Energieoptimierte Produktionsplanung
-
Jannis Eckhoff
Jannis Eckhoff, M. Sc., geb. 1993, ist seit 2022 Wissenschaftlicher Mitarbeiter am Laboratorium Fertigungstechnik der Helmut-Schmidt-Universität und arbeitet an energetischen Simulationsmodellen und Optimierungen für Produktionstechnologien. Er studierte Mechatronik, sowie Business Management and Engineering in Hamburg.
,
Vincent Adomat
Vincent Adomat, M. Sc., geb. 1994, ist seit 2020 Wissenschaftlicher Mitarbeiter am Laboratorium Fertigungstechnik der Helmut-Schmidt-Universität und studierte Ingenieurwissenschaften und Betriebswirtschaftslehre in München, Lüneburg, Hamburg und Singapur. Er arbeitet im Rahmen eines BMVg Projekts an einer energiepreisoptimierten Produktionsplanung für die Faserverbundverarbeitung.
Marc Fette, M. Sc., MBA, geb. 1985, ist Chief Executive Officer (CEO) des Composite Technology Centers / CTC GmbH von AIRBUS in Stade. Derzeit ist er nebenberuflich Gruppenleiter für „Additive Fertigung & Leichtbau“ am Laboratorium Fertigungstechnik der Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg und Vorsitzender des VDI-Fachbeirats Luft- und Raumfahrttechnik. Er war luftfahrzeugtechnischer Offizier in der Bundeswehr und ist derzeit Offizier der Reserve im Dienstgrad Major. Zudem studierte er Maschinenbau an der Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg und General Management im Rahmen eines internationalen MBA-Programms an der Professional School of Business & Technology der Hochschule Kempten sowie an der Graduate School of Business der University of Cape Town (UCT).
Abstract
Faserverbundwerkstoffe sind ein wesentlicher Bestandteil der modernen Luftfahrtindustrie und einer der wichtigsten Treiber eines ressourceneffizienten Betriebs. Die energieoptimierte Verarbeitung von Kohlenstofffasern gewinnt dabei zunehmend an Bedeutung. Dieser Beitrag stellt aktuelle Bestrebungen zur Optimierung des Energieeinsatzes industrieller Faserverbundverarbeitung dar. Erneuerbare Energie bietet ein hohes Potenzial bei der Optimierung der Produktion, deren Grundlage die detaillierte Kenntnis der Energieintensität ist. Digitalisierung liefert die Erkenntnisse für eine solche Optimierung.
Abstract
Fiber composites are an essential part of the modern aviation industry and one of the most important drivers of resource-efficient operations. Energyoptimized processing of carbon fibers is becoming increasingly important. This article presents current efforts to optimize the energy use of industrial fiber composite processing. Renewable energy offers high potential in production optimization, the basis of which is detailed knowledge of energy intensity. Digitalization provides the insights for such optimization.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Jannis Eckhoff, M. Sc., geb. 1993, ist seit 2022 Wissenschaftlicher Mitarbeiter am Laboratorium Fertigungstechnik der Helmut-Schmidt-Universität und arbeitet an energetischen Simulationsmodellen und Optimierungen für Produktionstechnologien. Er studierte Mechatronik, sowie Business Management and Engineering in Hamburg.
Vincent Adomat, M. Sc., geb. 1994, ist seit 2020 Wissenschaftlicher Mitarbeiter am Laboratorium Fertigungstechnik der Helmut-Schmidt-Universität und studierte Ingenieurwissenschaften und Betriebswirtschaftslehre in München, Lüneburg, Hamburg und Singapur. Er arbeitet im Rahmen eines BMVg Projekts an einer energiepreisoptimierten Produktionsplanung für die Faserverbundverarbeitung.
