Datenbasierte Methode zur technischen Verbesserung von Fertigungsprozessen anhand strategischer Leistungskennzahlen am Beispiel des Rollformens

Der rasante technologische Fortschritt im Bereich der Künstlichen Intelligenz gilt als aktueller Gipfel der Digitalisierung. Er zeigt die heutigen Möglichkeiten, die Unternehmen bei der Unterstützung vielfältiger Aufgabenbereiche und Arbeitsabläufe zur Steigerung ihrer Produktivität und Sicherung ihrer Wettbewerbsfähigkeit offenstehen. Daten stellen in diesem Zusammen-hang eine wertvolle Ressource dar, da sie die Basis für eine erfolgreiche digitale Transformation bilden. Für viele etablierte produzierende Unternehmen, die einen Großteil ihrer Wertschöpfung in der Fertigung erzielen, sehen die Randbedingungen jedoch oftmals anders aus als bei Software-Dienstleistern oder jungen Tech-Unternehmen. Aufgrund der hohen mechanischen Robustheit und dementsprechend langen Nutzungsdauer ihrer Fertigungsanlagen sind heterogene Produktionslandschaften mit vielen Bestandsanlagen und nur teilweise hin-zukommenden neuen Anlagengenerationen die Regel. Neben vereinzelten Datensilos und ergänzenden Dokumentationen sind es die Anlagenbedienenden mit mehreren Jahrzehnten Erfahrung, die die Position jedes Werkzeugs kennen und die Ursache-Wirkungs-Zusammenhänge vieler Stellschrauben im Gedächtnis haben. Zu Zeiten einer äußerst volatilen Weltwirtschaft sowie einer sich wandelnden deutschen Volkswirtschaft stehen diesen Unternehmen große Hürden bei der digitalen Transformation entgegen. Einerseits herrscht Investitionszurückhaltung aufgrund eines infolge von Kriegen und Zollkonflikten angespannten Marktes. Andererseits drängt das Risiko des Knowhow-Verlustes angesichts des fortschreitenden demografischen Wandels auf eine Veränderung etablierter Kompetenzprofile hin zu Automatisierung bzw. digitaler Unterstützung. Für die Unternehmen stellt sich in dieser Situation die Frage, welche Anpassungen an welchen Fertigungsprozessen besonders viel Mehrwert generieren und wie diese möglichst standardisiert und kontrolliert umgesetzt werden können. Das übergeordnete Ziel dieser Arbeit ist es daher, unternehmerische Leistungskennzahlen mit Messdaten aus der Fertigung im Rahmen einer neu entwickelten Methode zu verknüpfen. Dies ermöglicht die Kommunikation und Bewertung geeigneter technischer Maßnahmen im Zuge der digitalen Transformation auf einer technisch und wirtschaftlich fundierten Basis. Mit wissenschaftlichem Fokus auf den prozesstechnischen Charakteristika wird durch Korrelationsfindung zwischen Mess- und Stellgrößen ein grundlegender Beitrag in der Schnittstelle zwischen Prozessverständnis und Datenwissen geleistet. Am Beispiel des Rollformens wer-den in drei Anwendungsfällen die technischen Schritte zur Erfassung geeigneter Messdaten und zur fallspezifischen Evaluierung durch triviale Mittelwertmodelle und fortschrittlichere maschinelle Lernmodelle vorgestellt. Als Ergebnis beantworten das methodisch dokumentierte Vorgehen sowie das in den Daten gespeicherte Wissen die Frage nach geeigneten Anpassungen im Zuge der digitalen Transformation hinsichtlich:

1. einer verbesserten Energieeffizienz des umformbegleitenden Profiltransports
2. einer verbesserten Zeiteffizienz der Werkzeugwartung
3. einer verbesserten Zeiteffizienz des Anlagenrüstens

The rapid technological progress in the field of artificial intelligence marks the current peak of digitalization. It demonstrates the opportunities that are open to companies nowadays in supporting a wide range of tasks and workflows to increase their productivity and secure their competitiveness. Data is a valuable resource in this context, as it forms the basis for successful digital transformation. For many established industrial companies that generate a large part of their value in manufacturing, the boundary conditions are often different compared to those of software service providers or young tech companies. Due to the high mechanical robustness and therefore increased service life of their production systems, heterogeneous sites with many older plants and only few additions of new generations are the common picture. In addition to isolated data silos and supplementary documentation, it is the plant operator with several decades of experience who knows the position of each tool and remembers the cause-and-effect relationships of several adjustment variables. In times of an extremely volatile global economy and a transitioning German economy, these companies are facing major challenges in their digital transformation. On the one hand, there is a reluctance to invest due to a tense market caused by wars and export disputes. On the other hand, the risk of expertise loss in the face of advancing demographic change is forcing a shift in established skills profiles towards automation and digital support. Thus, companies are confronted with the question of which adjustments within which manufacturing processes will generate the most added value and how these adjustments can be implemented in a standardized and controlled approach. The overall aim of this thesis is to link corporate performance indicators to measurement data from manufacturing by means of a newly developed method. This enables the communication and evaluation of appropriate technical measures regarding the digital transformation on a technically and economically founded basis. With the scientific focus on the manufacturing characteristics, a crucial contribution is made to the intersection between process understanding and data knowledge by identifying correlations between measurement and control variables. For the example of roll forming, the technical steps for the acquisition of suitable measurement data and for case-specific evaluation are presented in three application cases. Trivial mean value models as well as more advanced machine learning models prove the applicability of the newly developed method. As a result, the methodically documented procedure and the data-based knowledge answer the question of appropriate adjustments with regard to:

1. improved energy efficiency of the profile transport during forming
2. improved time efficiency of tool maintenance
3. improved time efficiency of system set-up