Industrie 4.0 und Smart Factory: Vernetzte Objektvermessung digitale Produktionsprozesse

„Industrie 4.0“ bezeichnet die vierte industrielle Revolution: die systematische Verknüpfung physischer Fertigungsprozesse mit digitalen Systemen über eine cyber-physische Infrastruktur.Das bestimmende Merkmal dieser Revolution ist nicht die Automatisierung an sich, sondern der kontinuierliche, bidirektionale Datenaustausch zwischen Maschinen, Sensoren und Steuerungssystemen.

In Objektvermessung verlagert Industrie 4.0 die Funktion der Messung von der isolierten Prüfung hin zu einer integrierten Prozessrückmeldung. Ein über einem Förderband 3D-Laserprofilsensor erfasstbeispielsweisedie Geometrie jedes vorbeilaufenden Bauteils, übermittelt die Messdaten an ein Qualitätsmanagementsystem und löst ein automatisiertes Sortiersignal aus– alles innerhalb eines einzigen Produktionszyklus. Der Sensor ist kein stand-alone mehr, sondern fungiert als datenerzeugende Komponente eines größeren Produktionssystems.

Dieser Artikel befasst sich ausschließlich mit der messtechnischen Ebene von Industrie 4.0: welche Messgrößen Sensoren erfassen, wie sie Messdaten übertragen und welche Anforderungen industrielle Messsysteme erfüllen müssen. Prozessplanung, ERP-Integration und Produktions-IT-Strategie fallen nicht in den Rahmen dieses Artikels.

Industrielle 3D-Sensoren und Infrarotkameras liefern drei output , die in die Dateninfrastrukturen von Smart Factories einfließen: Punktwolken, Wärmekarten und numerische Messwerte. Jeder output enthält eine bestimmte Messgröße und erfüllt eine spezifische nachgelagerte Funktion.

Punktwolkenkodieren die dreidimensionale Geometrie eines Messobjekts als dichte Menge räumlicher Koordinaten. Ein Lasertriangulationssensor, der ein Gussteil abtastet, erzeugt eine Punktwolke mit Millionen von Koordinatenpunkten, aus denen ein Qualitätssystem im automatisierten Vergleich mit einem CAD-Referenzmodell Maßabweichungen, Oberflächenprofile und Positionstoleranzen ableitet.

Wärmekartenstellen die räumliche Temperaturverteilung eines Messobjekts als zweidimensionales Wärmebild dar. Eine Infrarotkamera, die ein Batteriemodul während des Ladevorgangs überwacht, erzeugt eine Wärmekarte, die Hotspots, Temperaturgradienten und thermische Asymmetrien aufzeigt – Messergebnisse, die sowohl den thermischen Zustand als auch die strukturelle Integrität des Bauteils charakterisieren.

Numerische Messwertekodieren diskrete physikalische Größen – Abstand in mm, Temperatur in °C, Oberflächenrauheit in µm – als skalare Datenpunkte, die von Prozessleitsystemen direkt für Schwellenwertvergleiche, statistische Prozesskontrolle und Dokumentation verwendet werden.

Diese drei output machen den Sensor zur primären Datenquelle in der Messdatenkette der Smart Factory.

Industrielle standards die Protokolle, über die Sensoren Messdatenan Steuerungssysteme, Qualitätsmanagementplattformen und Datenerfassungsnetzwerke übertragen. Die drei wichtigsten Protokollfamilien für die Sensorintegration in Smart-Factory-Umgebungen sind: auf Industrial Ethernet basierende Feldbusse, bildverarbeitungsspezifische standards und universelle standards für die Maschine-zu-Maschine-Kommunikation.

Die Schnittstellenkompatibilität zwischen Sensor und Empfangssystem entscheidet darüber, ob die Messdaten im richtigen Format, mit der richtigen Latenz und der richtigen Synchronisationsgenauigkeit ankommen. Ein Sensor, der hochauflösende 3D-Daten liefert, aber eine nicht standardisierte output verwendet, verursacht einen Integrationsaufwand, der die effektive Messrate in der Produktionslinie verringert.

