1 Abstract Under the context of Industrie 4.0 (I4.0), future production systems provide balanced operations between manufacturing flexibility and efficiency, realized in an autonomous, horizontal, and decentralized item-level production control framework. Structured interoperability via precise formulations on an appropriate degree is crucial to achieve engineering efficiency in the system life cycle. However, selecting the degree of formalization can be challenging, as it crucially depends on the desired common understanding (semantic degree) between multiple parties. In this paper, we categorize different semantic degrees and map a set of technologies in industrial automation to their associated degrees. Furthermore, we created guidelines to assist engineers selecting appropriate semantic degrees in their design. We applied these guidelines on publically available scenarios to examine the validity of the approach, and identified semantic elements over internally developed use cases targeting semantically-enabled plug-and-produce.I.
Das Forschungsthema Automatisierung der Automatisierung (AoA) gibt es im akademischen Umfeld über ein Jahrzehnt. Entstanden sind Methoden zum automatischen Erzeugen von Planungsartefakten, die nachweislich funktionieren und einen Mehrwert für die Automatisierungstechnik bringen. Um AoA zu nutzen, wird ein Modell der Anlagentopologie benötigt. AutomationML hat sich dafür bereits bewährt, allerdings führen die Freiheiten, die AutomationML erlaubt, oft zu Anlagenmodellen, die nur schwer durch Softwarealgorithmen auswertbar sind. Dieser Beitrag zeigt ein Vorgehen zur Modellierung, basierend auf AutomationML, das zu Anlagenmodellen führt, die sich sehr effizient in Software abbilden lassen. Eine 1:1-Abbildung des AutomationML-Modells in Microsoft .NET ist damit möglich.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.