Marc Fette, M. Sc., MBA, geb. 1985, ist Chief Executive Officer (CEO) des Composite Technology Centers / CTC GmbH von AIRBUS in Stade. Derzeit ist er nebenberuflich Gruppenleiter für „Additive Fertigung & Leichtbau“ am Laboratorium Fertigungstechnik der Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg und Vorsitzender des VDI-Fachbeirats Luft- und Raumfahrttechnik. Er war luftfahrzeugtechnischer Offizier in der Bundeswehr und ist derzeit Offizier der Reserve im Dienstgrad Major. Zudem studierte er Maschinenbau an der Helmut-Schmidt-Universität / Universität der Bundeswehr Hamburg und General Management im Rahmen eines internationalen MBA-Programms an der Professional School of Business & Technology der Hochschule Kempten sowie an der Graduate School of Business der University of Cape Town (UCT).
Literatur
1 Bundesministerium für Wirtschaft und Klimaschutz: Klimaabkommen von Paris. Online unter https://www.bmz.de/de/service/lexikon/klimaabkommen-vonparis-14602 [Abruf am 31.12.2022]Search in Google Scholar
2 Europäisches Parlament: Reduzierung der Emissionen im Luft- und Schiffsverkehr: EU-Maßnahmen erklärt. Online unter https://www.europarl.europa.eu/news/de/headlines/society/20220610STO32720/reduzierung-der-emissionen-im-luft-undschiffsverkehr-eu-massnahmen-erklart [Abruf am 05.01.2023]Search in Google Scholar
3 Walz, R.; Ostertag, K.; Doll, C.; Eichhammer, W.; Frietsch, R.; Helfrich, N.; Marscheider Weidemann, F.; Sartorius, C.; Fichter, K.; Beucker, S.; Schug, H.; Eickenbusch, H.; Zweck, A.; Grimm, V.; Luther, W.: Innovationsdynamik und Wettbewerbsfähigkeit Deutschlands in grünen Zukunftsmärkten. Reihe Umwelt, Innovation, Beschäftigung des BMU (Nr. 03), Berlin 2008, S. 47Search in Google Scholar
4 Neugebauer, R.: Handbuch Ressourcenorientierte Produktion. Carl Hanser Verlag, München, Wien 2014, S. 44–46 DOI:10.3139/9783446436237.fm10.3139/9783446436237.fmSearch in Google Scholar
5 Graham, R. L.; Lawler, E. L.; Lenstra, J. K.; Kan, A. H. G. R.: Optimization and Approximation in Deterministic Sequencing and Scheduling: A Survey. Annals of Discrete Mathematics 5 (1979), S. 287–326 DOI:10.1016/S0167-5060(08)70356-X10.1016/S0167-5060(08)70356-XSearch in Google Scholar
6 Lawler, E. L.; Lenstra, J. K.; Rinnooy Kan, A. H. G.; Shmoys, D. B.: „Chapter 9 Sequencing and Scheduling: Algorithms and Complexity. In: Handbooks in Operations Research and Management Science (Bd. 4). Elsevier, Amsterdam 1993, S. 445–522 DOI:10.1016/S0927-0507(05)80189-610.1016/S0927-0507(05)80189-6Search in Google Scholar
7 Shrouf, F.; Ordieres-Meré, J.; García-Sánchez, A.; Ortega-Mier, M.: Optimizing the Production Scheduling of a Single Machine to Minimize Total Energy Consumption Costs. Journal of Cleaner Production 67 (2014), S. 197207 DOI:10.1016/j.jclepro.2013.12.02410.1016/j.jclepro.2013.12.024Search in Google Scholar
8 Wang, S.; Liu, M.; Chu, F.; Chu, C.: Bi-objective Optimization of a Single Machine Batch Scheduling Problem with Energy Cost Consideration. Journal of Cleaner Production 137 (2016), S. 1205–1215 DOI:10.1016/j.jclepro.2016.07.20610.1016/j.jclepro.2016.07.206Search in Google Scholar
