Abstract
Aufgrund des zunehmenden Wettbewerbs und der Elektrifizierung in der Automobilindustrie werden zukünftig immer mehr Fahrzeugderivate und -varianten kostensensibel in bestehende Produktionslinien integriert. Gleichzeitig stehen die Produktionsplaner bei einer Fahrzeugintegration in den Karosserierohbau vor einer großen Herausforderung. Denn im Gegensatz zum ursprünglichen Planungsstand werden die automatisierten Produktionsanlagen nach dem Start der Produktion infolge von Verbesserungsprozessen kontinuierlich optimiert. Für eine realistische Integrationsplanung ist deshalb ein aktuelles, digitales Abbild der Produktionsanlage, auch Digitaler Zwilling genannt, wegweisend. Aufgrund der Vielzahl von Produktionseinrichtungen in Großunternehmen und des Wandels in der Produktion ist die Identifizierung von den aktuell vorhandenen Geräten eine Grundvoraussetzung, um einen Digitalen Zwilling erzeugen zu können. Hierfür werden zwei unterschiedliche Methoden zur Informationsbeschaffung und Identifizierung von aktuell vorhandenen Geräten in einem cyber-physischen System in der Produktion vorgestellt, verglichen und bewertet. Darauf aufbauend wird ein Verfahren beschrieben, mit dem ein Planungsmodell durch methodisches Mapping mit Automatisierungskomponenten in einer Produktionslinie auf seine Aktualität geprüft werden kann. Das Mapping wird durch das Herstellen einer Beziehung zwischen den elektrischen Geräten und den technischen Ressourcenbeschreibungen in den Planungsmodellen erreicht. Es ermöglicht eine Überprüfung, ob Ressourcen in der Produktion gegenüber dem Planungsstand neu hinzugekommen oder zurückgebaut wurden. Somit können Änderungen in Bereichen oder Teilbereichen von Planungsmodellen ermittelt werden. Darauf aufbauend wird in diesem Beitrag erstmals ein Mapping und Zusammenführen des Mengengerüstes eines Planungsmodells und des Mengengerüstes aktueller elektrischer Geräte aus der Produktion auf Basis des Datenformates AutomationML untersucht und anhand von Datensätzen aus der Praxis verifiziert. Das standardisierte Datenformat AutomationML etabliert sich derzeit in der Automobilindustrie und eignet sich zum systemunabhängigen Datenaustausch zwischen verschiedenen Softwarewerkzeugen. In diesem Beitrag wird aufgezeigt, inwieweit es Standards ermöglichen, Geräte im cyber-physischen System den Planungsmodellen der Digitalen Fabrik zuzuordnen. Gleichzeitig werden die praktische Anwendbarkeit und die Grenzen einer derartigen Methode anhand einer realen Produktionsanlage eines vollautomatisierten Karosserierohbaus in der Automobilindustrie verifiziert.
Users
Please
log in to take part in the discussion (add own reviews or comments).
