Digital Twin Pipeline zur VDA-5050-Integration
-
Lea Kaven
Lea Kaven, M. Sc., geb. 1995 arbeitet als Wissenschaftliche Mitarbeiterin am Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen mit dem Themenschwerpunkt Modellierung und Simulation von flexiblen Montagesystemen.
,
Ella Abele
Ella Abele, M. Sc., geb. 1997 arbeitet als studentische Mitarbeiterin am Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen mit dem Themenschwerpunkt Steuerung von flexiblen Montagesystemen.
Amon Göppert, M. Sc., geb. 1992 ist Leiter der Abteilung Model-based Systems des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen mit den Schwerpunkten Digitalisierung und Automatisierung von flexiblen Montagesystemen.
Prof. Dr.-Ing. Robert H. Schmitt, geb. 1961 ist Leiter des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen und Mitglied im Direktorium des Fraunhofer-Instituts für Produktionstechnologie (IPT).
Abstract
Volatile Produktionsumgebungen verstärken den Fokus auf Produktionssysteme, die dynamische Anpassungen unter Einsatz von FTF ermöglichen. Zur aufwandsarmen, herstellerübergreifenden Integration dieser FTF wurde die VDA 5050 Schnittstelle definiert. Diese liefert jedoch keinen Digital Twin (DT), welcher gleichzeitig zur übergeordneten Planung und Analyse genutzt werden kann. Anhand der Methodik der Digital Twin Pipeline erfolgt deshalb eine (teil-)automatisierte Entwicklung eines solchen DT.
Abstract
Volatile production environments increase the focus on production systems that enable dynamic adjustments using AGVs. The VDA 5050 interface was defined to allow for crossmanufacturer integration of these AGVs. However, VDA 5050 does not provide a digital twin model (DT) that is VDA 5050 compatible and can also be used for higher-level planning and analysis. Using the methodology of the Digital Twin Pipeline, a (partially) automated development of such a DT is carried out.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWFAdvisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
Funding statement: Diese Arbeit ist Teil des Forschungsprojekts „AIMFREE“, das vom Bundesministerium für Wirtschaft, Mittelstand und Energie (BMWi) im Rahmen der „Richtlinie über eine gemeinsame Förderinitiative zur Förderung von Forschung und Entwicklung auf dem Gebiet der Elektromobilität“ (Förderkennzeichen: 01MV19002A) gefördert und vom Projektträger Deutsches Zentrum für Luft- und Raumfahrt (DLR-PT) unterstützt wird. Die Verantwortung für den Inhalt liegt bei den Autor:innen.
About the authors
Lea Kaven, M. Sc., geb. 1995 arbeitet als Wissenschaftliche Mitarbeiterin am Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen mit dem Themenschwerpunkt Modellierung und Simulation von flexiblen Montagesystemen.
Ella Abele, M. Sc., geb. 1997 arbeitet als studentische Mitarbeiterin am Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen mit dem Themenschwerpunkt Steuerung von flexiblen Montagesystemen.
Amon Göppert, M. Sc., geb. 1992 ist Leiter der Abteilung Model-based Systems des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen mit den Schwerpunkten Digitalisierung und Automatisierung von flexiblen Montagesystemen.
Prof. Dr.-Ing. Robert H. Schmitt, geb. 1961 ist Leiter des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der Rheinisch-Westfälischen Hochschule (RWTH) Aachen und Mitglied im Direktorium des Fraunhofer-Instituts für Produktionstechnologie (IPT).