9 Wang, S.; Zhu, Z.; Fang, K.; Chu, F.; Chu, C.: Scheduling on a Two-machine Permutation Flow Shop under Timeof-use Electricity Tariffs. International Journal of Production Research 56 (2018) 9, S. 3173–3187 DOI:10.1080/00207543.2017.140123610.1080/00207543.2017.1401236Search in Google Scholar
10 Ho, M. H.; Hnaien, F.; Dugardin, F.: Electricity Cost Minimisation for Optimal Makespan Solution in Flow Shop Scheduling under Time-of-UseTariffs. International Journal of Production Research 59 (2021) 4, S. 1041–1067 DOI:10.1080/00207543.2020.171550410.1080/00207543.2020.1715504Search in Google Scholar
11 Rocholl, J.; Mönch, L.; Fowler, J.: Bi-criteria Parallel Batch Machine Scheduling to Minimize Total Weighted Tardiness and Electricity Cost. Journal of Economics and Business 90 (2020) 9, S. 1345–1381 DOI:10.1007/s11573-020-00970-610.1007/s11573-020-00970-6Search in Google Scholar
12 Zhang, H.; Wu, Y.; Pan, R.; Xu, G.: Two-stage Parallel Speed-scaling Machine Scheduling under Time-of-Use Tariffs. Journal of Intelligent Manufacturing 32 (2021) 1, S. 91–112 DOI:10.1007/s10845-020-01561-610.1007/s10845-020-01561-6Search in Google Scholar
13 Kurniawan, B.; Gozali, A. A.; Weng, W.; Fujimura, S.: A Genetic Algorithm for Unrelated Parallel Machine Scheduling Minimizing Makespan Cost and Electricity Cost under Time-of-Use (TOU) Tariffs with Job Delay Mechanism. In: Proceedings of the IEEE International Conference on Industrial Engineering and Engineering Management (IEEM) 2017, S. 583–587 DOI:10.1109/IEEM.2017.828995810.1109/IEEM.2017.8289958Search in Google Scholar
14 Moon, J.-Y.; Shin, K.; Park, J.: Optimization of Production Scheduling with Time-dependent and Machinedependent Electricity Cost for Industrial Energy Efficiency. The International Journal of Advanced Manufacturing Technology 68 (2013) 1, S. 523–535 DOI:10.1007/s00170-013-4749-810.1007/s00170-013-4749-8Search in Google Scholar
15 Saberi-Aliabad, H.; Reisi-Nafchi, M.; Moslehi, G.: Energy-efficient Scheduling in an Unrelated Parallelmachine Environment under Time-of-Use Electricity Tariffs. Journal of Cleaner Production 249 (2020), S. 119–393 DOI:10.1016/j.jclepro.2019.11939310.1016/j.jclepro.2019.119393Search in Google Scholar
16 Zhang, H.; Zhao, F.; Fang, K.; Sutherland, J. W.: Energy-conscious Flow Shop Scheduling under Time-of-Use Electricity Tariffs. CIRP Annals 63 (2014) 1, S. 37–40 DOI:10.1016/j.cirp.2014.03.01110.1016/j.cirp.2014.03.011Search in Google Scholar
17 Luo, H.; Du, B.; Huang, G. Q.; Chen, H.; Li, X.: Hybrid Flow Shop Scheduling Considering Machine Electricity Consumption Cost. International Journal of Production Economics 146 (2013) 2, S. 423–439 DOI:10.1016/j.ijpe.2013.01.02810.1016/j.ijpe.2013.01.028Search in Google Scholar
18 Zhang, M.; Yan, J.; Zhang, Y.; Yan, S.: Optimization for Energy-efficient Flexible Flow Shop Scheduling under Time of Use Electricity Tariffs. Procedia CIRP 80 (2019), S. 251–256 DOI:10.1016/j.procir.2019.01.06210.1016/j.procir.2019.01.062Search in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- 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
Articles in the same Issue
- 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
