Hybride Simulation - Factory Innovation

Hybride Simulation

Den besten Grad an dezentraler Produktionssteuerung bestimmen

Lesedauer: 10 Minuten

03. Oktober 2021 von Sander Lass und Hanna Theuer

Durch den internationalen Wettbewerb und zunehmende Individualisierung der Kundenwünsche stehen produzierende Unternehmen großen Herausforderungen gegenüber. Ein möglicher Ansatz zur Lösung ist der Einsatz neuer Technologien und Organisationsstrategien wie AutoID oder dezentralisierte Produktionssteuerung. Allerdings ist die Auswahl für den spezifischen im Unternehmen vorliegenden Prozess oft aufwendig und kostenintensiv. Hybride Simulation als Kombination von Modellfabrik und der Digitalen Fabrik bietet hier Vorteile.

Für eine erfolgreiche Teilnahme am Wettbewerb sind schnelle Reaktion auf sich ständig ändernde Marktsituationen und Kundenwünsche für produzierende Unternehmen essenziell. Wandlungsfähigkeit – die Fähigkeit eines Systems auf Änderungen der Umwelt umzugehen [1] ist ein sehr wichtiger Punkt für Unternehmen, um global wettbewerbsfähig zu bleiben. Besonders kleine und mittelständische Unternehmen (KMU) sind gezwungen ihre Produktion zu verbessern und Kosten zu senken, um Vorteile über ihre Mitbewerber zu erringen.

Neue Ideen und Konzepte im Produktionsmanagement, z.B. autonome Steuerung, und neue Technologien, wie AutoID – kombiniert zu intelligenten Produktionssystemen – bieten die Möglichkeit diese Anforderungen zu realisieren.

Unternehmen stehen vor der Aufgabe, alternative Technologien und Planungsstrategien – wie die dezentrale Produktionssteuerung – auf Einsatzfähigkeit und Nutzen für ihre Situation zu prüfen.

Die Bestimmung der Wirtschaftlichkeit der alternativen Ideen und Systeme für den existierenden Produktionsprozess mit seinen spezifischen Anforderungen erweist sich häufig als schwierig. Die komplette Betrachtung ist unumgänglich, die Beschränkung auf einzelne Aspekte liefert nur unzureichende Aussagen. Beispielsweise verspricht RFID einen hohen Nutzen im Bereich Identifikation. Zur Vermeidung hoher Kosten beginnt die Untersuchung zum Einsatz mit der Umsetzung lediglich in einem kleinen Teilstück des zu verändernden Prozesses. Die ermittelte Verbesserung der Effizienz erweist sich im Vergleich zu den zu erwartenden Investitionen als nicht ausreichend oder die auf den kompletten Prozess hochgerechneten Vorteile werden in der Realisierung nicht erreicht. Die Implementierung von RFID wird nicht umgesetzt oder als Fehlschlag erklärt und die Technologie generell als nicht nutzbar angesehen.

 

Bild 1: Prinzipskizzen des Informationsflusses der zentralen und dezentralen Produktionssteuerung
Bild 1: Prinzipskizzen des Informationsflusses der zentralen und dezentralen Produktionssteuerung

Aufgabenkontext dezentrale Produktionssteuerung

Ein zukunftsträchtiges Gebiet in der Produktionssteuerung ist die Dezentralität. Entscheidungen werden nicht mehr zentral an einer Stelle, sondern dezentral direkt in der Produktion getroffen. Dazu ist es notwendig, dass die Intelligenz in die Shop Floor Ebene verlagert wird. Zudem sind Technologien notwendig, die eine Informationsaufnahme, Entscheidungsfindung und Entscheidungs-
ausführung ermöglichen. Während der Informationsfluss bei der dezentralen Produktionssteuerung gegenüber der zentralen reduziert wird, steigt der Koordinationsaufwand zwischen den “intelligenten“ einzelnen Produktionsobjekten. Bild 1 stellt eine Prinzipskizze beider Varianten dar [2].