Literatur
1 Bender, J.; Marx, F.; Ebner, C.: Der Krieg in der Ukraine und die deutsche Wirtschaft (2022). Online unter https://www.produktion.de/wirtschaft/der-krieg-in-derukraine-und-die-deutsche-wirtschaft-521.html [Zugriff am 02.03.2022]Search in Google Scholar
2 Paul, S.; Chowdhury, P.; Moktadir, M.; Lau, K.: Supply Chain Recovery Challenges in the Wake of COVID-19 Pandemic. Journal of Business Research 136 (2021), S. 316–329 DOI: 10.1016/j.jbusres.2021.07.05610.1016/j.jbusres.2021.07.056Search in Google Scholar PubMed PubMed Central
3 ElMaraghy, H.; Schuh, G.; ElMaraghy, W.; Piller, F.; Schönsleben, P.; Tseng, M.; Bernard, A.: Product Variety Management. CIRP Annals 62 (2013) 2, S. 629–652 DOI: 10.1016/j.cirp.2013.05.00710.1016/j.cirp.2013.05.007Search in Google Scholar
4 Borowski, A.; Sauer, O.; Hafner, C.; Trögel, P.; Pfrommer, J.: At the End of the Line – How Automakers Can Embrace Flexible Production. PwC, Frankfurt a. M. 2021Search in Google Scholar
5 Göppert, A.; Hüttemann, G.; Jung, S.; Grunert, D.; Schmitt, R.: Frei verkettete Montagesysteme – Ein Ausblick. ZWF 113 (2018) 3, S. 151–155 DOI: 10.3139/104.11188910.3139/104.111889Search in Google Scholar
6 Monostori, L.: Cyber-physical Production Systems: Roots, Expectations and R&D Challenges. Procedia CIRP 17 (2014), S. 9–13 DOI: 10.1016/j.procir.2014.03.11510.1016/j.procir.2014.03.115Search in Google Scholar
7 Hildebrandt, C.; Torsleff, S.; Caesar, B.; Fay, A.: Ontology Building for Cyber-Physical Systems: A Domain Expert-centric Approach. In: IEEE (Hrsg.): 2018 IEEE 14th International Conference on Automation Science and Engineering (CASE). IEEE 2018 DOI: 10.1109/COASE.2018.856046510.1109/COASE.2018.8560465Search in Google Scholar
8 VDA – Verband der Automobilindustrie e. V.: Schnittstelle zur Kommunikation zwischen Fahrerlosen Transportfahrzeugen (FTF) und einer Leitsteuerung – VDA 5050. VDA, Berlin 2020Search in Google Scholar
9 Banks, A.; Briggs, E.; Borgendale, K.; Gupta, R.: MQTT Version 5.0 (2019). Online unter https://docs.oasis-open.org/mqtt/mqtt/v5.0/mqtt-v5.0.html [Zugriff am 11.05.2021]Search in Google Scholar
10 Sommer, P.; Schellroth, F.; Fischer, M.; Schlechtendahl, J.: Message-oriented Middleware for Industrial Production Systems. In: Vogel-Heuser, B. (Hrsg.): IEEE 14th International Conference on Automation Science and Engineering (CASE). IEEE, Piscataway, NJ 2018, S. 1217–1223 DOI: 10.1109/COASE.2018.856049310.1109/COASE.2018.8560493Search in Google Scholar
11 Göppert, A.; Grahn, L.; Rachner, J.; Grunert, D.; Hort, S.; Schmitt, R.: Pipeline for Ontology-based Modeling and Automated Deployment of Digital Twins for Planning and Control of Manufacturing Systems.Journal of Intelligent Manufacturing (Published online: 17 Nov. 2021) DOI: 10.1007/s10845-021-01860-610.1007/s10845-021-01860-6Search in Google Scholar
12 Gruber, T.: Toward Principles for the Design of Ontologies Used for Knowledge Sharing? International Journal of Human-Computer Studies 43 (1995) 5–6, S. 907–928 DOI: 10.1006/ijhc.1995.108110.1006/ijhc.1995.1081Search in Google Scholar
13 DIN – Deutsches Institut für Normung e. V.: Referenzarchitekturmodell Industrie 4.0 (RAMI4.0). Beuth Verlag, Berlin 2016Search in Google Scholar
14 Bodenbenner, M.; Sanders, M.; Montavon, B.; Schmitt, R.: Domain-Specific Language for Sensors in the Internet of Production. In: Behrens, B.-A.; Brosius, A.; Hintze, W.; Ihlenfeldt, S.; Wulfsberg, J. (Hrsg): Production at the Leading Edge of Technology. SpringerVerlag, Berlin, Heidelberg 2021, S. 448–456 DOI: 10.1007/978-3-662-62138-7_4510.1007/978-3-662-62138-7_45Search in Google Scholar
