Home Erfolgreiche Anlaufgestaltung mittels selbstlernender automatisierter Montagesysteme
Article
Licensed
Unlicensed Requires Authentication

Erfolgreiche Anlaufgestaltung mittels selbstlernender automatisierter Montagesysteme

  • Ralf Schönherr , Lukas Burseg and Maximilian Knaller
Published/Copyright: August 29, 2018

Kurzfassung

Regelmäßige Produktionsanläufe gehören heutzutage zur unabwendbaren Realität in der industriellen Praxis. Die erfolgreiche Anlaufgestaltung ist dabei von höchster Bedeutung für die Wettbewerbsfähigkeit und den wirtschaftlichen Erfolg produzierender Unternehmen. Die Implementierung selbstlernender Systemeigenschaften zur Fehlervermeidung in automatisierten Montagesystemen scheint hierfür ein vielversprechender Ansatz zu sein. Im vorliegenden Beitrag erfolgt die Vorstellung eines solchen Ansatzes zur selbstlernenden Fehlervermeidung automatisierter Montagesysteme.

Abstract

Frequent production ramp-ups have become an inevitable reality for manufacturing companies nowadays. Achieving the targeted ramp-up goals through a successful ramp-up management has become an increasingly important factor for the economic success of a company and to maintain the power to compete. Implementing self-learning capabilities to avoid errors in automated assembly systems appears to be a promising approach to achieve more successful ramp-ups. We therefore present here a method to design self-learning assembly systems during ramp-up.


Ralf Schönherr, M. Sc., geb. 1986, studierte Wirtschaftsingenieurwesen sowie Industrial and Systems Engineering am Karlsruhe Institut für Technologie, der University of Valencia Spain und dem Georgia Institute of Technology. Anschließend durchlief er das Global Leader Development Program der BMW Group. Ab 2014 war er Leiter Innovative Automation bei der BMW Group. Seit Mai 2018 ist er als technischer Programmleiter im Bereich Robotik bei X – the moonshot factory, ehemals Google X tätig.

Lukas Burseg, M. Sc., geb. 1992, studierte Mechatronik sowie Applied Research in Engineering Sciences an der Hochschule für angewandte Wissenschaften München. Seit 2017 beschäftigt er sich mit der Erforschung und Vorentwicklung neuartiger Robotertechnologien bei der BMW Group im Bereich Innovative Automation in München.

Maximilian Knaller, B. Sc., geb. 1994, studierte Elektrotechnik und Informationstechnik an der Technische Universität München. Seit 2017 ist er bei der BMW Group im Bereich Innovative Automation in München tätig.


Literatur

1. Abele, E.; Reinhart, G.: Zukunft der Produktion – Herausforderungen, Forschungsfelder, Chancen. Carl Hanser Verlag, München, Wien2011, S. 10 ff.10.3139/9783446428058Search in Google Scholar

2. Wibbe, C.; RohdeD.: Industrie 4.0 im automobilen Umfeld – Automobillogistik. Springer-Gabler-Verlag, Wiesbaden2017, S. 375210.1007/978-3-658-11103-8_3Search in Google Scholar

3. Bischoff, R.: Anlaufmanagement: Schnittstelle zwischen Projekt und Serie. Konstanzer Managementschriften, Band 2, Hochschule Konstanz, 2007, S. 28Search in Google Scholar

4. Wiendahl, H.-P.; Hegenscheidt, M.; Winkler, H.: Anlaufrobuste Produktionssysteme. wt Werkstattstechnik online92 (2002) 11/12, S. 65065510.37544/1436-4980-2002-11-12-650Search in Google Scholar

5. Winkler, H.; Heins, M.; Nyhuis, P.: A Controlling System Based on Cause-effect Relationships for the Ramp-up of Production Systems. Production Engineering1 (2007) 1, S. 103111Search in Google Scholar

6. Renner, T.; Dyckhoff, H.: Performance-Management im Produktionsanlauf. RWTH Aachen University Lehrstuhl für Unternehmenstheorie, insb. Nachhaltige Produktion und Industrielles Controlling, 2012, S. 6Search in Google Scholar

7. Straube, F.; Fitzek, D.: Herausforderungen und Erfolgsfaktoren im Anlaufmanagement der Automobilindustrie. Jahrbuch der Logistik 2005, S. 4447Search in Google Scholar

8. Meier, H.; Hormuth, M.: Holistic Ramp-up Management in SME-networks. In: Proceedings of the 39th International Seminar on Manufacturing Systems 2006, Ljubljana (Slowenien), S. 123128Search in Google Scholar

9. Basse, I.; Schmitt, S.; Gartzen, T.; Schmitt, R.: Solutions Principles for Managing Instabilities in Ramp-up. Procedia CIRP20 (2014), S. 939710.1016/j.procir.2014.03.154Search in Google Scholar

10. Ennen, P.; Reuter, S.; Vossen, R.; Jeschke, S.: Automated Production Ramp-up Through Self-Learning Systems. In: Proceedings of the 3rd ICRM International Conference on Ramp-up Management 2016, S. 576210.1016/j.procir.2016.05.094Search in Google Scholar

11. Brecher, C.; Kozielski, S.; Schapp, L.: Integrative Produktionstechnik für Hochlohnländer. Springer-Verlag, Berlin, Heidelberg2011, S.477010.1007/978-3-642-20693-1Search in Google Scholar

12. Schönher, R.; Knaller, M.; Philipp, M.: Self-learning Assembly Systems During Ramp-up. In: Proceedings ESANN 2018, S. 213218Search in Google Scholar

13. Mnih, V.; Kavukcuoglu, K.; Silver, D.; Graves, A.; Antonoglou, I.; Wierstra, D.; Riedmiller, M.: Playing Atari with Deep Reinforcement learning. arXiv preprint arXiv:1312.5602, 2013Search in Google Scholar

Online erschienen: 2018-08-29
Erschienen im Druck: 2018-08-20

© 2018, Carl Hanser Verlag, München

Downloaded on 4.11.2025 from https://www.degruyterbrill.com/document/doi/10.3139/104.111945/html
Scroll to top button