Volume 67, Issue 6 - Special Issue: CASE 2018 – IEEE International Conference on Automation Science and Engineering/Birgit Vogel-Heuser, Alexander Fay, Georg Frey

Zusammenfassung Modellbasierte Systementwicklung hat bereits Anwendung in der industriellen Entwicklung einer Vielzahl technischer Systeme gefunden. Die Verwendung verschiedener Modelle, z. B. für mechanische, elektrotechnische und automatisierungstechnische Systemaspekte sowie deren Varianten und Versionen unterstützt interdisziplinäre Innovationen, führt jedoch zu vielen Herausforderungen. Eine davon ist die heterogene Modelllandschaft, die insbesondere von überlappenden, teilweise redundant modellierten Informationen geprägt ist. Zudem unterliegen Entwicklungs-, Produktions- und Serviceprozesse ständig internen sowie auch externen Entwicklungszyklen. Zur Bewältigung dieser Herausforderungen können verschiedene Methoden und Techniken eingesetzt werden. In diesem Beitrag werden einige dieser Ansätze hinsichtlich ihrer Vorteile und Grenzen untersucht, und zwar das Konsistenz- bzw. Inkonsistenzmanagement von gekoppelten Modellen im Engineering, das disziplin-übergreifende Management des Engineering-Workflows sowie die Bedeutung von Smart Data Ansätzen bzw. modellbasiertem Wissen.

Zusammenfassung Eine Schwäche vieler linearer Optimierungsansätze für die Produktionsplanung besteht darin, dass sie nicht in der Lage sind, den nichtlinearen Zusammenhang zwischen Umlaufbestand und Durchlaufzeit korrekt abzubilden. Der Umlaufbestand wird dabei durch die auf Bearbeitung wartenden bzw. sich in Bearbeitung befindlichen Jobs gebildet. Nichtlineare Auslastungsfunktionen modellieren diesen Zusammenhang und haben sich als vielversprechend für die Entwicklung effektiver Formulierungen erwiesen. Die Verwendung von Auslastungsfunktionen führt aber zu viel größeren Modellen als für konventionelle Produktionsplanungsformulierungen mit festen Durchlaufzeiten. Außerdem ist erheblicher Aufwand erforderlich, um die Auslastungsfunktionen zu ermitteln. Dieser Artikel untersucht die Leistungsfähigkeit von reduzierten Modellen, bei denen lediglich eine Teilmenge der potentiell kritischen Maschinengruppen durch Auslastungsfunktionen repräsentiert wird, in Bezug auf Kosten und Gewinn. Simulationsexperimente für ein Modell einer großen Halbleiterfabrik zeigen, dass sogar dann reduzierte Modelle wesentlich weniger leistungsfähig sind als Modelle, in denen für alle Maschinengruppen Auslastungsfunktionen verwendet werden, wenn 75 % des Umlaufbestands an Maschinengruppen mit Auslastungsfunktionen anfallen. Diese Ergebnisse belegen, dass die Interaktionen zwischen den Maschinengruppen komplex sind und Modelle, die nur eine eingeschränkte Anzahl von Auslastungsfunktionen verwenden, zu einer falschen Einschätzung der Leistungsfähigkeit des Produktionssystems führen können. Das beobachtete Verhalten wird durch Analyse der Dualvariablen, die zu den Maschinengruppen gehören, erklärt.

Zusammenfassung Für Aufgaben wie dem Reinigen von Außenanlagen oder Rasenmähen benötigen mobile Roboter effiziente Algorithmen zur Lösung des Coverage Path Planning (CPP) Problems. Da stetig variierende Umgebungsbedingungen auf CPP-Probleme mit hoher Komplexität führen, wird häufig auf echtzeitfähige heuristische Ansätze mit Vorgaben an die maximale Rechenzeit ausgewichen. Darüber hinaus ist ein möglichst energieeffizienter Pfad erstrebenswert, da die Batteriekapazität von mobilen Robotern begrenzt ist. Diese Veröffentlichung stellt zwei CPP-Algorithmen vor, die den Energieverbrauch eines mobilen Roboters mit und ohne Kenntnis der Umgebung berücksichtigen. Der Energieverbrauch, die benötigte Fahrtzeit, die Pfadlänge und die Rechenzeit der vorgestellten Algorithmen werden simulativ mit zwei existierenden Methoden verglichen.

Zusammenfassung An moderne Cyber-Physische Produktionssysteme werden hohe Anforderungen hinsichtlich Flexibilität und Effizienz gestellt. Flexibilität wird zum Teil bereits durch moderne Steuerungssoftware unterstützt, wobei die initialen Steuerungsparameter bisher typischerweise ad-hoc festgelegt werden. Dieser Beitrag stellt einen Ansatz zur Optimierung der initialen Steuerungsparameter vor, der mehrere Simulationsmodelle verschiedener Genauigkeit mittels ordinaler Transformation kombiniert. Die Anwendbarkeit des Ansatzes wird anhand eines Labordemonstrators für Produktionssysteme gezeigt.

Zusammenfassung Eine Systemarchitektur sollte die entsprechenden Funktionen, Dienste und Einschränkungen des Systems unter verschiedenen und verständlichen Beschreibungen darstellen. In dieser Arbeit werden Strategien für Architekturentwurfe vorgestellt und für Echtzeit- und Eingebettete Systeme (RTES) analysiert. In diesem Artikel präsentieren wir ein praktisches Entwurfsmodell einer Architektur für Automobilsysteme anhand von sogenannten Entwurfs-Sichtweisen. Modelle werden in den operativen, funktionalen, logischen und technischen Sichtweisen eines Systems betrachtet und können bei frühen Entwurfsbeschreibungen mehrere funktionale und nicht funktionale Eigenschaften von RTES darstellen. Der vorgeschlagene Ansatz wird in einer industriellen Fallstudie im Automobilbereich evaluiert. Zusätzlich zur Definition der Sichtweisen stellt diese Untersuchung einen spezifischen Rahmen für die RTES-Entwicklung vor. Diese Strategie des Entwurfs kann die Eigenschaften der RTES hervorheben und das System auf verschiedenen Abstraktionsebenen beschreiben. Darüber hinaus wird durch Experteninterviews aus den jeweiligen Systementwurfsdomänen eine Qualitative Bewertung vorgenommen, um zu analysieren, ob die Modelle der entsprechenden Sichtweisen das erwartete und gewünschte Systemverhalten repräsentieren.

Knowledge Bases (KBs) enable engineers to capture knowledge in a formalized way. This formalization allows us to combine knowledge, thus creating the basis for smart factories while also supporting product and production system design. Building comprehensive and reusable KBs is still a challenge, though, especially for knowledge-intensive domains like engineering and production. To cope with the sheer amount of knowledge, engineers should reuse existing KBs. This paper presents a comprehensive overview of domain-specific KBs for production and engineering, as well as generic top-level ontologies. The application of such top-level ontologies offers new insights by integrating knowledge from various domains, stakeholders, and companies. To bridge the gap between top-level ontologies and existing domain KBs, we introduce an Intermediate Engineering Ontology (IEO).