Aufrufe
vor 1 Jahr

f+h fördern und heben 5/2022

  • Text
  • Betrieb
  • Anforderungen
  • Einsatz
  • Logimat
  • Mithilfe
  • Logistik
  • Produkte
  • Systeme
  • Unternehmen
  • Halle
f+h fördern und heben 5/2022

FORSCHUNG UND

FORSCHUNG UND ENTWICKLUNG FORSCHUNGSPROJEKT DAWIS FÜR PROZESS-OPTIMIERUNG VON PRODUKTION UND LOGISTIK DATA FARMING FÜR NICHT-EXPERTEN Unternehmen aus Logistik und Produktion stehen immer mehr Daten für die Entscheidungsfindung zur Verfügung. Geht es darum, neue Prozesse oder Fertigungslinien zu implementieren, lassen sich mithilfe von Data Farming Analysen von Produktions- und Logistiksystemen durchführen, um so durch Simulation die beste Option zu finden. Solche Simulationsmodelle in der betrieblichen Praxis anzuwenden, scheitert allerdings oftmals an einer integrierten Softwarelösung, die auch von Nicht-Data-Farming-Experten bedient werden kann. Das Forschungsprojekt Dawis soll das nun ändern. 01 Szenarien Staplerkombination 1 Gabelstapler; 5 t (maximale Aufnahmelast 3 Batterien) 1 Gabelstapler 5 t + 1 Gabelstapler 8 t Batterie-Type A Batterie-Type A Leergut 1 Gabelstapler; 8 t (maximale Aufnahmelast 5 Batterien) Simulation ist ein etabliertes Werkzeug zur Planung und Steuerung komplexer Produktions- und Logistiksysteme. In Zeiten der Industrie 4.0 stehen Unternehmen durch Big-Data-Infrastrukturen, cloudbasierte Lösungen und steigende Rechenleistungen viele Möglichkeiten zur Verfügung, um Simulationsmodelle zu erstellen. Wichtiges Instrument hierfür ist das Data Farming. Dabei wird ein vorab validiertes Simulationsmodell als Datengenerator genutzt, um mithilfe von intelligentem Experimentdesign und High Performance Computing ein möglichst großes oder gar vollständiges Spektrum an Modellbzw. Systemverhalten (Wirkungsraum) abdecken zu können. Beim Data Farming geht es also darum, mithilfe von entworfenen Computerexperimenten Daten zu vergrößern und den Datenertrag des Simulationsmodells zu maximieren; ähnlich einem Farmer, der sein Land effizient bewirtschaftet, um den Ernteertrag zu maximieren. WISSENSENTDECKUNG Die Vorteile der Simulation mit Data Farming: Das Durchführen einer großen Bandbreite von Experimenten kann versteckte, vorher unbekannte und möglicherweise nützliche Wirkzusammenhänge aufdecken. So werden Lösungen gefunden, die über das definierte Projektziel einer Simulationsstudie hinausgehen und so zur Entscheidungsunterstützung beitragen (Horne und Meyer 2010). Das wird seit Feldkamp Wissensentdeckung in Simulationsmodellen genannt. Diese Wissensentdeckung bietet ein großes Potenzial für Logistik und Produktion, lässt sich aber nicht in die Praxis umsetzen, weil die Simulation nur von Data-Farming-Experten durchgeführt werden kann. Seit zwei Jahren forschen daher Experten des Projekts Dawis an einer Entwicklung einer integrierten Lösung für das Data Farming und die Wissensentdeckung in Simulationsdaten (Dawis). Das Dawis-Konsortium setzt sich aus der Simplan AG, dem Fachgebiet Informationstechnik in Produktion und Logistik der TU Ilmenau (ITPL), der C-P-S Holding GmbH & Co. KG sowie als assoziiertem Partner die Maschinenfabrik Reinhausen GmbH (MR) zusammen. Das Bundesministerium für Bildung und Forschung fördert das Projekt. Alle Projektbeteiligten 02 Aufbau des Add-ons 4farm 70 f+h 2022/05 www.foerdern-und-heben.de

