Decision support framework integrating digital twins for adapting dynamic assembly systems

Baum, Jonas Sebastian; Schmitt, Robert H.; Kampker, Achim

doi:HT031031433

Decision support framework integrating digital twins for adapting dynamic assembly systems = Entscheidungsunterstützung für die Anpassung dynamischer Montagesysteme mit digitalen Zwillingen

Baum, Jonas Sebastian^RWTH*

2025

Verantwortlichkeitsangabevorgelegt von Jonas Sebastian Baum geb. Rachner

ImpressumAachen : RWTH Aachen University 2025

Umfang1 Online-Ressource : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Schmitt, Robert H. (Thesis advisor)^RWTH* ; Kampker, Achim (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2025-03-28

Online
DOI: 10.18154/RWTH-2025-03333
URL: https://publications.rwth-aachen.de/record/1009088/files/1009088.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
assembly systems (frei) ; digital twin (frei) ; flexibility (frei) ; optimization (frei) ; resilience (frei) ; simulation (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Die produzierende Industrie steht vor wirtschaftlichen und ökologischen Herausforderungen, die höhere Resilienz erfordern. Globale Krisen unterbrechen Lieferketten und führen zu Marktschwankungen und unsicherer Nachfrage. Die Integration von Kreislaufwirtschaftsprinzipien in Montagesysteme verschärft die Herausforderungen bei hoher Produktvarianz und unsicherem Produktmix. In Reaktion darauf findet ein Trend von linienbasierten zu linienlosen Montagesystemen, die durch individuelle Auftragsrouten flexibler und anpassungsfähiger sind, statt. Diese Systeme ermöglichen dynamische Reaktionen auf unvorhergesehene Ereignisse wie Stationsausfälle, Materialengpässe oder Änderungen im Produktionsprogramm, inklusive der schnellen Integration neuer Technologien. Die höhere Flexibilität führt jedoch zu einer gesteigerten Komplexität bei der Planung und Steuerung. Der zunehmende Fachkräftemangel und die steigende Systemkomplexität machen Entscheidungsunterstützungssysteme notwendig, um Produktionsplaner bei ihren Entscheidungsprozessen zu unterstützen. In dieser Dissertation wird ein modulares Entscheidungsunterstützungssystem für die Anpassung dynamischer Montagesysteme mit unsicherem Produktmix vorgestellt. Es integriert simulationsbasierte Optimierung mit einer Pipeline für digitale Zwillinge, um automatisch und ohne manuellen Aufwand Systemkonfigurationen für zukünftige Produktmix-Szenarien zu finden, zu bewerten und zu optimieren. Ein Optimierungsmodul passt das virtuelle System iterativ an, um benutzerdefinierte Durchsatz- und Auslastungsziele zu erreichen. Die Pipeline für digitale Zwillinge generiert benutzerdefinierte Ontologien und implementiert digitale Zwillinge, was die automatische Erstellung von Simulationsmodellen erleichtert. Benutzer interagieren mit dem System über eine grafische Benutzeroberfläche, auf der detaillierte Ergebnisse für alle Zukunftsszenarien angezeigt werden. Das System und seine Module werden anhand eines industriellen Anwendungsfalls validiert. Die Anwendungsfälle der Änderung des Produktmixes aufgrund veränderter Nachfrage und der Integration neuer Produktvarianten werden untersucht. Experimente bestätigen die Wirksamkeit des Systems bei der Suche nach Anpassungen, welche die Widerstandsfähigkeit gegen Störungen erhöhen. Die Modularität des Frameworks und die standardisierten Schnittstellen erleichtern die Erweiterung auf weitere Anwendungs-fälle durch neue Optimierungsmodule oder die Anpassung des Simulationsmodells. Das System ermöglicht es Produktionsplanern, ohne manuellen Aufwand automatisch leistungssteigernde Systemanpassungen für zukünftige Produktmixe zu erhalten. Dies reduziert die Komplexität der Planung und Steuerung dynamischer Montagesysteme und den Bedarf an menschlichem Fachwissen.

The manufacturing industry faces economic and ecological challenges that require increased resilience. Frequent global crises disrupt supply chains and create increased market fluctuations, leading to an uncertainty in demand. Additionally, the need to integrate circular economy principles in assembly systems intensifies the challenges associated with high product variance and uncertain product mixes. In response to these trends, there is a shift from line-based to line-less assembly systems. These systems are more dynamic due to higher flexibility and adaptability through individual job routes, allowing for effective responses to unforeseen events such as station failures, material shortages, or changes in the production program, including the integration of new technologies. However, the higher flexibility leads to increased complexity in planning and control. A growing shortage of skilled workforce, combined with the increasing system and thus decision complexity, makes the provision of decision support systems essential for supporting production planners in their future decision-making. This thesis presents a modular decision support system for adapting dynamic assembly systems with uncertain product mixes. It integrates simulation-based optimization with a digital twin pipeline to automatically find, evaluate and optimize system configurations for future product mix scenarios without manual effort. An optimization module is presented that iteratively adjusts the virtual system, evaluated by discrete-event simulation, to achieve user-defined throughput and utilization targets. A digital twin pipeline generates custom ontologies and to deploys digital twins, which facilitates the automatic generation of simulation models. The user interacts with the decision support system in a graphical user interface, where detailed results for all future scenarios are displayed. The system and all its modules are validated using an industrial use case. The use cases of product mix changes caused by a change in demand and the integration of new product variants are assessed. The experiments confirm the effectiveness of the proposed system in finding configurations that enhance resilience against disruptions. The modularity of the framework and the standardized interfaces enable an effortless enhancement to further use cases by developing new optimization modules or adapting the simulation model. The system enables production planners to automatically obtain system adaptations that improve performance for future product mixes without manual effort. This reduces the complexity of planning and controlling dynamic assembly systems and the need for human expertise.

OpenAccess:
PDF
(additional files)