Die dezentrale Produktionssteuerung ermöglicht eine Selbststeuerung des Systems. Jedoch ist es neben der Einführung entsprechender Technologien notwendig, dass übergeordnete Regeln hinterlegt werden, nach welchen die dezentralen Entscheidungen getroffen werden. Des Weiteren muss die Steuerung auf die dezentralen Belange angepasst werden. Eine mögliche Unterscheidung sind bioanaloge und rationale Strategien. Während bei bioanalogen Strategien Erkenntnisse aus der Biologie auf produktionstechnische Problemstellungen übertragen werden, beruhen rationale Strategien auf der Antizipation von Zustandswerten des Systems [3]. Die Grundlage bioanaloger Produktionsstrategien liegt in einer indirekten Kommunikation über die Umwelt. Die Entscheidungsfindung ist auf Basis von Erfahrungen von Vorgängern sowie durch eine einfache Verhaltensweise der Systemelemente charakterisiert. Beispiele sind die pheromonbasierte Selbststeuerung sowie die Schwarmintelligenz. Rationale Strategien, wie beispielsweise der Queue Length Estimator oder Regelbasierte Entscheidungsmodelle, hingegen habe eine hohe Komplexität der Systemelemente.

Eine generelle Aussage zum Nutzen einer dezentralen Produktionssteuerung ist nicht sinnvoll. Vielmehr müssen die spezifischen Prozesse hinsichtlich ihrer Eignung analysiert und der beste Grad an Dezentralität bestimmt werden. Dazu kann es erforderlich sein, eine Vielzahl von Prozessszenarien zu überprüfen. Eine Untersuchung im laufenden Betrieb ist aufgrund damit verbundener Investitionskosten und Produktionsausfällen nicht möglich.

Flexibles Evaluationswerkzeug

Im Ergebnis entsteht der Bedarf nach einer Methode, die schnell und kosteneffizient belastbare Aussagen zur Wirtschaftlichkeit der im Unternehmen vorliegenden Prozesse sowie der Untersuchung unterschiedlicher Fragestellungen erlaubt – ein flexibles Evaluationswerkzeug. Simulation ist ein vielversprechender Ansatz. Es ist die Nachbildung eines Systems und seiner dynamischen Prozesse in einem Modell zur Gewinnung von Erkenntnissen, die sich auf die reale Welt übertragen lassen [4].

Allerdings weisen die klassischen Varianten der Simulation für den Produktionsbereich Nachteile auf. Modellfabriken als reales Modell einer Fertigung erlauben eine einfache Untersuchung von physikalischen Fragestellungen, begrenzen sich aber aufgrund der festgelegten Elemente stark auf ähnliche Prozessstrukturen. Digitale Fabriken als reine Software-Umgebung bieten hierbei zwar weitaus größere Flexibilität, benötigen aber zum Teil sehr aufwendige Implementierungen von physikalischen Modellen in der Software. Modellfabriken werden hauptsächlich in der Ausbildung als sogenannte Lernfabriken eingesetzt, die Digitale Fabrik kommt vor allem bei der Produktentwicklung zum Einsatz.

Zusammengefasst lässt sich konstatieren, dass sich die existierenden Simulationskonzepte aufgrund spezifischer Einsatzfelder auf einzelne Bereiche bzw. Problemgruppen konzentrieren. Eine ganzheitliche Betrachtung unterschiedlichster Prozesse und Problemstellungen und damit der Einsatz als flexibles Evaluationswerkzeug ist häufig mit hohem Aufwand bei Modellierung und technischer Realisierung zu erreichen [5]. Sie bieten eine geringe Übertragbarkeit der Ergebnisse, verlangen hohen Aufwand bei der Modellierung und sind mit hohen Kosten verbunden [6].

Damit bildet die Reduzierung des Simulationsaufwands einen wesentlichen Erfolgsfaktor zur Realisierung eines Evaluationswerkzeugs, welches in kurzer Zeit belastbare Aussagen zur verschieden Fragestellung im Kontext Produktionsmanagement erlaubt.

Hybrider Simulationsansatz

Eine mögliche Lösung ist ein hybrider Simulationsansatz, der die Vorteile von Hardware- und Softwaresimulation verbindet. Er kombiniert physische und virtuelle Komponenten zu einem Gesamtsystem. Somit ist es möglich, für eine gegebene Fragestellung für jedes Element die geeignete Realisierungsform zu wählen und trotzdem eine unkomplizierte Umsetzung der Interaktion und Kommunikation zwischen den einzelnen Bausteinen zu realisieren.

Die Simulationsumgebung erlaubt die einfache Integration von Originalequipment, beispielsweise die im realen Prozess eingesetzte Barcode-Leseeinheit, während die umgebenden Arbeitsschritte zu einem großen Teil virtualisiert umgesetzt sind. Somit wird die Betrachtung des gesamten Prozesses aufwandsarm möglich.

Neben dem Einsatz eines hybriden Simulationsansatzes ist ein weiterer Ansatzpunkt die Gestaltung des gesamten Simulationsprozesses und seine Optimierung hinsichtlich Zeit und Aufwand.

