Skip to main content

Lernszenarien als stützendes didaktisches Element des Anwendungszentrums 4.0 ermöglichen zielgruppenorientierte Aus- und Weiterbildungsmaßnahmen aller TeilnehmerInnen. Dabei stehen insbesondere die Anwendung und das Erleben von praxisnahen Szenarien im Vordergrund. Diese adressieren im Vorfeld formulierte Problemstellungen und ermutigen die Teilnehmenden so zur aktiven Reflexion. Besonderes Augenmerk wird dabei auf die stetige Einbindung von IIoT Technologien (AR-Brillen, Tablets) gelegt, wie sie auch in realen Produktionsumgebungen der Zukunft zu finden sind.
Die beispielhafte Prozessdarstellung „Smarte Qualitätssicherung in der Logistik“ macht die didaktischen Vorteile des Mediums „Lernszenario“ deutlich. Darin wird ausschnitthaft sowohl die praktische Einbindung mobiler IIoT-Technologie in eine Lernfabrik als auch deren Nutzen zur Entwicklung von Handlungskompetenzen erläutert. Es werden Halbfabrikate auf Basis eintreffender Kommissionierungsaufträge an nachfolgende Abteilungen weitergeleitet sowie Qualitätsprüfungen mithilfe mobiler IIoT-Technologie durchgeführt. Zwei Personen nehmen die Rollen des Produktionsverantwortlichen (Lerner B) sowie des technischen Qualitätsbeauftragten (Lerner A) ein. Lerner A wird mit einem intelligenten Handschuh und einer intelligenten Uhr, Lerner B mit einer AR-Brille und einem Tablet ausgestattet. Die Aufgabe von Lerner A besteht im Folgenden darin, mithilfe des Handschuhs und der Uhr den Status der halbfertigen Werkstücke nach dem Produktionsschritt „Pulverbeschichtung“ zu kontrollieren. Dabei soll der Handschuh genutzt werden, mittels integrierter Sensorien wesentliche Qualitätsparameter der Pulverbeschichtung festzustellen. Die ermittelten Messwerte werden in einem zentralen Qualitätssicherungssystem hinterlegt und auf etwaige Grenzwertüberschreitungen geprüft. Sollten die QS-Parameter die Grenzwerte überschreiten, informiert die smarte Uhr durch visuelle und haptische Rückmeldung über die Qualität des Werkstückes. In diesem Fall wird dieses aus dem Produktionsprozess ausgeschleust. Tritt eine ähnliche Abweichung wiederholt auf, kann der Qualitätsbeauftragte (Lerner A) den Produktionsverantwortlichen (Lerner B) direkt benachrichtigen, da die Vermutung eines Systemfehlers naheliegt. In Extremfällen kann Lerner A einen Produktionsstopp veranlassen. Lerner B erhält die Meldung auf sein Tablet mit zusätzlichen Informationen (u.a. die betroffene Maschine), um sich zielgerichtet mit der Problematik beschäftigen zu können. An der Maschine erhält er auf seine AR-Brille relevante Maschinenparameter. Ein Abgleich mit den empfohlenen Richtwerten ermöglicht die Ursachenanalyse und stellt die Grundlage für die Fehlerbehebung dar. Die Detailanalyse des Werkstücks selbst wird durch die AR-Brille unterstützt. Dort erhält der Nutzer die gemessenen Parameter ebenso wie Vorschläge für das weitere Vorgehen (z.B. Nacharbeiten oder Verschrotten). Basierend auf den Informationen und der Detailanalyse trifft Lerner B die Entscheidung über das weitere Verfahren, da dieser mit dem Prozess vertraut ist.
Die folgende Darstellung ermöglicht eine detailierte Übersicht des genauen Ablaufs:

 

Prozessmodell