Zwischen Produktentwicklung und Produktionsplanung besteht seit vielen Jahren eine Digitalisierungslücke. Geeignete Softwarewerkzeuge zur Kosten- und Raumabschätzung in der Phase der Grobplanung roboterbasierter Fließmontagesysteme existieren nicht. Abhilfe schaffen Verfahren zum modellbasierten Engineering, die eine durchgängige und flexible Anlagenplanung ermöglichen. Ein dafür erforderliches Optimierungsverfahren und das ihm zu Grunde liegende Modell werden in diesem Beitrag vorgestellt.
A digitization gap has existed between product development and production planning for many years. There is a lack of suitable software tools to estimate the costs and space of robotic assembly line systems. This is remedied by methods of model-based engineering, which allow for consistent and flexible plant planning. The solution involves an optimization procedure developed for this purpose and its underlying model, which enable fast and reliable rough planning.
Kurzfassung
Bei der Planung von Produktionssystemen mussen zunächst mit möglichst geringem Zeit- und Kostenaufwand ein Grobentwurf des Systems erstellt und daraus ein Angebot für den Kunden abgeleitet werden. Dieser Beitrag beschreibt eine modellbasierte Vorgehensweise für die Grobplanung und ihre demonstrative Umsetzung, die eine Modellierung auf hohem Abstraktionsniveau erlaubt. Dadurch lassen sich der Modellierungsaufwand und mögliche Modellierungsfehler sowie der Dokumentationsaufwand erheblich reduzieren.
Obwohl Engineeringdaten bereits wesentliche Information, zum Beispiel zur Anlagentopologie, enthalten, werden die Benutzungsschnittstellen zur Bedienung und Beobachtung von Fertigungsanlagen im Wesentlichen zu einem späteren Zeitpunkt manuell neu entworfen und implementiert. Der Beitrag beschreibt eine modellbasierte Methode zur automatisierten Erzeugung von Benutzungsschnittstellen, die im Rahmen des Projektes Autoprobe entwickelt wird. Autoprobe untersucht, ob direkte Transformationen zwischen den Engineeringdaten und den Bedienoberflächen möglich und zielführend sind.
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.