Detailseite
Projekt
DeCap - Fähigkeitsgerechte Produktentwicklung - Datenwissenschaft und Künstliche Intelligenz in der fähigkeitsgerechten Produktentwicklung für eine nachhaltige Produktion
Antragstellerinnen / Antragsteller
Professorin Dr.-Ing. Iris Gräßler; Professor Dr.-Ing. Peter Nyhuis
Fachliche Zuordnung
Konstruktion, Maschinenelemente, Produktentwicklung
Förderung
Förderung seit 2024
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 543074930
Die Materialzirkularität soll mit möglichst geringem Bearbeitungsaufwand und damit auf einer möglichst hohen Produktstrukturebene erfolgen. Die Schließung von Materialkreisläufen auf einem solch hohen Niveau erfordert Design for Assembly, Disassembly and Reassembly (DfADR). Nach VDI/VDE 2206 benötigt ein Produktentwickler frühzeitig ein mentales Modell des zukünftigen Produktionssystems. Besonders relevant sind die Fähigkeiten der Mitarbeiter in der Montage, Demontage und Remontage (ADR). Die Arbeitsschritte der De- und Remontage lassen sich nie vollständig im Voraus planen, sondern müssen in vielen Fällen von dem einzelnen Mitarbeiter direkt in der Situation entschieden werden. Der Produktentwickler muss sich daher fragen: Ist es möglich, mit den derzeitigen menschlichen Fähigkeiten eine hohe Kreislauffähigkeit durch ADR zu erreichen? Oder erfordert das neue zirkuläre Produkt spezielle Lernprozesse, um die benötigten Fähigkeiten bei den Mitarbeitern aufzubauen? Der Ansatz Design for Capabilities (DeCap) erweitert DfADR um eine hybride Entscheidungsunterstützung und kombiniert Ansätze aus dem Simultaneous Engineering mit Datenwissenschaften und Künstlicher Intelligenz (DW/KI). Damit wird das aktuelle Fähigkeitsprofil bewertet und zukünftige Fähigkeiten auf der Basis von extremen Daten aus ADR-Prozessen antizipiert. Erforderliche menschliche Fähigkeiten können als unternehmensspezifische Restriktionen für nachhaltige Produktkonzepte interpretiert werden und begrenzen den verfügbaren Lösungsraum. Fähigkeiten von Mitarbeitern werden typischerweise auf Grundfertigkeiten zurückgeführt, d.h. auf ein Niveau, das mit einfachen Indikatoren gemessen werden kann (z.B. Methods-Time Measurement (MTM) oder Mensch-Roboter-Kollaboration). Die situative Entscheidungsfähigkeit kann jedoch nicht im Voraus sichergestellt werden. Die Entscheidungsfindung erfordert die Interpretation einer Vielzahl spezifischer Prozessdaten mit dem Risiko von Interpretationsfehlern und situationsbedingten Verzerrungen (Bias). Die Daten sind groß in Bezug auf die Menge der Datensätze, enthalten Fehler aus Sensorik und Kommunikation, beziehen sich auf heterogene Produkte und Prozesse, sind begrenzt durch Zugriffsbeschränkungen - sie sind extrem. In diesem Projekt wird ein Metadatenmodell entwickelt, das einen ontologiebasierten Abgleich zwischen Produkteigenschaften einerseits und Fähigkeiten von Mitarbeitern andererseits ermöglicht. Damit wird die Nachhaltigkeit von Produktkonzepten, ihrer Produktion und Wiederaufbereitung bereits in einer frühen Phase der Produktentstehung sichergestellt. Die entstehenden Produktkonzepte werden von dieser Machbarkeitsanalyse profitieren: Habe ich die richtigen Mitarbeiter an Bord oder welche Kompetenzen muss ich stärken, damit sich eine Wiederaufbereitung wirtschaftlich auszahlt? Hierfür sollen menschliche Fähigkeiten durch Datenanalyse und semantische Anreicherung aus extremen Daten extrahiert werden.
DFG-Verfahren
Schwerpunktprogramme
