Optimierte Auswahl von Fabrikelementen
-
Antonio Kreß
Dr.-Ing. Antonio Kreß, geb. 1989, studierte Wirtschaftsingenieurswesen mit der technischen Fachrichtung Maschinenbau an der Technischen Universität Darmstadt. Er ist seit 2017 Wissenschaftlicher Mitarbeiter am PTW in der Forschungsgruppe „Center für industrielle Produktivität“ der Technischen Universität Darmstadt und promovierte im Jahr 2022 im Bereich Produktionsmanagement.
und
Joachim Metternich
Prof. Dr.-Ing. Joachim Metternich, geb. 1968, ist Institutsleiter des Instituts für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt und leitet die Forschungsgruppen „Center für industrielle Produktivität“ und „Management industrieller Produktion“.
Abstract
Bei der Planung von Fabriken bestimmt die geeignete Auswahl der Fabrikelemente, wie gut eine Fabrik ihren geplanten Zweck erfüllt. Die Herausforderung bei den Auswahlentscheidungen besteht darin, die bestmögliche Auswahl in Bezug auf ein geplantes Ziel zu treffen, während gleichzeitig bestimmte Restriktionen, wie z. B. bei Budget oder Flächen, eingehalten werden müssen. In der Regel werden die Entscheidungen zur Auswahl von Fabrikelementen für jeden Fabrikbereich separat getroffen. Dabei wird entweder intuitiv oder auf der Basis von Heuristiken vorgegangen. In diesem Beitrag wird gezeigt, wie die Auswahl auf Basis eines ganzheitlichen Optimierungsansatzes erfolgen kann, durch das eine nutzenoptimale Fabrikkonfiguration unter Betrachtung vorab definierter Budgets ermöglicht wird. Darüber hinaus werden ein einfaches, vierstufiges Vorgehen sowie ein softwarebasiertes Konfigurationssystem vorgestellt. Das Optimierungsmodell wurde genutzt, um die Forschungs- und Lernfabrik FlowFactory des Forschungsinstituts PTW zu konfigurieren.
Abstract
In factory planning, the appropriate selection of factory elements determines how well a factory fulfills its intended purpose. The challenge in making selection decisions is to make the best possible selection in relation to a planned target, while at the same time meeting certain restrictions, such as on budget or floor space. In general, factory element selection decisions are made separately for each factory area. This is done either intuitively or on the basis of heuristics. In this paper, we show how the selection can be based on a holistic optimization approach, which enables a utility-optimal factory configuration considering predefined budgets. In addition, a simple four-step approach and a software-based configuration system are presented. The optimization model was used to configure the research and learning factory FlowFactory of the research institute PTW.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Dr.-Ing. Antonio Kreß, geb. 1989, studierte Wirtschaftsingenieurswesen mit der technischen Fachrichtung Maschinenbau an der Technischen Universität Darmstadt. Er ist seit 2017 Wissenschaftlicher Mitarbeiter am PTW in der Forschungsgruppe „Center für industrielle Produktivität“ der Technischen Universität Darmstadt und promovierte im Jahr 2022 im Bereich Produktionsmanagement.
Prof. Dr.-Ing. Joachim Metternich, geb. 1968, ist Institutsleiter des Instituts für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt und leitet die Forschungsgruppen „Center für industrielle Produktivität“ und „Management industrieller Produktion“.
Literatur
1 Verein Deutscher Ingenieure e. V.: VDI 5200 Blatt 1: Fabrikplanung – Planungsvorgehen. Beuth Verlag, Berlin 2011Suche in Google Scholar
2 Ayağ, Z. : A Hybrid Approach to Machinetool Selection through AHP and Simulation. International Journal of Production Research 45 (2007) 9, S. 2029–2050 DOI:10.1080/0020754060072485610.1080/00207540600724856Suche in Google Scholar
3 Paramasivam, V.; Senthil, V.; Ramasamy, N. R.: Decision Making in Equipment Selection – An Integrated Approach with Digraph and Matrix Approach, AHP and ANP. The International Journal of Advanced Manufacturing Technology 54 (2011) 9-12, S. 1233–1244 DOI:10.1007/s00170-010-2997-410.1007/s00170-010-2997-4Suche in Google Scholar
4 Athawale, V. M.; Chakraborty, S.: A TOPSIS Method-based Approach to Machine Tool Selection. In: Proceedings of the 2010 International Conference on Industrial Engineering and Operations Management. Dhaka, Bangladesh, January 9–10, 2010Suche in Google Scholar