OPC UA (OPC Unified Architecture), Modbus TCP und GigE Vision sind die drei standards , die in Objektvermessung industriellen Objektvermessung standards häufigsten Objektvermessung die Übertragung von Sensordaten eingesetzt werden. Jeder Standard regelt einen bestimmten Aspekt der Sensorintegration – nämlich den Datenaustausch zwischen Maschinen, die registerbasierte Prozesskommunikation bzw. die Hochgeschwindigkeitsübertragung von Bilddaten.

Die Messrate eines Sensorsystems gibt an, wie viele vollständige Messzyklen – von der Erfassung bis output das System pro Zeiteinheit durchführt.Bei der Inline-Messung entscheidet die Messrate darüber, ob der Sensor mit dem Produktionszyklus Schritt halten kann, ohne dass es zu Prozessunterbrechungen kommt.

Entlang des Kontinuums von Inline- zu Offline-Messung gibt es drei Messintegrationsmodi:

Bei der Inline-Messungwird das Messsystem direkt in die laufende Produktionslinie integriert. Der Sensor erfasst die Messdaten jedes einzelnen Teils innerhalb der Produktionszykluszeit, ohne dass das Teil angehalten oder umgeleitet werden muss. Die Inline-Messung ermöglicht eine 100-prozentige Prüfabdeckung bei voller Produktionsgeschwindigkeit.

Bei der In-Line-Messungwird das Messsystem direkt an der Produktionslinie positioniert. Die Teile werden aus der Linie entnommen, gemessen und anschließend zurückgeführt oder aussortiert. Die In-Line-Messung ermöglicht hochkomplexe Messungen, verringert jedoch die Durchsatzabdeckung.

Bei der Offline-Messungwerden die Messungen in einem speziellen Prüfbereich durchgeführt, der von der Produktionsumgebung getrennt ist. Die Offline-Messung bietet die höchste Messgenauigkeit, wird jedoch an Stichproben aus der Teilepopulation und nicht am gesamten Produktionsvolumen durchgeführt.

Die synchronisierte Zeitstempelung von Messdaten, die über das Precision Time Protocol (PTP) oder das Network Time Protocol (NTP) umgesetzt wird, stellt sicher, dass Messereignisse von mehreren Sensoren in einem verteilten System zeitlich auf eine gemeinsame Referenz abgestimmt sind. Diese Abstimmung ist eine Voraussetzung für die Datenfusion über Sensorarrays hinweg und für die Rückverfolgbarkeit der Messergebnisse zu den Zeitstempeln der Produktion.

Industriesensoren werden in Umgebungen eingesetzt, in denen sie fünf Arten mechanischer und elektrischer Belastungen ausgesetzt sind:Temperaturschwankungen, Feuchtigkeit und Kondensation, Vibrationen und mechanische Stöße, elektromagnetische Störungen (EMI) sowie elektrostatische Entladungen (ESD).

Die Schutzart nach IP(Ingress Protection, gemäß IEC 60529) klassifiziert Gehäuse gegen das Eindringen von Partikeln und Flüssigkeiten. Ein Sensor der Schutzart IP67 widersteht einem vollständigen vorübergehenden Eintauchen in Wasser, was eine typische Anforderung für Messsysteme ist, die in Bearbeitungsumgebungen in der Nähe von Kühlschmierstoffstrahlen betrieben werden.

Die EMV-/ESD-Störfestigkeitbestimmt, ob ein Sensor seine Messgenauigkeit in Umgebungen mit hochfrequenten Schaltstörungen durch Servoantriebe, Schweißanlagen oder Stromrichter beibehält. Ein Sensor ohne ausreichende EMV-Abschirmung verursacht in der Nähe solcher Störquellen Signalabweichungen und Messfehler.

Die Vibrationsfestigkeit, angegeben als maximaler Beschleunigungswert in g, bestimmt, ob der Sensor auf vibrierenden Maschinenrahmen die optische Ausrichtung und die Messstabilität beibehält. Eine Fehlausrichtung der optischen Achse bei einem Laser-Triangulationssensor von nur 0,01° führt zu einem systematischen Messfehler über den gesamten Messbereich.