Vorgehensmodell der Simulation
Bild 2: Vorgehensmodell der Simulation

Vorgehensmodell

Ein Baustein auf dem Weg zur schnellen und aufwandsarmen Simulation ist ein geeignetes systematisches Vorgehensmodell. Der erste Schritt besteht die Prozessaufnahme. Hier kommt ein Fragebogen zum Einsatz, der in mehreren Stufen und Feedbackschleifen die relevanten Informationen zum Prozess liefert, als auch die Zielstellung mittels Testszenarien  definiert.

Auf dieser Basis erfolge die Konfiguration der Demonstratoren mit dem Setup der Software und Installation der Hardwarekomponenten (RFID-Schreib- oder Leseeinheiten, etc.). Anschließend erfolgt der Aufbau des gesamten Szenarios durch Verknüpfung der Demonstratoren. Die Simulation wird durchgeführt und die Ergebnisse analysiert. Im Anschluss werden Variationen gemäß der Testfälle vorgenommen. Nach deren Simulation erfolgt die Analyse und Auswertung. Als Ergebnis liegen Aussagen zum Untersuchungsgegenstand vor. Bild 2 zeigt das Vorgehensmodell im Überblick.

Weitere Schritte zur Beschleunigung der Modellierung

Die Erhebung der relevanten Daten wird durch die systematische und iterative Gestaltung der Fragebögen beschleunigt. Jede Stufe enthält basierend auf den bereits vorliegenden Informationen der vorhergehenden Stufen spezifische Fragen. Das angewandte Top-Down-Prinzip erlaubt eine zielgerichtete Erhebung und reduziert die Komplexität.

Bild 3 illustriert die Struktur des Fragebogens. Der erste Schritt sorgt für einen generellen Überblick, die Klärung von Begriffen bei allen Beteiligten und definiert die Abbildung der realen Komponenten auf die des Simulators. Der zweite Schritt ermittelt jeweils die notwendigen Informationen zu den einzelnen Maschinen. Es folgen analog das Werkstück mit seinen Bearbeitungsständen und Materialen sowie die relevanten Werkzeuge. Der letzte Schritt behandelt den Prozess unter den Aspekten Logistik und Materialfluss und Kommunikation.

Neben der Prozessaufnahme ist ein weiterer aufwandsbestimmender Faktor die Konfiguration der Demonstratoren. Eine Bibliothek von Produktionsobjekten hilft den Aufwand zu reduzieren. Diese enthält alle Daten vorhergehender Simulationsvorhaben und erlaubt die schnelle Erstellung von Produktionskomponenten durch Wiederverwendbarkeit und beschränkt den Konfigurationsaufwand auf das Einstellen weniger Parameter. Jedes Objekt definiert auf seiner Abstraktionsebene Abhängigkeiten, Wertebereiche und vordefinierte Einstellungen.

Struktur der Prozessaufnahme
Bild 3: Struktur der Prozessaufnahme

 

Die Simulationsumgebung stellt eine Softwarearchitektur als auch eine Hardwareplattform zur Verfügung. Die Betriebssoftware der Demonstratoren ist auf die schnelle Integration von Sensoren, Speicherprogrammierbaren Steuerungen (SPS) und anderen Geräten ausgelegt und unterstützt typische Kommunikationsprotokolle (OPC, ADS, etc.). Die Hardwaresektion bietet zahlreiche Bussysteme (CAN, Profibus, etc.) zur einfachen Anbindung. Die Möglichkeit einer nahtlosen Integration von Hardwarekomponenten in das System war bereits bei der Entwicklung eines der wesentlichen Ziele. Somit erlaubt der Simulator ein flexibles und zielgerichtetes Experimentieren.

Die LUPO-Simulationsumgebung

Die in der Entwicklung befindliche Simulationsumgebung des
LUPO-Labors besteht aus physikalischen Modellen der relevanten Produktionsobjekte, im weiteren als Demonstratoren bezeichnet: Maschine, Werkstückträger bzw. Werkstück, Werkzeug sowie das Transportsystem, welches die Elemente miteinander verbindet. Jeder Demonstrator beinhaltet ein Rechensystem oder Microcontroller, Kommunikationsmodule und Monitoren zur Visualisierung und als Informationscockpit. Einer der Monitore ist als Touchscreen ausgeführt und dient zusätzlich zur Benutzerinteraktion (z.B. als BDE-Terminal). Bild 4 zeigt den Aufbau eines Maschinendemonstrators.

