Aufwandsarme Rekonstruktion von Bestandsanlagen
-
Sandra Müller
Sandra Müller, M. Eng., hat Elektrotechnik mit dem Schwerpunkt Automatisierungstechnik studiert und ist seit 2017 Wissenschaftliche Mitarbeiterin am Lehrstuhl für Fördertechnik Materialfluss Logistik der Technischen Universität München.
,
Mahmoud Ahmed
Mahmoud Ahmed, B. Sc., studiert Energietechnik an der Technischen Universität München und arbeitet seit 2019 als Wissenschaftliche Hilfskraft am Lehrstuhl für Fördertechnik Materialfluss Logistik der Technischen Universität München.
Professor Dr.-Ing. Johannes Fottner ist seit 2016 Ordinarius des Lehrstuhls für Fördertechnik Materialfluss Logistik der Technischen Universität München. Nach seinem Studium Maschinenwesen und seiner Promotion im Jahr 2002 an der TUM, arbeitete er von 2002 bis 2008 in verschiedenen Managementfunktionen bei der Schweizer Swisslog Gruppe. 2008 übernahm er die Geschäftsführung der MIAS Group. Im Verein Deutscher Ingenieure (VDI) ist er Vorstandsmitglied des Bezirksvereins München und seit 2015 stellvertretender Vorsitzender der Fachgesellschaft Produktion und Logistik.
Abstract
Fehlende oder veraltete Daten erschweren die Modellerstellung für bereits bestehende Förderanlagen. Um die Potenziale digitaler Modelle dennoch auch für Bestandsanlagen wirtschaftlich zu nutzen, kann eine automatisierte Extraktion von Modellierungsdaten unterstützen. In diesem Beitrag wird ein Verfahren zur Rekonstruktion der Topologie automatisierter Förderelemente auf der Basis von Bewegungsdaten eines intelligenten Ladungsträgers vorgestellt.
Abstract
Missing or outdated data is a major challenge when creating models for existing conveyor systems. In order to use the potential of digital models economically also for existing systems, an automated extraction of modeling data can improve the situation. This paper presents a method for reconstructing the topology of automated conveying elements based on motion data of an intelligent load carrier.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
Funding statement: Das IGF-Vorhaben 20680 N/1 der Forschungsgemeinschaft Intralogistik / Fördertechnik und Logistiksysteme (IFL) e. V., Lyoner Straße 18, 60528 Frankfurt am Main, wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
About the authors
Sandra Müller, M. Eng., hat Elektrotechnik mit dem Schwerpunkt Automatisierungstechnik studiert und ist seit 2017 Wissenschaftliche Mitarbeiterin am Lehrstuhl für Fördertechnik Materialfluss Logistik der Technischen Universität München.
Mahmoud Ahmed, B. Sc., studiert Energietechnik an der Technischen Universität München und arbeitet seit 2019 als Wissenschaftliche Hilfskraft am Lehrstuhl für Fördertechnik Materialfluss Logistik der Technischen Universität München.
Professor Dr.-Ing. Johannes Fottner ist seit 2016 Ordinarius des Lehrstuhls für Fördertechnik Materialfluss Logistik der Technischen Universität München. Nach seinem Studium Maschinenwesen und seiner Promotion im Jahr 2002 an der TUM, arbeitete er von 2002 bis 2008 in verschiedenen Managementfunktionen bei der Schweizer Swisslog Gruppe. 2008 übernahm er die Geschäftsführung der MIAS Group. Im Verein Deutscher Ingenieure (VDI) ist er Vorstandsmitglied des Bezirksvereins München und seit 2015 stellvertretender Vorsitzender der Fachgesellschaft Produktion und Logistik.