Unter „On-Sensor-Verarbeitung“ versteht man die Ausführung von Algorithmen zur Vorverarbeitung von Messdaten direkt auf dem im Sensor integrierten Prozessor, noch bevor die Daten an das Host-System übertragen werden. Sensoren mit On-Sensor-Verarbeitungsfunktionen reduzieren das über das Netzwerk übertragene Rohdatenvolumen, indem sie Messmerkmale – Profile, Punktkoordinaten, Klassifizierungsergebnisse – extrahieren und statt vollständiger Rohbildrahmen nur diese abgeleiteten Werte übertragen.

Ein Laserprofilsensor mit On-Sensor-Verarbeitung überträgt pro Scan ein Höhenprofil mit 1.280 Datenpunkten anstelle eines vollständigen 2D-Rohbildes mit einer Auflösung von 1.280 × 1.024 Pixeln.Dadurch verringert sich das Datenvolumen pro Messzyklus um etwa das 800-Fache, was sich unmittelbar auf die erforderliche Netzwerkbandbreite und die Rechenlast des Host-Auswertungssystems auswirkt.

Kompakte Sensorformate, die durch miniaturisierte optische Baugruppen und anwendungsspezifische integrierte Schaltkreise (ASICs) ermöglicht werden, ermöglichen die Integration in Messstellen mit begrenztem Einbauraum – eine entscheidende Voraussetzung für Inline-Messstationen in dicht angeordneten Fertigungslinien.

Die Messdatenkette in einer vernetzten Produktionsumgebung umfasst vier Stufen: physikalische Messwertaufnahme, Signalaufbereitung, Analog-Digital-Wandlung und digitale Vorverarbeitung.

Stufe 1 – Physikalische Wandlung:Das aktive Element des Sensors wandelt die physikalische Messgröße in ein elektrisches Signal um. Ein CMOS-Bildsensor wandelt die Intensität des reflektierten Laserlichts in Elektronenladungsmuster um; ein Bolometer wandelt einfallende Infrarotstrahlung in eine Widerstandsänderung um.

Stufe 2 – Signalaufbereitung:Das analoge Messsignal wird vor der Digitalisierung verstärkt, gefiltert und um den Offset korrigiert. Bei der Signalaufbereitung werden Störkomponenten außerhalb des Messfrequenzbandes entfernt und die Signalamplitude an den input des Analog-Digital-Wandlers angepasst.

Stufe 3 – Analog-Digital-Wandlung:Das aufbereitete analoge Signal wird mit einer festgelegten Abtastrate abgetastet und in eine diskrete digitale Darstellung quantisiert. Die Bittiefe des Wandlers bestimmt die Messauflösung pro Wandlungsschritt; ein 12-Bit-ADC löst 4.096 diskrete Pegel innerhalb des Messbereichs auf. Das Verhältnis zwischen der Bittiefe \( n \) und der Anzahl der diskreten Pegel \( L \) lautet:

\[ L = 2^n \]

Schritt 4 – Digitale Vorverarbeitung:Die digitalisierten Messdaten werden direkt auf dem Sensor oder in dessen unmittelbarer Nähe verarbeitet, um messrelevante Merkmale zu extrahieren. Zu den Vorverarbeitungsschritten gehören räumliche Filterung, Spitzenerkennung in Laserlinienbildern, Temperaturkalibrierung von Infrarotsensorarrays sowie die Berechnung von Tiefenkarten aus Stereo- oder Strukturlichtbildern.

Die output vierstufigen Kette besteht output strukturierten Messdaten in einem von drei Formaten: numerische Skalarwerte, 2D-Rasterbilder oder 3D-Punktwolken-Datensätze. Zu den gängigen 3D-Datenformaten für Netzmodelle gehören STL, PLY und OBJ.

In einem Produktionssystem einer Smart Factory durchlaufen Sensordaten drei Architekturebenen:die Feldebene, die Steuerungsebene und die Informationsebene.

