Semi-Automatic Generation of Production Exception Handling for Agile Process Guidance

Im Kontext moderner Produktionssysteme, die insbesondere im Automobilsektor mit wachsender Komplexität konfrontiert sind, bieten cyber-physische Produktionssysteme (CPPS) neue Möglichkeiten zur Effizienzsteigerung. Viele Fabriken verlassen sich bei Ausnahmen jedoch noch auf statische Handbücher oder Experteneingriffe, was die Reaktionszeit verlangsamt und die Aktualität der Verfahren erschwert. Die größte Herausforderung ist das Fehlen agiler Echtzeit-Anleitungen für Bediener bei unerwarteten Ereignissen. Zwar existiert Wissen in Formaten wie FMEA-Berichten, ist aber vor Ort schwer nutzbar. Dies erschwert Schulung, erhöht die Expertenabhängigkeit und verringert die Autonomie der Bediener. Ziel dieser Arbeit ist es, Expertenwissen in klare, schrittweise Prozesse zu überführen, die in Echtzeit über eine benutzerfreundliche Oberfläche verfügbar sind. Dadurch soll die Ausnahmebehandlung verbessert, die Fehlerquote reduziert und das kontinuierliche Lernen unterstützt werden. Die Methode folgt dem Design Science Framework. Auf eine systematische Literaturrecherche und szenariobasierte Anforderungsanalyse folgte die Entwicklung eines Prototyps mit agiler, modularer Architektur. Das System nutzt einen Wissensgraphen mit FMEA-Daten, unterstützt Live-Bearbeitung und Versionskontrolle und wurde in einem industriellen Anwendungsfall über Interviews und Benutzerakzeptanzstudien evaluiert. Die Ergebnisse zeigen, dass das APEH-System kontextbezogene Anleitungen bereitstellt, reparierbare und nicht reparierbare Ausnahmen behandelt und Prozesse mit Produktionsänderungen abgleicht. Die Benutzer fanden es nützlich und einfach zu bedienen, trotz einiger Einschränkungen in komplexen Situationen. Zusammenfassend demonstriert der APEH-Prototyp die Machbarkeit und Vorteile halbautomatischer Prozessführung in CPPS. Er unterstützt Bediener, reduziert Abhängigkeit von statischer Dokumentation und zentralisiert Wissen für die Wiederverwendung. Zukünftige Arbeiten sollten sich auf Skalierbarkeit, Integration zusätzlicher Echtzeitdaten und die Verfeinerung der Benutzerinteraktion konzentrieren.