Durch die integrierte Rechenleistung jeder Komponente können Entscheidungsalgorithmen implementiert werden. Diese Intelligenz der Einzelbausteine erlaubt die dezentrale Steuerung des gesamten Systems mithilfe unterschiedlicher Ansätze ähnlich Multiagentensystemen.

Die Demonstratoren sind durch ein Transportsystem basierend auf einem Rollenförderer verbunden. Für eine flexible Gestaltung des Werkstücktransports und den Aufbau diverser Fertigungslayouts gibt es verschiedene Elemente: Ein- und Auschleusungspunkte, Weichen und Bypässe sowie Puffer mit wahlfreiem und sequenziellem Zugriff.

Konzept des Maschinendemonstrator
Bild 4:Konzept des Maschinendemonstrator

Ausblick

Die vorgestellte Simulationsumgebung gestattet ein aufwandsarmes Experimentieren und schnelles Analysieren von Technologien und Steuerungsstrategien. Einsatzfelder sind die Evaluation von Innovationen für unterschiedlichste Produktionsprozesse bzw. Fertigungsszenarios. Gerade für Untersuchungen von Problemstellungen aus dem Bereich dezentrale Steuerung bietet der Simulator mit seinen mit Rechnersystemen ausgestatteten Komponenten ein geeignetes Instrument zum Entwickeln, Testen und Evaluieren von Gestaltungsansätzen.

Durch die Weiterentwicklung vorhandener Modellierungsmethoden um die Anforderungen, die durch autonome und dezentrale Steuerung entstehen, werden übersichtliche Darstellungs- und Analysemöglichkeiten geschaffen.

Schlüsselwörter:

Dezentrale Produktion, Simulation, Selbststeuerung

Literatur:

[1] Gronau, N.; Weber, E.: Arbeitsbericht WI – 2009 -07: Wandlungsfähigkeit: Generische Strategien zur Handhabung von Veränderungen in der Umwelt. Potsdam, 2009. Download von www.wi.uni-potsdam.de am 11.11.11
[2] Gronau, N.; Lindemann, M.: Gestaltung marktorientierter Produktionssysteme, in: Specht, D. (Hrsg): Weiterentwicklung der Produktion. Tagungsband der Herbsttagung 2008 der Wissenschaftlichen Kommission Produktionswirtschaft im VHB. 2009, S. 43-59.
[3] Scholz-Reiter, B.; Böse, F.; Jagalski, T.; Wind, K.: Selbststeuerung in der betrieblichen Praxis, in: Industrie Management 3-2007, S. 7-11.
[4] Verein Deutscher Ingenieure (VDI): Simulation von Logistik-, Materialfluss- und Produktionssystemen – Grundlagen. VDI-Richtlinie 3633, Blatt 1. Beuth-Verlag, Düsseldorf.
[5] Lass, S.: A New Approach to Simulation in Production Management, In: ElMaraghy, H. A. (Hrgs.): Enabling Manufacturing Competitiveness and Economic Sustainability, Proceedings of the 4th International Conference on Changeable, Agile, Reconfigurable and Virtual production (CARV2011), Montreal, Springer Verlag, 2011, S.
[6] Hülsmann, M., Windt, K. (Hrgs.)): Understanding Autonomous Cooperation & Control in Logistics – The Impact on Management, Information and Communication and Material Flow, Springer, Berlin, 2007.

Dezentrale ProduktionSelbststeuerungSimulation





Das könnte Sie auch interessieren

Anbieterportal

Premium

GFOS mbH

45141 Essen
Potsdam Consulting Advisory GmbH
Premium

Potsdam Consulting Advisory GmbH

Leistungen

Services

Beratung

14057 Berlin
Abels&Kemmner
Premium

Abels&Kemmner

52134 Herzogenrath
Premium

ORSOFT GmbH

04109 Leipzig

alle Anbieter
Sharer Icon: facebookSharer Icon: TwitterSharer Icon: LindekInSharer Icon: XingSharer Icon: EnvelopeSharer Icon: Print

Wir verwenden Cookies, um die Nutzererfahrung stetig zu verbessern. Mehr Erfahren.

We use cookies to constantly improve our users’ experience. Learn more.

Essentielle Cookies

Essential Cookies

Cookie Settings
Speichert Einstellungen, die hier getroffen werden. (1 Jahr)

Cookie Settings
Saves selected settings. (1 Year)

Statistik

Statistics

Google Analytics | Google LLC | Datenschutz
Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt. Alle Informationen werden anonymisiert gespeichert. (2 Jahre)

Google Analytics | Google LLC | Privacy Notice
Cookie used by Google for web site analysis. Collects statistical data on how visitors use the website. This data does not contain personal information. (2 years)