Kopplung von MBSE und Verhaltenssimulation für die Auswertung von Fabrikkonzepten

Anwendungsfall

Die Methodik soll für einen beispielhaften Anwendungsfall der Auslegung einer Flugzeugmontagelinie vorgestellt werden. Die Prozesse innerhalb der Montagelinie orientieren sich an aktuellen Ausrüstungs- und Kabinenmontagen. Der Startpunkt ist dabei der leere Flugzeugrumpf, in den Fußbodenstruktur, Fußbodenplatten, Isolierung, Belüftungssysteme, Gepäckablagen, Seitenverkleidungen, Deckenverkleidungen und Sitze eingebaut werden. Es wurde angenommen, dass die Gepäckablagen zusammen mit

Systemkomponenten auf einem Großmodul vormontiert werden können [23]. Diese Annahme erlaubt es eine Vormontage in die Modellierung zu integrieren, um einen komplexeren Anwendungsfall zu betrachten. Um die Modellierung nicht auf ein spezifisches Flugzeug zu beschränken, wurde die Anzahl der Bauteile in Abhängigkeit der Kabinenspante parametrisiert. Dabei wurde ein Schmalrumpfflugzeug angenommen. So lautet zum Beispiel die Formel für die Anzahl Fußbodenplatten n_FP:

Dabei ist n_SP die aus dem Flugzeugentwurf vorgegebene Anzahl an Kabinenspanten. (n_SP – 1) berechnet die vorliegende Anzahl der Felder zwischen zwei Spanten, auch Spantfelder genannt. Für ein Schmalrumpfflugzeug wurde vereinfacht angenommen, dass eine Fußbodenplatte drei Spantfelder lang ist und sieben Fußbodenplatten in der Breite Platz finden.

Implementierung

Für die SysML-Modellierung ist die Software Cameo Systems Modeler (CSM) von Dassault Systems gewählt worden [21]. CSM ist in der Industrie weit verbreitet und erlaubt die mathematische Modellierung und Simulation von Modellen mithilfe der Cameo Simulation Toolkit Erweiterung [22]. Um die industriellen Stakeholder zu simulieren, fanden für den Anwendungsfall interne Workshops statt, die das Ziel hatten, Anforderungen aus der Sicht verschiedener Stakeholder zu sammeln. Die Sammlung an Anforderungen wurde priorisiert und innerhalb von CSM modelliert. Der RFLP-Methodik folgend wurden daraus Funktionen abgeleitet, die die Montagelinie erfüllen soll. Die Wahl von logischen Gruppierungen aus den Funktionen ermöglicht viele Permutationen und Ansätze und hat große Auswirkungen auf die physische Lösung. Um möglichst diverse Vorschläge in Betracht zu ziehen, wurden hier wieder Workshops durchgeführt, die in mehreren Konzepten resultierten. Basierend auf der Erfüllung der Anforderungen wurde ein Montagelinienkonzept gewählt und in CSM modelliert. Die vereinfachte, logische Sicht des Konzeptes innerhalb von SysML ist in Bild 2 dargestellt: Hierbei entsprechen die mittig horizontal angeordneten blauen Blöcke den Hauptstationen und die außen angeordneten grünen Blöcke Bereitstellungsflächen für die Stationen, in die jeweils auch eine Vormontage integriert wurde. Die Verbindungen modellieren den Materialfluss zwischen den Stationen und auch zur übergeordneten Fabrik. Für dieses Konzept wurde die physische Sicht durch die mathematische Modellierung des Systemverhaltens umgesetzt. Dafür wurde jeder Prozess einer Ressource zugewiesen und eine ressourcenabhängige Prozesszeit angenommen. Basierend auf diesen Inputs können dann Kennzahlen pro Prozess ermittelt werden. Hierbei wurde sich auf Zeit in Stunden, Energieverbrauch in kWh, Kosten in Cent und CO₂-Emissionen in Gramm CO₂ beschränkt. Deren vereinfachte mathematische Formulierung lautet:

Bild 2

Logische Sicht des gewählten Montagelinienkonzeptes für das Anwendungsbeispiel, modelliert mit Cameo Systems Modeler

Dabei handelt es sich bei den Prozesszeiten t(Ressource)_Prozess, der Nennleistung Ressource_Nennleistung und dem Emissionsfaktor EF(Ressource) um ressourcenabhängige Kennzahlen. Der Ausdruck n_Produkte beschreibt die Anzahl der herzustellenden Produkte für den aktuellen Prozess, während n_Ressourcen die Anzahl der Ressourcen darstellt, die dem Prozess zugewiesen wurden. Der Emissionsfaktor ergibt sich aus dem deutschen Strommix (400 g/kWh), die Energiekosten aus einer konservativen Annahme für Industriebetriebe (20 ct/kWh).