AufFeldebene übertragen Sensoren Roh- oder vorverarbeitete Messdaten über industrielle Kommunikationsschnittstellen an speicherprogrammierbare Steuerungen (SPS), Industrie-PCs oder Edge-Computing-Knoten. GigE Vision regelt die Übertragung von Bilddaten mit hoher Bandbreite von Flächen- und Zeilenkameras; OPC UA regelt die strukturierte, plattformunabhängige Machine-to-Machine-Kommunikation für Prozessdaten.

Auf derSteuerungsebene fließen Messdaten in Qualitätsmanagementsysteme, Module zur statistischen Prozesskontrolle (SPC) und Maschinensteuerungsregelkreise ein. Ein Maßmesswert eines 3D-Laserprofilsensor direkt in einen Toleranzvergleich 3D-Laserprofilsensor , der ein Gut/Schlecht-Signal für die automatische Sortierung auslöst. Eine Temperaturmessung einer Infrarotkamera wird in einen Prozesssteuerungsalgorithmus eingespeist, der die Sollwerte der Ofentemperatur in einem thermischen Verbindungsprozess anpasst.

Auf derInformationsebene fließen die aggregierten Messdaten in Manufacturing-Execution-Systeme (MES) und Enterprise-Resource-Planning-Systeme (ERP) ein, wo sie die Produktionsdokumentation, die Ausbeuteanalyse und die Prozessoptimierung unterstützen. Die Integration von MES und ERP liegt außerhalb des Messumfangs dieses Artikels und wird hier lediglich erwähnt, um aufzuzeigen, wo die Messdaten in der Systemhierarchie enden.

Bei der Datenfusion werden Messdaten von zwei oder mehr Sensoren kombiniert– in der Regel werden dabei geometrische und thermische Informationen von an derselben Stelle angeordneten 3D-Sensoren und Infrarotkameras zusammengeführt –, um ein zusammengesetztes Messergebnis zu erzeugen, das keiner der Sensortypen für sich allein liefern kann. Ein fusionierter Datensatz, der sowohl die 3D-Oberflächengeometrie als auch die Temperaturverteilung eines geschweißten Bauteils enthält, ermöglicht die gleichzeitige Erkennung von geometrischen Verformungen und thermisch induzierten Materialspannungen.

Drei Konzepte innerhalb des Knotens „Datenerfassung“ der Themenkarte befassen sich mit eng miteinander verbundenen Aspekten, die über den Messbereich dieses Artikels hinausgehen:

Der digitale Zwillingnutzt von Sensoren erfasste Messdaten als input , um eine virtuelle Darstellung einer physischen Komponente oder einer Produktionsanlage zu erstellen und kontinuierlich zu aktualisieren.

Die Rückverfolgbarkeitgewährleistet, dass jedes Messergebnis dauerhaft mit dem jeweiligen Bauteil, dem Produktionszeitstempel, dem Messsystem und dem Kalibrierungsstatus verknüpft ist, aus denen es stammt.

Bei der automatisierten 100-prozentigen Prüfungkommen an jedem kritischen Prozessschritt Inline-Messsysteme zum Einsatz, um eine lückenlose Prüfabdeckung aller gefertigten Teile zu gewährleisten und damit die stichprobenbasierte Qualitätskontrolle überflüssig zu machen.

Ein Inline-Messsystem unterliegt vier Anforderungen, die es von At-Line- und Offline-Messungen unterscheiden: Einhaltung der Taktzeit, Abdeckung des Messbereichs, Robustheit gegenüber Umgebungsbedingungen und Synchronisation der Auslösung mit den Produktionsmaschinen.

Die Einhaltung der Zykluszeitsetzt voraus, dass der gesamte Messzyklus – Beleuchtung, Bildaufnahme, Vorverarbeitung im Sensor und output innerhalb des verfügbaren Prozessfensters abgeschlossen ist. Eine Produktionslinie mit einer Zykluszeit von 3 Sekunden pro Teil erfordert ein Sensorsystem, das den gesamten Messzyklus in weniger als 3 Sekunden abschließt, einschließlich aller Vorverarbeitungs- und Kommunikationsverzögerungen.

