Automatisierte Rekonfiguration einer Montagelinie
-
Daniel Strametz
Dipl.-Ing. Daniel Strametz, geb. 1991, studierte Production Science and Management an der Technischen Universität Graz und arbeitet als Universitätsassistent am Institut für Fertigungstechnik der TU Graz im Bereich der smartfactory@tugraz.
Univ.-Prof. Dr. techn. Franz Haas, geb. 1966, war Universitätsassistent an der TU Graz und promovierte 1996. Nach dem Doktorat widmete er sich als Geschäftsführer dem familieneigenen Maschinenbauunternehmen. Von 1997 bis 2013 war er in verschiedenen Funktionen an der FH Campus 02 als Forscher und FH-Professor tätig. Seit 2013 hat er die Funktion des Institutsleiters für Fertigungstechnik an der TU Graz inne. Mit 2020 übernahm er das Amt des Dekans für Maschinenbau und Wirtschaftswissenschaften der TU Graz.
Jakob Augustin, geb. 1991, studiert Wirtschaftsingenieurwesen – Maschinenbau an der Technischen Universität Graz. Während des Studiums arbeitet er als studentischer Projektmitarbeiter am Institut für Fertigungstechnik im Bereich der smartfactory@tugraz
Dipl.-Ing. Dr. techn. Rudolf Pichler, geb. 1963, studierte und promovierte im Fach Wirtschaftsingenieurwesen-Maschinenbau an der Technischen Universität Graz. Er war im Anschluss ca. 20 Jahre bei diversen börsennotierten Unternehmen in produktionsrelevanten Leitungsfunktionen tätig. Von 2015 bis 2020 war er Stiftungsprofessor für Advanced Manufacturing an der TU Graz, seit damals ist er auch Leiter der smartfactory@tugraz
Daniel Ammon, M. Sc., geb. 1988, spezialisierte sich während seines Studiums auf den Bereich „Mobile Robotik“. Hierbei im Speziellen auf den Einsatz probabilistischer Algorithmen zur Lokalisierung mobiler Roboter. Seit 2018 leitet er als geschäftsführender Gesellschafter die Entwicklung hochgenauer, autonomer Robotersysteme für die Firma Evocortex GmbH in Nürnberg.
Abstract
Produktionen müssen sich immer kürzeren Produktionszyklen, hohen Nachfrageschwankungen und häufigeren Produktwechseln stellen. Dies erfordert, dass Produktionsanlagen agil und modular gestaltet sein müssen, damit der Aufwand für die Rekonfiguration des Systems möglichst gering ist. Im folgenden Beitrag wird das Konzept für eine automatisierte Rekonfiguration einer Produktion mit einem modularen Layout dargestellt. Die prototypische Umsetzung dieses Konzeptes erfolgt in der smartfactory@tugraz.
Abstract
Productions have to cope with ever shorter production cycles, high fluctuations in demand and more frequent product changes. This requires agile and modular design of production systems so that the effort for reconfiguring the system is as low as possible. In this paper, the concept for an automated reconfiguration of a production with a modular layout is presented. The prototypical implementation of this concept is done in the smartfactory@tugraz.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Dipl.-Ing. Daniel Strametz, geb. 1991, studierte Production Science and Management an der Technischen Universität Graz und arbeitet als Universitätsassistent am Institut für Fertigungstechnik der TU Graz im Bereich der smartfactory@tugraz.
Univ.-Prof. Dr. techn. Franz Haas, geb. 1966, war Universitätsassistent an der TU Graz und promovierte 1996. Nach dem Doktorat widmete er sich als Geschäftsführer dem familieneigenen Maschinenbauunternehmen. Von 1997 bis 2013 war er in verschiedenen Funktionen an der FH Campus 02 als Forscher und FH-Professor tätig. Seit 2013 hat er die Funktion des Institutsleiters für Fertigungstechnik an der TU Graz inne. Mit 2020 übernahm er das Amt des Dekans für Maschinenbau und Wirtschaftswissenschaften der TU Graz.
Jakob Augustin, geb. 1991, studiert Wirtschaftsingenieurwesen – Maschinenbau an der Technischen Universität Graz. Während des Studiums arbeitet er als studentischer Projektmitarbeiter am Institut für Fertigungstechnik im Bereich der smartfactory@tugraz
Dipl.-Ing. Dr. techn. Rudolf Pichler, geb. 1963, studierte und promovierte im Fach Wirtschaftsingenieurwesen-Maschinenbau an der Technischen Universität Graz. Er war im Anschluss ca. 20 Jahre bei diversen börsennotierten Unternehmen in produktionsrelevanten Leitungsfunktionen tätig. Von 2015 bis 2020 war er Stiftungsprofessor für Advanced Manufacturing an der TU Graz, seit damals ist er auch Leiter der smartfactory@tugraz
Daniel Ammon, M. Sc., geb. 1988, spezialisierte sich während seines Studiums auf den Bereich „Mobile Robotik“. Hierbei im Speziellen auf den Einsatz probabilistischer Algorithmen zur Lokalisierung mobiler Roboter. Seit 2018 leitet er als geschäftsführender Gesellschafter die Entwicklung hochgenauer, autonomer Robotersysteme für die Firma Evocortex GmbH in Nürnberg.
