BEinCPPS - Business Experiments in Cyber Physical Production Systems

Eckdaten zum Forschungsprojekt

Projekname

Business Experiments in Cyber Physical Production Systems - BEinCPPS

BEinCPPS Open Call 2 Experiments: »An Integrated Predictive Maintenance and Value Stream Mapping Approach for Dynamic Performance Assessment«

 
Kurz-Titel IPM@GWC  
Programm Horizon 2020, EU  
Projektnummer 680633  
Partner

Fraunhofer Austria Research GmbH
Institute of Science and Innovation in Mechanical and Industrial Engineering (Portugal)
SIWAtec Softwareentwicklung für Industrie, Wiege- und Automatisierungstechnik
GW Cosmetics GmbH

 
Laufzeit 18 Monate (Mai 2017 bis Juli 2018)  
Gesamtbudget EUR 120.000  

Forschungsthema

Das von der Europäischen Union im Rahmen des Programms »Horizon 2020« geförderte Projekt »Business Experiments in Cyber Physical Production Systems (BEinCPPS)« zielt darauf ab, kleinen und mittleren Unternehmen den Zugang zu innovativen und echtzeitfähigen Internet of Things (IoT) Technologien zu ermöglichen. Durch deren Anwendung werden cyber-physische Produktionssysteme (CPPS) geschaffen und aktuelle Herausforderungen der digitalen Transformation der Industrie – Automatisierung, Digitalisierung und Vernetzung – gemeistert.

Im Rahmen des BEinCPPS Call 2-Projekts »An Integrated Predictive Maintenance and Value Stream Mapping Approach for Dynamic Performance Assessment (iPM@GWC)« entwickelt das Projektteam einen integrierten Predictive Maintenance- und Wertstromansatz, der mittels Echtzeit-Monitoring und Prognose instandhaltungsrelevanter Kennzahlen, die Produktivität und Planungssicherheit von Produktionsanlagen steigern soll. Eine teilautomatisierte Produktionslinie dient als Referenzanlage für die Wertstrom- und Datenanalysen. Zur Realisierung des Pilotmodells werden Hard- und Softwaretools (größtenteils Open-Source) der BEinCPPS-Referenzarchitektur genutzt, die zur hochperformanten Erfassung, Speicherung, Verarbeitung und Visualisierung der Daten genutzt werden können.

Ziele

Mit Hilfe des Projektes soll ein Best-Practice Beispiel für KMU geschaffen werden, das transparent und schrittweise darstellt, wie KMU die Potentiale der digitalen Transformation, ohne große Investitionen, für sich nutzen können.

Im Detail sollen folgende Ziele im Rahmen des Projekts erreicht werden:

1. Erhöhung des OEE-Werts mittels Echtzeit-Monitoring und Prognose

  • Optimierung von Rüstzeiten
  • Reduzierung ungeplanter Stillstände

2. Produktivitätssteigung und Reduktion von Ineffizienz-Kosten

  • Identifikation von Ineffizienzen im Prozess
  • Kosten- und Produktivitätsbewertung
  • Ermittlung von Verbesserungspotentialen

Unser Beitrag

Einerseits erheben und definieren die Forscher von Fraunhofer Austria die Anforderungen für den integrierten Predictive Maintenance- und Wertstromansatz, andererseits beschäftigen sie sich mit detaillierten Datenanalysen zur Prognose und Optimierung instandhaltungsrelevanter Kennzahlen, wie bspw. OEE-Wert (Overall Equipment Efficiency) und Rüstzeitanteile. Diese Erkenntnisse werden dazu genutzt, um ein anwenderfreundliches Pilotmodell zu gestalten, das aussagekräftige Ergebnisse visualisiert und auf konkrete Ineffizienzen im Wertstrom hinweist.