Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion

Research output: Contribution to conference › Paper › Research

Authors

  • Johannes Zumsande
  • Karl-Philipp Kortmann
  • Mark Wielitzka
  • Christian Hansen
  • Tobias Ortmaier

Research Organisations

View graph of relations

Details

Original languageGerman
Pages255-260
Publication statusPublished - 2019
EventFachtagung Mechatronik - Universität Paderborn, Paderborn, Germany
Duration: 27 Mar 2019 → 28 Mar 2019

Workshop

WorkshopFachtagung Mechatronik
Country/TerritoryGermany
CityPaderborn
Period27 Mar 2019 → 28 Mar 2019

Abstract

In the cause of increasing automation, modern production systems are highly tuneable. Simultaneously, todays globalizedmarket requires an optimal, flexible and individual production planning, which further complicates the parametrization ofa production process. At the same time new possibilities of facing those challenges arise. In the context of a Smart Factory,a comprehensive and well-organized database provides the knowledge to respond dynamically to new environmentalconditions and tune the process with respect to concurrent gains (e. g. cycle time and plant peak power of the plant).We propose a multi-criteria process optimization based on a digital twin of a production plant. It has been applied to andevaluated on a model factory, which is used for research studies, by means of three demonstrating scenarios: Optimizingenergy consumption within fastest cycle time, limit peak power and reduce wear of a robot.

Cite this

Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion. / Zumsande, Johannes; Kortmann, Karl-Philipp; Wielitzka, Mark et al.
2019. 255-260 Paper presented at Fachtagung Mechatronik, Paderborn, North Rhine-Westphalia, Germany.

Research output: Contribution to conference › Paper › Research

Zumsande, J, Kortmann, K-P, Wielitzka, M, Hansen, C & Ortmaier, T 2019, 'Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion', Paper presented at Fachtagung Mechatronik, Paderborn, Germany, 27 Mar 2019 - 28 Mar 2019 pp. 255-260. https://doi.org/10.17619/UNIPB/1-785
Zumsande, J., Kortmann, K.-P., Wielitzka, M., Hansen, C., & Ortmaier, T. (2019). Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion. 255-260. Paper presented at Fachtagung Mechatronik, Paderborn, North Rhine-Westphalia, Germany. https://doi.org/10.17619/UNIPB/1-785
Zumsande J, Kortmann KP, Wielitzka M, Hansen C, Ortmaier T. Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion. 2019. Paper presented at Fachtagung Mechatronik, Paderborn, North Rhine-Westphalia, Germany. doi: 10.17619/UNIPB/1-785
Zumsande, Johannes ; Kortmann, Karl-Philipp ; Wielitzka, Mark et al. / Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion. Paper presented at Fachtagung Mechatronik, Paderborn, North Rhine-Westphalia, Germany.
Download
@conference{ecd9daa20c3b4c1999f8ee777379258d,
title = "Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion",
abstract = "Moderne Produktionsanlagen weisen im Zuge der fortschreitenden Automatisierung eine erh{\"o}hte Parametrierbarkeit auf.Gleichzeitig w{\"a}chst im Spannungsfeld der globalisierten Marktwirtschaft der Bedarf nach optimaler, flexibler und individuellerFertigungsplanung und -ausf{\"u}hrung, was die Parametrierung eines Produktionsprozesses zus{\"a}tzlich erschwert.Dem gegen{\"u}ber stehen jedoch auch neue M{\"o}glichkeiten diesen Herausforderungen zu begegnen. Eine umfassende undstrukturierte Datenbasis im Sinne der Industrie 4.0 erm{\"o}glicht es, dynamisch auf neue Umgebungsbedingungen zu reagierenund die Produktion bez{\"u}glich teils kontr{\"a}rer Ziele (z. B. Taktzeit und Leistungsspitze der Anlage) optimal einzustellen.Im Rahmen dieser Arbeit wurde eine mehrkriterielle Prozessoptimierung, die auf einem gemessenen und physikalischmodellierten Prozessabbild basierte, an einer zu Forschungszwecken zur Verf{\"u}gung stehenden Modellfabrik entworfen.Zur Validierung dienten die folgenden drei Szenarien: Optimierung des Energieverbrauchs bei minimaler Taktzeit, Begrenzungder Anlagenleistungsspitze und die Reduktion der mechanischen Belastung eines Roboters.",
author = "Johannes Zumsande and Karl-Philipp Kortmann and Mark Wielitzka and Christian Hansen and Tobias Ortmaier",
year = "2019",
doi = "10.17619/UNIPB/1-785",
language = "Deutsch",
pages = "255--260",
note = "Fachtagung Mechatronik ; Conference date: 27-03-2019 Through 28-03-2019",