Literatur
1 Schmertosch, T.; Krabbes, M.: Automatisierung 4.0 – Objektorientierte Entwicklung modularer Maschinen für die digitale Produktion. Carl Hanser Verlag, München 2018 DOI: 10.3139/978344645701010.3139/9783446457010Suche in Google Scholar
2 Bauernhansl, T.: Die Vierte Industrielle Revolution: Der Weg in ein wertschaffendes Produktionsparadigma. In: Bauernhansl, T.; ten Hompel, M.; Vogel-Heuser, B. (Hrsg.): Industrie 4.0 in Produktion, Automatisierung und Logistik. Springer-Vieweg-Verlag, Wiesbaden 2014, S. 5–35 DOI: 10.1007/978-3-658-04682-8_110.1007/978-3-658-04682-8_1Suche in Google Scholar
3 Weck, M.; Brecher, C.: Werkzeugmaschinen 1: Maschinenarten und Anwendungsbereiche (VDI-Buch). Carl Hanser Verlag, München 2013Suche in Google Scholar
4 TU Berlin (Hrsg.): Sammelband zu Ressourceneffizienter Produktion, Sonderforschungsbereich der DFG. Berlin 2017Suche in Google Scholar
5 Molnar, M. F.; Fernandez, R.; Huff, B.: Development of a Standard Reconfigurable Assembly Cell for Agile Manufacturing. In: Dashchenko, A. I. (Hrsg.): Reconfigurable Manufacturing Systems and Transformable Factories. Springer-Verlag, Berlin Heidelberg 2006Suche in Google Scholar
6 Bauernhansl, T.; Dietz, T.; Fechter, M.: Entwicklung, Aufbau und Demonstration einer wandlungsfähigen (Fahrzeug-)Forschungsproduktion. Springer-Vieweg-Verlag, Wiesbaden 2020 DOI: 10.1007/978-3-662-60491-510.1007/978-3-662-60491-5Suche in Google Scholar
7 Pichler, R.; Strametz, D.; Höffernig, M.: Enhanced Agility for Assembly Tasks via Self-Sufficient Mobile Working Stations. Procedia Computer Science 180 (2021), S. 60–68 DOI: 10.1016/j.procs.2021.01.12910.1016/j.procs.2021.01.129Suche in Google Scholar
8 Fox, D.: KLD-Sampling: Adaptive Particle Filters and Mobile Robot Localization. Conference: Advances in Neural Information Processing Systems 14, Vancouver, Canada 200110.7551/mitpress/1120.003.0096Suche in Google Scholar
9 Hess, W.; Kohler, D.; Rapp, H.; Andor, D.: Real-time Loop Closure in 2D LIDAR SLAM. In: Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), Stockholm, Sweden 2016, S. 1271–1278 DOI: 10.1109/ICRA.2016.748725810.1109/ICRA.2016.7487258Suche in Google Scholar
10 Koch, P.; May, S.; Schmidpeter, M.; Kühn, M.; Pfitzner, C.; Merkl, C.; Koch, R.; Fees, M.; Martin, J.; Nuchter, A.: Multi-robot Localization and Mapping Based on Signed Distance Functions. In: Proceedings of the IEEE International Conference on Autonomous Robot Systems and Competitions, 2015 DOI: 10.1109/ICARSC.2015.1810.1109/ICARSC.2015.18Suche in Google Scholar
11 Grisettiyz, G.; Stachniss, C.; Burgard, W.: Improving Grid-based SLAM with Rao-Blackwellized Particle Filters by Adaptive Proposals and Selective Resampling. In: Proceedings of the IEEE International Conference on Robotics and Automation, 2005, S. 2432–2437 DOI: 10.1109/ROBOT.2005.157047710.1109/ROBOT.2005.1570477Suche in Google Scholar
12 Kirsch, C.; Künemund, F.; Heß, D.; Röhrig, C.: Comparison of Localization Algorithms for AGVs in Industrial Environments. In: Proceedings of ROBOTIK 2012; 7th German Conference on VDE, 2012, S. 1–6Suche in Google Scholar
13 Kim, Y. H.; Lee, S. W.; Yang, H. S.; Shell, D. A.: Toward Autonomous Robotic Containment Booms: Visual Servoing for Robust Inter-vehicle Docking of Surface Vehicles. Intelligent Service Robotics 5 (2012), S. 1–18 DOI: 10.1007/s11370-011-0100-010.1007/s11370-011-0100-0Suche in Google Scholar
