbau. In: Industrie Management, 6/2014, Dezember 2014.

* Prof. Dr. Ansgar Trächtler und Dipl.-Ing. Peter Iwanek forschen am Heinz Nixdorf Institut. Gerald Scheffels ist Fachjournalist.

(ID:43499966)