FORSCHUNG UND ENTWICKLUNG sind sich einig, dass die Einzelmethoden (Data Farming, Intelligentes Experimentdesign, Data Mining und Visual Analytics) gut erforscht sind, dass es aber keine ganzheitliche Lösung zur Übertragung der Methoden als Ganzes oder zumindest in großen Teilen in ein von Nicht-Experten bedienbares Framework gibt. Ein Anwendungsbeispiel des Forschungskonsortiums konzentrierte sich auf die Ausarbeitung eines Anlieferdocks für die Montagezuführung. Die Herausforderung: Die Versorgung mit zwei verschiedenen Batterietypen und die anschließende Entsorgung der leeren Ladungsträger so effizient wie möglich zu gestalten. Die C-P-S hat jahrelange Projekterfahrung im Bereich Fabrik- und Produktionsplanung sowie bei der Gestaltung von Lieferketten. 03 Anteil Type A an Produktmix in % Anteil Type B an Produktmix in % Ergebnisdarstellung Stillstandzeiten in h Einstellung zur graphischen Darstellung (Pivot-Tabellen) Szenario Als Pilotanwender hat das Unternehmen zusammen mit einem Automobilhersteller die Entwicklung der integrierbaren Softwarelösung unterstützt. Um die verschiedenen Szenarien zu simulieren, haben sich die Forscher Fragen gestellt wie: Unter welchen Rahmenbedingungen ist die gewählte Anzahl an eingesetzten Gabelstaplern ausreichend, um Stillstandzeiten der Produktion und Montage zu verhindern bzw. zu minimieren? Welchen Einfluss haben der Flurförderzeugtyp und die damit verbundenen Limitierungen auf die Systemleistung? Welche Rolle spielt der Anlieferzyklus sowie der prozentuelle Anteil der beiden Batterietypen? Aus diesen Fragestellungen resultierten 31 Ergebnisparameter, die für die Analyse gespeichert wurden. Nicht-Experten Wissen auf Basis von Data Farming per Data-Mining- und Visual-Analytics-Methoden erwerben können. Bevor das Produkt vermarktet werden kann, stehen noch weitere Entwicklungsschritte und Tests in Anwendungsfällen aus der Praxis an. Aber ein breiter Transfer in die betriebliche Praxis ist nur noch eine Frage der Zeit. Autoren: Matthäus von Esterházy, Geschäftsführer C-P-S Group, München, und Philipp Lindauer, Senior Consultant/Projektleiter im selben Unternehmen Grafiken: C-P-S Group www.c-p-s.de ADD-ON BIETET POTENZIAL Für die prototypische Experimentverteilung setzten die Anwender beim Pilotprojekt auf die bereits vorhandene Software Simcontroller, die in einem vorangegangenen Forschungsvorhaben entstanden ist. Mit dieser Softwarekomponente lassen sich Simulationstools untereinander oder mit anderen Softwareanwendungen in Verbindung setzen. Die neue integrierte Lösung für das Data Farming wird als neues Add-on mit dem Namen 4farm das bestehende Framework ergänzen. Das prototypische Modul ist für den deutschen Markt interessant. Vor allem Dienstleister, die mit Simulationsmethoden arbeiten, können daraus ein großes Potenzial schöpfen. Der Fokus des Forschungsprojekts lag ferner darauf, die Anwendung möglichst nutzerfreundlich zu gestalten. Deswegen werden vor dem Endanwender möglichst viele technische Details des Experimentdesigns sowie der Data-Mining- und Visual-Analytics-Methoden verborgen. Erforderliche Entscheidungen werden basierend auf Best-Practices vorweggenommen. Muss der Anwender dennoch aktiv werden, werden ihm intuitiv verständliche Optionen und Listen mit Auswahlmöglichkeiten präsentiert. Vor- und Nachteile jeder Entscheidung sind in der Software in Form von Informationstexten oder Entscheidungsbäumen hinterlegt. Der Anwender kann sich somit vollständig auf das Modell und die fachliche Aufgabe fokussieren. FAZIT Mit Data Farming und Simulationsmodellen können Unternehmen wertvolle Erkenntnisse hinsichtlich Produktions- und Logistiksystemen gewinnen. Das Ziel des Forschungsprojekts Dawis ist es daher, eine integrierte Softwarelösung für die Wissensentdeckung in Simulationsdaten zu entwickeln. Nach beinahe zwei Jahren Projektlaufzeit ist das Resümee aller Beteiligten positiv. Mithilfe des Add-ons 4farm wird es möglich sein, dass auch „Gemeinsam mit unserem Partner robominds bieten wir eine ausgeklügelte, produktive und KI-gestützte Pick-by-Robot Lösung für die Zukunft der Kommissionierung.” OLIVER VUJCIC | GESCHÄFTSFÜHRUNG HÖRMANN LOGISTIK GMBH Für die innovative Automatisierung von Kleinteilelagern, wie zum Beispiel AutoStore ® , kombinieren wir unser WMS HiLIS ® mit dem intelligenten robobrain ® . Diese intelligente Pick-by-Robot Anwendung macht mit modernen Hardwarekomponenten die Kommissionierung deutlich effizienter. HÖRMANN Logistik GmbH D-80992 München www.hoermann-logistik.de www.foerdern-und-heben.de f+h 2022/05 71