14 Evocortex GmbH: Evocortex Localization Module. Online unter https://evocortex.org/products/evocortex-localization-module [Zugriff am 08.07.2022]Suche in Google Scholar
15 Strametz, D.; Reip, M.; Pichler, R.; Höffernig, M.; Pichler, M.: Increased Agility by Using Autonomous AGVs in Reconfigurable Factories. In: Weißgraeber, P. et al. (Hrsg.), Advances in Automotive Production Technology – Theory and Application. Springer-Verlag, Berlin, Heidelberg 2021, S. 433–440 DOI: 10.1007/978-3-662-62962-8_5010.1007/978-3-662-62962-8_50Suche in Google Scholar
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany
Artikel in diesem Heft
- Inhalt
- Editorial
- Innovationen, Menschen und das Metaverse
- Organisationsformen
- Hybride Organisationsformen in der Produktion
- Lean Production
- Generierung von disruptiven Verbesserungsideen zur Arbeitsplatzgestaltung
- Rekonfiguration
- Automatisierte Rekonfiguration einer Montagelinie
- Produktionsplanung und -steuerung
- Die Auftragsfreigabe – Unterschätzte Aufgabe der Fertigungssteuerung?
- Konfiguration der PPS
- Produktionsqualität
- Dynamische Kameraverfolgung von Regions of Interest in der Produktion mit Flugrobotern
- Produktkennzeichnung
- Organisation und Koordination industriellen Kennzeichnens
- Prozessoptimierung
- Prozessoptimierung mithilfe der Prozess-Atlas-Systematik
- Nachhaltige Datennutzung im Handwerk
- Prozessoptimierung durch Flittergratvermeidung
- Receptance Coupling
- Modellierung der dynamischen Werkzeugnachgiebigkeit mithilfe der Receptance-Coupling-Analyse
- Digitale Technologien
- Technologiekombinationen zur Identifikation und Lokalisierung in der Produktion
- Nachhaltigkeit
- Digitaler Schatten zur nachhaltigen Konfiguration von Losgrößen
- Adieu Wegwerfwirtschaft – Nachhaltige Produktkreisläufe in der Cloud organisieren
- Künstliche Intelligenz
- Vertrauen und Akzeptanz bei KI-basierten, industriellen Arbeitssystemen
- Data Mining
- Datengetriebene Werkzeugeingriffsdetektion für Fräsprozesse
- Virtuelles Lernen
- Virtuelle Lernszenarien für die manuelle Montage
- Vorschau
- Vorschau
Artikel in diesem Heft
- Inhalt
- Editorial
- Innovationen, Menschen und das Metaverse
- Organisationsformen
- Hybride Organisationsformen in der Produktion
- Lean Production
- Generierung von disruptiven Verbesserungsideen zur Arbeitsplatzgestaltung
- Rekonfiguration
- Automatisierte Rekonfiguration einer Montagelinie
- Produktionsplanung und -steuerung
- Die Auftragsfreigabe – Unterschätzte Aufgabe der Fertigungssteuerung?
- Konfiguration der PPS
- Produktionsqualität
- Dynamische Kameraverfolgung von Regions of Interest in der Produktion mit Flugrobotern
- Produktkennzeichnung
- Organisation und Koordination industriellen Kennzeichnens
- Prozessoptimierung
- Prozessoptimierung mithilfe der Prozess-Atlas-Systematik
- Nachhaltige Datennutzung im Handwerk
- Prozessoptimierung durch Flittergratvermeidung
- Receptance Coupling
- Modellierung der dynamischen Werkzeugnachgiebigkeit mithilfe der Receptance-Coupling-Analyse
- Digitale Technologien
- Technologiekombinationen zur Identifikation und Lokalisierung in der Produktion
- Nachhaltigkeit
- Digitaler Schatten zur nachhaltigen Konfiguration von Losgrößen
- Adieu Wegwerfwirtschaft – Nachhaltige Produktkreisläufe in der Cloud organisieren
- Künstliche Intelligenz
- Vertrauen und Akzeptanz bei KI-basierten, industriellen Arbeitssystemen
- Data Mining
- Datengetriebene Werkzeugeingriffsdetektion für Fräsprozesse
- Virtuelles Lernen
- Virtuelle Lernszenarien für die manuelle Montage
- Vorschau
- Vorschau