5 Wiendahl, H.-P.; Nyhuis, P.; Reichardt, J.: Handbuch Fabrikplanung – Konzept, Gestaltung und Umsetzung wandlungsfähiger Produktionsstätten. Carl Hanser Verlag, München 2014 DOI:10.3139/9783446437029.fm10.3139/9783446437029.fmSuche in Google Scholar
6 Sioshansi, R.; Conejo, A. J.: Optimization in Engineering – Models and Algorithms. Springer International, Cham 2017 DOI:10.1007/978-3-319-56769-310.1007/978-3-319-56769-3Suche in Google Scholar
7 Kreß, A.: Methodik zur Konfiguration von Lernfabriken für die schlanke Produktion. Zugl.: Dissertation, PTW der TU Darmstadt 2022; Shaker Verlag, Düren 2022Suche in Google Scholar
8 Kreß, A.; Metternich, J.: Procedure for the Configuration of Learning Factories – Application in Industry and Comparison. In: Proceedings of the 12th Conference on Learning Factories (CLF 2022), April 11, 2022, S. 1–6. Available at SSRN: https://ssrn.com/abstract=4071863 or DOI:10.2139/ssrn.407186310.2139/ssrn.4071863Suche in Google Scholar
9 Zionts, S.; Wallenius, J.: An Interactive Multiple Objective Linear Programming Method for a Class of Underlying Nonlinear Utility Functions. Management Science 29 (1983) 5, S. 519–529 DOI:10.1287/mnsc.29.5.51910.1287/mnsc.29.5.519Suche in Google Scholar
10 Kreß, A.; Metternich, J.: Einsatz von digitalen Technologien in Lernfabriken – Use Cases der Prozesslernfabrik „Center für industrielle Produktivität“. Factory Innovation (2022) [im Druck]Suche in Google Scholar
11 Bradley, R. A.; Terry M. T.: Rank Analysis of Incomplete Block Designs – The Method of Paired Comparisons. Biometrika 39 (1952) 3-4, S. 324–345 DOI:10.1093/biomet/39.3-4.32410.1093/biomet/39.3-4.324Suche in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Artikel in diesem Heft
- Inhalt
- Editorial
- Von Industrie 4.0 zum industriellen Metaverse
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Fabrikplanung
- Zielorientierte und kontextbasierte Baukostenabschätzung in der frühen Fabrikplanung
- Blue Print Plant Model
- Optimierte Auswahl von Fabrikelementen
- Die Notwendigkeit iterativer Kommunikation in der Fabrikreorganisation
- Produktionssysteme
- Zieltransformation in Ganzheitlichen Produktionssystemen
- Energieeffizienz
- Energieeffizienzmaßnahmen im Industriebestand
- Energieoptimierte Produktionsplanung
- Digitale Fertigung
- Konzept zur selektiven Modelladaption durch Clustering von Prozessdaten
- Modularisierung
- Zielgerichtete Gestaltung modularer Maschinen-Architekturen
- Faktor Mensch
- Human Factors in der integrierten Produktentwicklung
- Handhabung
- Formvariable Handhabung schmiedewarmer Massivbauteile
- Digitalisierung
- Digitalisierung ohne Programmierung
- Umsetzung der Digitalisierung in der Produktentwicklung
- Hürden der Digitalisierung in KMU
- Künstliche Intelligenz
- Produzierendes Gewerbe auf internationalem Niveau
- Digitaler Zwilling
- Der digitale Fabrikzwilling
- Assistenzsysteme
- Digitale Assistenzsysteme strukturiert umsetzen
- Vorschau
- Vorschau
Artikel in diesem Heft
- Inhalt
- Editorial
- Von Industrie 4.0 zum industriellen Metaverse
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Fabrikplanung
- Zielorientierte und kontextbasierte Baukostenabschätzung in der frühen Fabrikplanung
- Blue Print Plant Model
- Optimierte Auswahl von Fabrikelementen
- Die Notwendigkeit iterativer Kommunikation in der Fabrikreorganisation
- Produktionssysteme
- Zieltransformation in Ganzheitlichen Produktionssystemen
- Energieeffizienz
- Energieeffizienzmaßnahmen im Industriebestand
- Energieoptimierte Produktionsplanung
- Digitale Fertigung
- Konzept zur selektiven Modelladaption durch Clustering von Prozessdaten
- Modularisierung
- Zielgerichtete Gestaltung modularer Maschinen-Architekturen
- Faktor Mensch
- Human Factors in der integrierten Produktentwicklung
- Handhabung
- Formvariable Handhabung schmiedewarmer Massivbauteile
- Digitalisierung
- Digitalisierung ohne Programmierung
- Umsetzung der Digitalisierung in der Produktentwicklung
- Hürden der Digitalisierung in KMU
- Künstliche Intelligenz
- Produzierendes Gewerbe auf internationalem Niveau
- Digitaler Zwilling
- Der digitale Fabrikzwilling
- Assistenzsysteme
- Digitale Assistenzsysteme strukturiert umsetzen
- Vorschau
- Vorschau