Literatur
1 Daniluk, D.; Chisu, R.: Simulation und Emulation im Internet der Dinge. In: Günthner, W. A. (Hrsg.): Internet der Dinge in der Intralogistik. Springer-Verlag, Berlin, Heidelberg 2010, S. 146–166 DOI: 10.1007/978-3-642-04896-8_1510.1007/978-3-642-04896-8_15Search in Google Scholar
2 VDI-Gesellschaft Produktion und Logistik (Hrsg.): VDI 4497 (Entwurf): Einsatz der Emulation bei der Realisierung automatisierter Logistiksysteme, 2020Search in Google Scholar
3 Bergmann, S.: Automatische Generierung adaptiver Modelle zur Simulation von Produktionssystemen. Technische Universität Ilmenau, Ilmenau 2013, S. 25–26Search in Google Scholar
4 Strigl, T.: Materialflusssimulation zur schnellen Inbetriebnahme realer Steuerungen. ZWF 104 (2009) 1–2, S. 76–80 DOI: 10.3139/104.11001910.3139/104.110019Search in Google Scholar
5 Wünsch, G.: Methoden für die virtuelle Inbetriebnahme automatisierter Produktionssysteme. Herbert Utz Verlag, München 2007, S. 79–92Search in Google Scholar
6 Straßburger, S.; Bergmann S.; Müller-Sommer H.: Modellgenerierung im Kontext der Digitalen Fabrik – Stand der Technik und Herausforderungen, In: Zülch G.; Stock P. (Hrsg.): Integrationsaspekte der Simulation: Technik, Organisation und Personal. KIT Scientific Publishing, Karlsruhe 2010, S. 37–44Search in Google Scholar
7 Melcher, D.; Küster D.; Stonis M.; Overmeyer L.: Fabrik- und Produktionsplanung im digitalen Modell durch automatisierte Punktwolkenverarbeitung. Logistics Journal: Proceedings, 2019 DOI: 10.2195/lj_Proc_melcher_de_201912_0110.2195/lj_Proc_melcher_de_201912_01Search in Google Scholar
8 Spindler, M.: Zwei-Schichten-Architektur zur modellbasierten Erstellung der Steuerungssoftware für automatisierte Materialflusssysteme. Technische Universität München, München 2018, S. 49–70Search in Google Scholar
9 DIN Deutsches Institut für Normung e. V.: DIN EN IEC 62714–1: Datenaustauschformat für Planungsdaten industrieller Automatisierungssysteme – Automation Markup Language – Teil 1: Architektur und allgemeine Festlegungen. Beuth Verlag, Berlin 2019Search in Google Scholar
10 AutomationML e. V.: Application Recommendation – Modelling of Material Handling in Automation ML. Version 1.0.0, 2020Search in Google Scholar
© 2021 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Mensch und Maschine Hand in Hand
- Technologietrends
- Trends der Fertigungs-IT 2021
- Intelligente Fertigung
- Magnetführung in der Optikfertigung
- Produktivität
- Vorschubanpassung auf Basis realer Qualitätsdaten bei Fräsprozessen
- Geschäftsmodelle
- Erfolgsgrößen datengetriebener Geschäftsmodelle
- Technologiemanagement
- Potenzialbasierte Bewertung innovativer Technologien in der Produktion
- Fabrikplanung
- Software für eine automatisierte mehrdimensionale Fabriklayoutoptimierung
- Produktionssysteme
- Anpassung von Produktionssystemen an die Auswirkungen des Klimawandels
- Bestellwesen
- Lagerverhalten unter Prognoseunsicherheit mit dynamischen Bestellpolitiken
- Remanufacturing
- Konzept einer automatisierten und modularen Befundungsstation in der wandlungsfähigen Produktion
- Montagesysteme
- Strukturierung eines Montagesystems bei Fertigungszeitspreizung
- Digitales Modell
- Aufwandsarme Rekonstruktion von Bestandsanlagen
- Simulation
- Berechnung der statischen axialen Steifigkeit von Planentenrollengewindetrieben
- 5G-Industrie
- Industrielle Produktionsanlagen modular erweitern mit 5G
- Smart Services
- Smart Service-Transformation mit Geschäftsmodellmustern
- Automatisierung
- Industrie 4.0-gerechte und automatisierte Handhabungstechnik für Freiformoberflächen
- Cloud computing
- Cloud-Nutzung in der Industrie 4.0
- Maschinelles Lernen
- Ableitung eines Vorgehensmodells zur systematischen Wissensgenerierung aus Sensordaten
- Anwendungen des maschinellen Lernens in der Produktion aus Auftrags- und Produktsicht
- Digitale Technologien
- Entwicklung eines Bewertungsinstruments für neue digitale Technologien in KMU
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Mensch und Maschine Hand in Hand
- Technologietrends
- Trends der Fertigungs-IT 2021
- Intelligente Fertigung
- Magnetführung in der Optikfertigung
- Produktivität
- Vorschubanpassung auf Basis realer Qualitätsdaten bei Fräsprozessen
- Geschäftsmodelle
- Erfolgsgrößen datengetriebener Geschäftsmodelle
- Technologiemanagement
- Potenzialbasierte Bewertung innovativer Technologien in der Produktion
- Fabrikplanung
- Software für eine automatisierte mehrdimensionale Fabriklayoutoptimierung
- Produktionssysteme
- Anpassung von Produktionssystemen an die Auswirkungen des Klimawandels
- Bestellwesen
- Lagerverhalten unter Prognoseunsicherheit mit dynamischen Bestellpolitiken
- Remanufacturing
- Konzept einer automatisierten und modularen Befundungsstation in der wandlungsfähigen Produktion
- Montagesysteme
- Strukturierung eines Montagesystems bei Fertigungszeitspreizung
- Digitales Modell
- Aufwandsarme Rekonstruktion von Bestandsanlagen
- Simulation
- Berechnung der statischen axialen Steifigkeit von Planentenrollengewindetrieben
- 5G-Industrie
- Industrielle Produktionsanlagen modular erweitern mit 5G
- Smart Services
- Smart Service-Transformation mit Geschäftsmodellmustern
- Automatisierung
- Industrie 4.0-gerechte und automatisierte Handhabungstechnik für Freiformoberflächen
- Cloud computing
- Cloud-Nutzung in der Industrie 4.0
- Maschinelles Lernen
- Ableitung eines Vorgehensmodells zur systematischen Wissensgenerierung aus Sensordaten
- Anwendungen des maschinellen Lernens in der Produktion aus Auftrags- und Produktsicht
- Digitale Technologien
- Entwicklung eines Bewertungsinstruments für neue digitale Technologien in KMU
- Vorschau
- Vorschau