}

Download

TY - CONF

T1 - Mehrkriterielle Prozessoptimierung in der digitalisierten Produktion

AU - Zumsande, Johannes

AU - Kortmann, Karl-Philipp

AU - Wielitzka, Mark

AU - Hansen, Christian

AU - Ortmaier, Tobias

PY - 2019

Y1 - 2019

N2 - Moderne Produktionsanlagen weisen im Zuge der fortschreitenden Automatisierung eine erhöhte Parametrierbarkeit auf.Gleichzeitig wächst im Spannungsfeld der globalisierten Marktwirtschaft der Bedarf nach optimaler, flexibler und individuellerFertigungsplanung und -ausführung, was die Parametrierung eines Produktionsprozesses zusätzlich erschwert.Dem gegenüber stehen jedoch auch neue Möglichkeiten diesen Herausforderungen zu begegnen. Eine umfassende undstrukturierte Datenbasis im Sinne der Industrie 4.0 ermöglicht es, dynamisch auf neue Umgebungsbedingungen zu reagierenund die Produktion bezüglich teils konträrer Ziele (z. B. Taktzeit und Leistungsspitze der Anlage) optimal einzustellen.Im Rahmen dieser Arbeit wurde eine mehrkriterielle Prozessoptimierung, die auf einem gemessenen und physikalischmodellierten Prozessabbild basierte, an einer zu Forschungszwecken zur Verfügung stehenden Modellfabrik entworfen.Zur Validierung dienten die folgenden drei Szenarien: Optimierung des Energieverbrauchs bei minimaler Taktzeit, Begrenzungder Anlagenleistungsspitze und die Reduktion der mechanischen Belastung eines Roboters.

AB - Moderne Produktionsanlagen weisen im Zuge der fortschreitenden Automatisierung eine erhöhte Parametrierbarkeit auf.Gleichzeitig wächst im Spannungsfeld der globalisierten Marktwirtschaft der Bedarf nach optimaler, flexibler und individuellerFertigungsplanung und -ausführung, was die Parametrierung eines Produktionsprozesses zusätzlich erschwert.Dem gegenüber stehen jedoch auch neue Möglichkeiten diesen Herausforderungen zu begegnen. Eine umfassende undstrukturierte Datenbasis im Sinne der Industrie 4.0 ermöglicht es, dynamisch auf neue Umgebungsbedingungen zu reagierenund die Produktion bezüglich teils konträrer Ziele (z. B. Taktzeit und Leistungsspitze der Anlage) optimal einzustellen.Im Rahmen dieser Arbeit wurde eine mehrkriterielle Prozessoptimierung, die auf einem gemessenen und physikalischmodellierten Prozessabbild basierte, an einer zu Forschungszwecken zur Verfügung stehenden Modellfabrik entworfen.Zur Validierung dienten die folgenden drei Szenarien: Optimierung des Energieverbrauchs bei minimaler Taktzeit, Begrenzungder Anlagenleistungsspitze und die Reduktion der mechanischen Belastung eines Roboters.

U2 - 10.17619/UNIPB/1-785

DO - 10.17619/UNIPB/1-785

M3 - Paper

SP - 255

EP - 260

T2 - Fachtagung Mechatronik

Y2 - 27 March 2019 through 28 March 2019

ER -