Digital twin based decision support for factory adaptation planning

Delbrügger, Tim; Roßmann, Heinz-Jürgen; Rehof, Jakob

doi:HT021722184

Digital twin based decision support for factory adaptation planning

Delbrügger, Tim^RWTH*

2022 & 2023

Verantwortlichkeitsangabevorgelegt von Tim Delbrügger, M.Sc.

ImpressumAachen : RWTH Aachen University 2022

Umfang1 Online-Ressource : Illustrationen, Diagramme

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2022

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2023

Genehmigende Fakultät
Fak06

Hauptberichter/Gutachter
Roßmann, Heinz-Jürgen (Thesis advisor)^RWTH* ; Rehof, Jakob (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2022-02-15

Online
DOI: 10.18154/RWTH-2023-00656
URL: https://publications.rwth-aachen.de/record/862994/files/862994.pdf

Einrichtungen

Lehrstuhl und Institut für Mensch-Maschine-Interaktion (615210)

Projekte

GRK 2193: Anpassungsintelligenz von Fabriken im dynamischen und komplexen Umfeld (276879186) (276879186)

Inhaltliche Beschreibung (Schlagwörter)
3D simulation (frei) ; decision support (frei) ; digital twins (frei) ; factory adaptation (frei) ; factory planning (frei) ; multi-objective planning (frei) ; structural variability (frei)

Thematische Einordnung (Klassifikation)
DDC: 621.3

Kurzfassung
Die Anpassungsplanung von Fabriken ist ein hochkomplexer, interdisziplinärer Prozess, der unter hohem zeitlichem Druck und mit konkurrierenden Zielen erfolgreich gestaltet werden muss. Entscheidungsunterstützungssysteme sind ein Ansatz, um diesen Prozess nachhaltig und erfolgreich zu gestalten. Zur Entscheidungsunterstützung nutzen die unterschiedlichen Fachgebiete häufig fachspezifische Simulationen, um verschiedene Planungsalternativen vergleichen zu können. Allgemein können sich Planungsalternativen durch parametrische oder strukturelle Variabilität unterscheiden. Die Arbeit identifiziert drei Lücken im aktuellen Forschungsstand zu 3D-Simulations{-}basierten Entscheidungsunterstützungssystemen, die dazu führen, dass die Optimierung über strukturelle Varianten heute ein weitgehend manueller Prozess ist. Diese Dissertation füllt die Forschungslücken mit Hilfe von Digitalen Zwillingen und legt damit eine Grundlage für neuartige, auf 3D-Simulationen basierende Entscheidungsunterstützungssysteme, die sich auch für komplexe strukturelle Fabrikanpassungen eignen. Die neue Art der Entscheidungsunterstützung zeichnet sich dadurch aus, dass zu allen relevanten Fabrikobjekten auf unterschiedlichen Hierarchieebenen der Fabrik Digitale Zwillinge realisiert werden, die jeweils auch ihr eigenes Variabilitätsmodell umfassen. So kann ein Roboter beispielsweise unterschiedliche Kollisionsvermeidungssysteme zur Auswahl haben, die Roboterarbeitszelle verschiedene Typen von Robotern und die Fabrikhalle diverse Layout- und Materialtransportvarianten. Aus den Kombinationen dieser Anpassungsoptionen ergibt sich eine Vielzahl möglicher Konfigurationen der Fabrik, die von dem Entscheidungsunterstützungssystem automatisiert nach Kandidaten mit gewünschten Kennzahlen durchsucht werden. Entscheider können in einem Virtuellen Testbed gewünschte Kennzahlen vorgeben und erhalten Vorschläge für passende Konfigurationen. Die Konfigurationen können direkt in einer 3D Simulation analysiert werden, um die interdisziplinäre Kommunikation effektiv und effizient zu unterstützen. Das Besondere an diesem Ansatz ist, dass er den tatsächlichen Bedarf des Fabrikplanungsteams abbildet, nämlich unter allen möglichen Konfigurationen Pareto-optimale Kandidaten für das gewünschte Fabriksystem zu finden, basierend auf fallspezifisch definierten Zielgrößen. Durch prototypische Anwendung auf drei Beispiele wird die Tauglichkeit der entwickelten Systemarchitektur und der zugrundeliegenden Konzepte demonstriert.

Factory adaptation planning is a highly complex, interdisciplinary process which must be managed successfully under high time pressure and with competing goals. Decision support systems are one approach in making this process sustainable and successful. For decision support, the different disciplines often use specialized simulations to compare planning alternatives. In general, planning alternatives can differ by means of parametric variability or structural variability. This thesis identifies three gaps in the current state of research on 3D simulation-based decision support systems that result in optimization over structural variants being a largely manual process to date. This research fills the gaps by using Digital Twins in order to lay a foundation for novel 3D simulation-based decision support systems that are also suitable for complex structural factory adaptations. The new type of decision support is characterized by the fact that Digital Twins are implemented for relevant factory objects on different hierarchical levels of the factory, each of which also includes its own variability model. For example, a robot can have different collision avoidance systems to choose from, the robot workcell can have different types of robots, and the factory floor can have diverse layout and material transport variants. The combinations of these variants result in a large number of possible configurations of the factory, which are automatically searched by the decision support system for candidates with desired metrics. As a result, factory planners can specify desired metrics in a Virtual Testbed and receive suggestions for suitable configurations. The suggested configurations can be analyzed directly in a 3D simulation to support interdisciplinary communication effectively and efficiently. The distinctive feature of this approach is that it reflects the actual need of the factory planning team, which is to find Pareto optimal candidates for the desired factory system among all possible configurations, based on case-specific target metrics. The suitability of the developed system architecture and the underlying concepts is demonstrated by prototypical application to three examples.

OpenAccess:
PDF
(additional files)