http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png

Distributing decision-making authority: autonomous entities in manufacturing networks

Antons, Oliver^RWTH*

2022

Verantwortlichkeitsangabevorgelegt von Oliver Antons

ImpressumAachen : RWTH Aachen University 2022

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2022

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak08

Hauptberichter/Gutachter
Peis, Britta (Thesis advisor)^RWTH* ; Hütt, Marc-Thorsten (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2022-12-14

Online
DOI: 10.18154/RWTH-2022-11291
URL: http://publications.rwth-aachen.de/record/856980/files/856980.pdf

Einrichtungen

1. Lehrstuhl für Management Science (815110)

Inhaltliche Beschreibung (Schlagwörter)
autonomy (frei) ; decision-making authority (frei) ; discrete-event simulation (frei) ; distributed control (frei) ; multi-agent system (frei) ; production planning and control (frei)

Thematische Einordnung (Klassifikation)
DDC: 330

Kurzfassung
Die industrielle Produktion war in den vergangenen Jahren mit einer Reihe von Herausforderungen konfrontiert. Volatile Märkte, steigende Energiekosten und unterbrochene Lieferketten führten zu nachlassender Produktivität sowie einer gestiegenen Planungsunsicherheit. Weiterhin wurde die Komplexität der Produktionsplanung durch die gestiegene Nachfrage nach immer individuelleren Produkten erhöht. Zeitgleich sind die Hersteller mit einer steigenden Computerisierung der Produktionsmaschinen und -abläufe in Form von cyber-physikalischen Systemen (CPS) konfrontiert. Diese Systeme sind in der Lage, basierend auf eingebauten Sensoren ihren Zustand selbst zu bestimmen, Daten zu verarbeiten und in einem Netzwerk zu kommunizieren. Damit stellen sie der Produktion eine ganze Reihe von potentiellen Anwendungsmöglichkeiten zur Verfügung. Dazu gehört auch die Fähigkeit dieser Systeme autonom zu agieren, und damit Teile des gesamten Planungsprozesses selbstständig zu erledigen. Derartige Ansätze basieren auf einer verteilten Steuerung, die sich in ihren charakteristischen Eigenschaften von etablierten und zentralisierten Steuerungssystemen weitestgehend differenziert. In der Literatur beschäftigen sich eine Vielzahl von Forschungsfeldern mit den respektiven Vor- und Nachteilen von zentralisierten und verteilten Steuerungsansätzen. Während zahlreiche Forschungsartikel einen tiefen Einblick in spezielle Steuerungsansätze für bestimmte Produktionsnetzwerke bieten, so fehlt ein übergreifender Rahmen, welcher einen ganzheitlichen Vergleich zwischen diesen fundamentalen Steuerungsansätzen erlauben würde. In dieser Dissertation wird der Begriff der Entscheidungsgewalt in dem Kontext der Produktionssteuerung eingeführt (engl. decision-making authority), um den Entscheidungsspielraum eines autonomen Systems zu beschreiben. Weiterhin werden dabei sowohl zentralisierte sowie verteilte Steuerungsansätze für Produktionsnetzwerke betrachtet - für Produktionsnetzwerke mit Maschinen, welche über das Potential zur Autonomie verfügen. Für zentralisierte Steuerungsansätze agieren diese Maschinen als reine Befehlsempfänger, und haben somit keine Entscheidungsgewalt. In verteilten Steuerungsansätzen hingegen wird den Maschinen jedoch ein gewisser Entscheidungsspielraum zugeteilt, in dem diese autonom ihre Entscheidungsgewalt ausüben können. Basierend auf einer umfangreichen Literaturanalyse werden Umgebungsvariablen eines Produktionsnetzwerkes abgeleitet, welche die Grundlage für ein anspruchsvolles agentenbasiertes Simulationsmodell mit diskretem Zeithorizont bilden. In diesem Simulationsmodell sind die Objekte eines Produktionsnetzwerkes, beispielsweise Maschinen und Produkte, als Agenten repräsentiert. Für zentralisierte Steuerungsansätze folgen diese Agenten einem globalen Plan, der aus der Lösung eines gemischt-ganzzahligen linearen Programms abgeleitet wurde, während in einem verteilten Steuerungsansatz die Agenten in ihrem zugeordneten Entscheidungsspielraum autonom agieren können. Den Hauptteil dieser Dissertation stellen fünf Forschungsartikel dar, die in den Kapiteln II - VI präsentiert werden. Kapitel II betrachtet den historischen Wechsel zwischen zentralisierten und dezentralisierten Steuerungsparadigmen für Produktion, gefolgt von einer Literaturanalyse des Verständnisses von Autonomie in der Produktionsforschung sowie verwandten Forschungsfeldern. Darauf aufbauend wird in Kapitel III die unterschiedliche Wahrnehmung von lokalen Informationen möglicher autonomer Entitäten in Produktionsnetzwerken betrachtet. Kapitel IV erarbeitet einen Komplexitätsrahmen für Produktionssteuerung basierend auf Umgebungsvariablen, die zuvor aus der Literatur abgeleitet wurden. Dieser Komplexitätsrahmen stellt der Forschung und Praxis ein erstes Werkzeug zur generalisierten Evaluierung eines gegebenen Produktionsnetzwerkes für die Anwendung von zentralisierter und verteilter Steuerung zur Verfügung. Dabei wird auf eine selbstentwickelte Simulationsumgebung zurückgegriffen, um die Einflüsse der Umgebungsvariablen zu überprüfen. Kapitel V erweitert die Validierung des Komplexitätsrahmens durch weitere Simulationen, und studiert den Einfluss der Topologie eines Produktionsnetzwerkes auf die Anwendbarkeit der beiden Steuerungsansätze. Kapitel VI erkundet die möglichen Synergien der Kombination verteilter Kontrolle mit maschinellem Lernen für die Steuerung von Produktionsnetzwerken. Die Dissertation endet mit einer kurzen Zusammenfassung der Resultate, einhergehender Limitierungen des Forschungsansatzes sowie Ansatzpunkten für zukünftige Forschung.