Um den Messbereich abzudecken, müssen das Sichtfeld und der Tiefenbereich des Sensors die gesamte geometrische Ausdehnung des Messobjekts in der Messposition erfassen, ohne dass eine Neupositionierung oder Drehung des Teils erforderlich ist.

Die Triggersynchronisationkoppelt den Messzyklus des Sensors an die Bewegungssteuerung der Produktionsmaschine und stellt so sicher, dass die Messungen an reproduzierbaren, mechanisch stabilen Positionen im Produktionsablauf erfolgen.Die encoderbasierte Triggerung erreichtin typischen Inline-MessstationenPositionsgenauigkeiten von unter 10 µm bei Transportgeschwindigkeiten von bis zu 3 m/s.

Die sensorbasierte Qualitätssicherung in Smart-Factory-Umgebungen umfasst drei Kategorien von Messaufgaben: geometrische Prüfung, Oberflächeninspektion und thermische Überwachung.

Bei der geometrischen Prüfungwerden die dreidimensionale Form, die Maße und die Lage der Messobjekte erfasst und die erfasste Geometrie mit einem Soll-CAD-Modell verglichen. 3D-Sensoren, die auf den Prinzipien der Lasertriangulation, des strukturierten Lichts oder der Lichtlaufzeitmessung basieren, erzeugen Punktwolken oder Tiefenkarten, die von Qualitätssoftware zu Maßabweichungen, Formtoleranzen und Lagefehlern verarbeitet werden. Geometrische Abweichungen, die definierte GD&T-Toleranzen überschreiten, lösen automatische Ausschussmeldungen aus.

Oberflächeninspektion erkennt Unregelmäßigkeiten, Verunreinigungen und Materialanomalien auf den Oberflächen von Messobjekten. Hochauflösende 2D-Flächenscankameras und Laserprofilsensoren erfassen Oberflächenmerkmale – Kratzer, Risse, Poren, Einschlüsse – in konfigurierten Inspektionssystemenmit einer räumlichen Auflösung von bis zu 5 µm pro Pixel. Die Erkennung von Oberflächenfehlern basiert je nach dem angewandten optischen Messprinzip auf der Analyse von Intensitätskontrast, Höhenabweichungen oder Streuprofil.

Bei der thermischen Überwachungwerden Infrarotkameras eingesetzt, um die zweidimensionale Temperaturverteilung von Messobjekten in der Produktion zu erfassen.Infrarotkameras mit ungekühlten Mikrobolometer-Detektorarrays erkennen Temperaturunterschiede von 0,05 K (NETD)über das gesamte Messfeld hinweg und machen so Hotspots, Temperaturgradienten und asymmetrische Wärmeverteilungen sichtbar, die auf Materialfehler, Prozessabweichungen oder Bauteilausfälle hinweisen.

Die 3D-Sensoren und Infrarotkameras AT Sensorserfassen Messdaten zu sechs repräsentativen Kategorien von Messobjekten in vernetzten industriellen Produktionsumgebungen:

Bei Schweißnähtenmüssen die Nahtbreite, die Nahthöhe, die Nahtkontinuität und der Positionsversatz gegenüber dem Soll-Schweißverlauf gemessen werden. 3D-Laserprofilsensoren scannen die Nahtgeometrie inline bei Transportgeschwindigkeiten von bis zu 2 m/s und erkennen dabei Lücken, Hinterschneidungen und geometrische Abweichungen innerhalb des Nahtprofils. Infrarotkameras erfassen unmittelbar nach dem Schweißen die thermische Signatur der Naht und identifizieren durch ihre verringerte Wärmeabgabe Bereiche mit unzureichender Verschmelzung.