Ergebnisse

Die Simulation des Montagelinienkonzeptes ergibt Kennzahlenwerte, die auf Gesamtlinienebene bis zur Rückverfolgung zum einzelnen Prozess ausgegeben werden können. Diese Rückverfolgbarkeit unterstützt die Entwicklung von Linienvarianten. Dies ist in Bild 3 für exemplarische Eingangsparameter zu sehen: Links wurden die Prozesse auf vier Hauptstationen verteilt. Hierbei ist deutlich, dass Station B die längste Zeit benötigt und sich negativ auf die Taktzeit auswirken wird. Durch die Rückverfolgung der Stationsdauer auf die enthaltenen Prozesse kann eine Montagelinienvariante abgeleitet werden in der Station B auf die zwei Stationen B1 und B2 verteilt wird. Diese Variante kann in SysML umgesetzt und bewertet werden, um virtuell zu validieren, dass sowohl die Taktzeit als auch die Auslastung der Stationen durch das neue Konzept verbessert wird.

Bild 3

Vergleich der Prozesszeit pro Station für zwei Montagelinienkonzeptvarianten

CSM erlaubt die Visualisierung des dynamischen Systemverhaltens durch die Programmierung einer grafischen Benutzeroberfläche (GUI). So kann mithilfe einer passenden GUI während der Simulation zum Beispiel mitverfolgt werden, wann eine Station ruht, weil sie auf eine andere warten muss. Bild 4 zeigt eine beispielhafte GUI für den vorliegenden Anwendungsfall. Hierbei werden pro Station und auf Gesamtlevel der Energieverbrauch geplottet, sämtliche industriellen Kennzahlen ausgegeben und durch Ampeln visualisiert, ob die Station gerade arbeitet.

Bild 4

Visualisierung der Kennzahlen während der Simulation durch eine GUI innerhalb von Cameo Systems Modeler

Erfüllung der Anforderungen an die Methodik

Durch die strukturierte Vorgehensweise nach der RFLP-Methodik ergibt sich die schrittweise Ableitung eines Fabrikkonzeptes innerhalb des Systemmodells, verknüpft mit den industriellen Anforderungen. Damit ist Anforderung A1 erfüllt. Die mathematische Modellierung des Systemverhaltens, besonders im Hinblick auf die industriellen Kennzahlen Zeit, Energie, Kosten und CO₂- Emissionen ist innerhalb von CSM realisiert worden. Basierend darauf konnte mithilfe von CSM und des Cameo Simulation Toolkits das Systemverhalten als eine DES modelliert, simuliert und visualisiert werden. Dies erfüllt die Anforderungen A2, A3 und A4. Damit zeigen die Ergebnisse, dass die Methodik in der Lage ist, die gestellten Anforderungen umzusetzen.

Diskussion

Die vorgestellte Methodik zeigt, dass sich industrielle Kennzahlen bereits in frühen, abstrakten Konzeptphasen abschätzen lassen. Auch wenn eine direkte Validierung mit industriellen Daten derzeit noch aussteht, so sind die Ergebnisse konsistent mit etablierten Ansätzen aus der Literatur. So wurde die frühe Konzeptunterstützung mithilfe von RFLP auch durch Li et al. [9] untersucht und als vielversprechend eingestuft. Ebenfalls stellten Li et al. [16] den Nutzen von RFLP für die Prozessplanung in einer Endmontagelinie dar. Batarseh et al. [11] zeigten bereits den Vorteil der Verknüpfung von SysML mit DES-Ansätzen für ein elektrisches System und Brovkina et al. [4] zeigten den Vorteil eines MBSE-basierten Ansatzes zur automatisierten Verknüpfung von Produktionsplanung mit virtueller Validierung. Damit kann die Methodik als plausibles Explorationswerkzeug bewertet werden, das den Variantenraum strukturiert erschließt und eine belastbare Grundlage für nachgelagerte Validierungen bietet. Ein zentraler Mehrwert der Methodik liegt dabei in der strukturierten Modellierung von Anforderungen bis hin zu physischen Lösungen. Damit kann nicht nur die Kommunikation zwischen unterschiedlichen Stakeholdern verbessert werden, sondern auch die Herleitung und frühe Bewertung von Konzeptvarianten durchgängig gestaltet werden. Die Integration mathematischer Modellierung und DES innerhalb des Systemmodells ermöglicht es, sowohl analytische Kennzahlen als auch dynamisches Verhalten abzubilden. Dies erlaubt die flexible Kombination beider Ansätze je nach gewünschtem Detaillierungsgrad und unterstützt so die Entscheidungsfindung. Gleichzeitig sind einige Einschränkungen und Herausforderungen neben der Validierung durch industrielle Daten zu berücksichtigen. Zum einen erfordert die Erstellung eines detaillierten MBSE-Modells einen initialen zeitlichen Modellierungsaufwand, der mit der Komplexität des Systems skaliert. Hier gilt es, die Modellierung so weit wie möglich zu standardisieren oder zu automatisieren. Zum anderen wurde die Ressourcenallokation zu Prozessen manuell durchgeführt, obwohl es sich dabei um ein Optimierungsproblem handelt. Hier gilt es, die notwendige Fidelität der Methodik kritisch gegen den nötigen Rechenaufwand abzuwägen.