Industrial production was faced with increasing challenges in the last years. Market volatility, rising energy costs and disrupted supply networks resulted in an ever-increasing information variability, which decreases productivity and complicates production planning and control (PPC). Moreover, the ever-increasing demand for, and differentiation through customization also makes planning more difficult. At the same time manufacturing networks have seen a further computerization on a machine level by the introduction of cyber-physical systems (CPS). Capable to process information, gather sensor data locally and communicate within a network, these machine provide an enormous increase in potentials for manufacturing networks. Thus, the technical requirements for distributed production control approaches are fulfilled, based on CPS acting as autonomous entities within a manufacturing network. Such distributed production control approaches feature a number of interesting characteristics, which are often quite contrary to established concepts of traditional, centralized production control. In the literature, many research streams are concerned with the advantages and disadvantages of both centralized and distributed control. While many articles provide deep insights into the workings of specialized control approaches for specific manufacturing environments, an overarching framework allowing a holistic comparison between the two fundamental production control approaches is lacking. In this thesis, the term decision-making authority is introduced to describe the level of autonomy an entity is allowed to exhibit with regard to the potential decisions it could make. Furthermore, both centralized and distributed production control approaches for manufacturing networks based on potentially autonomous entities are explored. In the former case, every entity but one central controller is not allowed to exhibit any decision-making authority, acting purely as command recipients. In the latter case, however, the aforementioned entities have a predefined degree of decision-making authority, enabling them to make certain decisions of the production scheduling on their own. Based on environment variables derived by extensive literature review, a sophisticated simulation framework is developed in form of a multi-agent based discrete-event simulation (MAS-DES). This simulation framework represents all objects of a manufacturing network, such as machines and products as agents. These agents can either follow a global plan, derived from a mixed-integer linear program modeling a centralized production control approach, or act autonomously within the scope of their respective decision-making authority in a distributed production control approach. The main part of this thesis consists of five research articles, presented in Chapters II - VI. Chapter II reviews the historic ply between centralized and decentralized control, followed by a structured literature review regarding autonomy in production planning and control, manufacturing and related research streams. Extending this, Chapter III studies the difference in information scopes of different classes of potentially autonomous entities in a manufacturing network. Chapter IV provides guidance to both researchers and practitioners alike by introducing a scheduling complexity framework, based on environment variables derived from the literature. A multi-agent based discrete-event simulation is utilized to validate the framework quantitatively. Following, Chapter V extends the simulations to study the influence of a manufacturing network’s topology on its aptitude for both centralized and distributed production control approaches. Chapter VI explores synergistic potentials between machine learning and distributed production control for manufacturing networks. Lastly, the thesis ends with a conclusion summarizing results, noting limitations and presenting avenues for future research.

OpenAccess:
PDF
(additional files)

Dokumenttyp
Dissertation / PhD Thesis

Format
online

Sprache
English

Externe Identnummern
HBZ: HT021678646

Interne Identnummern
RWTH-2022-11291
Datensatz-ID: 856980

Beteiligte Länder
Germany