15 Brick Consortium: Brick Ontology (2020). Online unter https://brickschema.org/ontology/1.1 [Zugriff am 02.03.2022]Search in Google Scholar
16 Lemaignan, S.; Siadat, A.; Dantan, J.-Y.; Semenenko, A.: MASON: A Proposal For An Ontology Of Manufacturing Domain: IEEE Workshop on Distributed Intelligent Systems: Collective Intelligence and its Applications (DIS‘06). IEEE, 2006, S. 195–200Search in Google Scholar
17 Babovic, Z.; Protic, J.; Milutinovic, V.: Web Performance Evaluation for Internet of Things Applications. IEEE Access 4 (2016), S. 6974–6992 DOI: 10.1109/ACCESS.2016.261518110.1109/ACCESS.2016.2615181Search in Google Scholar
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Industrie 5.0 als Chance
- Standortauswahl
- Datenbasierte Standortauswahl
- Fabrikplanung
- Nachhaltige Fabrikplanung für die Green Factory
- Digitale Lernplattform
- Lernstation für Datenerfassung und IoT-Applikationen
- Maschinelles Lernen
- Entwicklung eines Überwachungs- und Servicemanagementsystems für Sterilisations- und Schredderanlagen
- Produktive Machine-Learning-Systeme für die Industrie
- Shopfloor Management
- Digitale Abbildung zur Prozesskoordination in der Unikatfertigung
- Engpassmanagement
- Identifikation und Prognose dynamischer Engpässe
- Zustandsüberwachung
- Cloudbasierte Zustandsdiagnose von Straßenbahnschienen
- Energiemanagement
- Batteriespeicherlösungen zur energiewirtschaftlichen Optimierung von Industriebetrieben
- Smart Services
- Software-gestützte Planung der Smart-Service-Transformation
- Digitalisierung
- Datenaufnahme und -verarbeitung in der Brownfield-Produktion
- Digitalisierung der Produktion: Ganzheitliche Bewertung
- Digitaler Zwilling
- Digital Twin Pipeline zur VDA-5050-Integration
- Künstliche Intelligenz
- Konzept und Erfahrungsbericht zur Nutzung Künstlicher Intelligenz im Fertigungsmanagement
- Der Einsatz Künstlicher Intelligenz in produzierenden Unternehmen
- Industrie 4.0 durch Künstliche Intelligenz
- Strategisches Supply-Chain-Risikomanagement
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Industrie 5.0 als Chance
- Standortauswahl
- Datenbasierte Standortauswahl
- Fabrikplanung
- Nachhaltige Fabrikplanung für die Green Factory
- Digitale Lernplattform
- Lernstation für Datenerfassung und IoT-Applikationen
- Maschinelles Lernen
- Entwicklung eines Überwachungs- und Servicemanagementsystems für Sterilisations- und Schredderanlagen
- Produktive Machine-Learning-Systeme für die Industrie
- Shopfloor Management
- Digitale Abbildung zur Prozesskoordination in der Unikatfertigung
- Engpassmanagement
- Identifikation und Prognose dynamischer Engpässe
- Zustandsüberwachung
- Cloudbasierte Zustandsdiagnose von Straßenbahnschienen
- Energiemanagement
- Batteriespeicherlösungen zur energiewirtschaftlichen Optimierung von Industriebetrieben
- Smart Services
- Software-gestützte Planung der Smart-Service-Transformation
- Digitalisierung
- Datenaufnahme und -verarbeitung in der Brownfield-Produktion
- Digitalisierung der Produktion: Ganzheitliche Bewertung
- Digitaler Zwilling
- Digital Twin Pipeline zur VDA-5050-Integration
- Künstliche Intelligenz
- Konzept und Erfahrungsbericht zur Nutzung Künstlicher Intelligenz im Fertigungsmanagement
- Der Einsatz Künstlicher Intelligenz in produzierenden Unternehmen
- Industrie 4.0 durch Künstliche Intelligenz
- Strategisches Supply-Chain-Risikomanagement
- Vorschau
- Vorschau