Bei Gussteilenist vor der Bearbeitung ein 3D-Vergleich der Ist- mit der Soll-Geometrie erforderlich, wobei die in der Gussspezifikation definierte Soll-Geometrie als Referenz dient. Dabei müssen Oberflächenfehler wie Grate, Schrumpfhohlräume (Porosität) und Kaltstellen erkannt und kritische Maße überprüft werden. 3D-Sensoren erzeugen vollständige Oberflächenpunktwolken für den automatisierten CAD-Vergleich in Gussprüfstationen.

Batteriemodulein der Elektrofahrzeugproduktion müssen thermisch geprüft werden, um Hotspots auf Zellebene, thermische Asymmetrien zwischen den Zellen und Temperaturgradienten über das Modul hinweg zu erkennen, die auf defekte Zellverbindungen oder Separatorausfälle hinweisen.Infrarotkameras mit einer thermischen Auflösung von 640 × 512 Pixeln prüfen die gesamten Oberflächen der Batteriemodule in einem einzigen Messbild bei Produktionszykluszeiten von unter 2 Sekunden.

Bei elektronischen Baugruppen und Halbleiternmüssen während der Funktionsprüfung die Geometrie der Lötstellen, die Genauigkeit der Bauteilplatzierung sowie die thermischen Profile überprüft werden. 3D-Sensoren erfassen die Höhe der Lötkugeln mit einer Messunsicherheit von weniger als 5 µm; Infrarotkameras erkennen thermische Anomalien in Bauteilen unter elektrischer Belastung während der End-of-Line-Funktionsprüfung.

Stahlprofile und Stabstahlerfordern eine Inline-Geradheitsmessung, eine Überprüfung des Querschnittsprofils sowie die Erkennung von Oberflächenfehlern bei Walz- und Ziehgeschwindigkeiten. In Multisensor-Arrays angeordnete Laser-Profilsensoren erfassen den gesamten Querschnitt des Profils in einer einzigen Messebene.

Bei Spritzgussteilensind nach dem Entformen eine Maßprüfung kritischer Merkmale, die Erkennung von Einfallstellen und Verformungen sowie eine Bewertung der Oberflächenqualität erforderlich. 3D-Sensoren erkennen geometrische Abweichungen von der Sollgeometrie der Spritzgussform mit einer Messunsicherheit von weniger als 10 µm.

Die folgenden 8 Konzepte stehen in direktem Zusammenhang mit der Inline-Messung und der vernetzten Datenerfassung in Smart-Factory-Umgebungen. Jedes davon wird in einem eigenen Artikel ausführlich behandelt:

Der Digital Twinerstellt anhand kontinuierlicher Sensormessdatenströme virtuelle Abbilder physischer Produktionssysteme.

Die Rückverfolgbarkeitverknüpft jedes Messergebnis mit einem bestimmten Bauteil, einem bestimmten Prozessschritt, einem bestimmten Messsystem und einem bestimmten Kalibrierungsstatus.

Die automatisierte 100-prozentige Prüfunggewährleistet eine lückenlose Inline-Prüfung aller gefertigten Teile.

Die vorausschauende Instandhaltungnutzt Daten aus der kontinuierlichen Zustandsüberwachung, die von Schwingungs-, Temperatur- und Akustiksensoren stammen, um den Ausfall von Komponenten vorherzusagen, bevor er eintritt.

OPC UA, Modbus TCP und IoT-Protokolledefinieren die standards die Sensoren Messdaten an Steuerungssysteme übertragen.

Künstliche Intelligenz und maschinelles Lernendienen als Datenanalyseebenen, die strukturierte Messdaten aus Sensorsystemen verarbeiten. KI und ML sind keine Messprinzipien und fallen daher nicht in den messtechnischen Anwendungsbereich dieses Artikels.

Die Cybersicherheitregelt den Schutz der Kommunikation in Sensornetzwerken und der Produktionsdaten. Der Begriff „Cybersicherheit“ wird hier lediglich verwendet, um die Abgrenzung zur Messdatenübertragung zu verdeutlichen.

ERP- und MES-Systemeerhalten Messdaten als input die Produktionsdokumentation und Prozessoptimierung. Diese Systeme bilden die oberste Ebene der Messdatenkette, sind jedoch keine Messsysteme an sich.