h1

000862994 001__ 862994
000862994 005__ 20230328171157.0
000862994 0247_ $$2HBZ$$aHT021722184
000862994 0247_ $$2Laufende Nummer$$a41954
000862994 0247_ $$2datacite_doi$$a10.18154/RWTH-2023-00656
000862994 037__ $$aRWTH-2023-00656
000862994 041__ $$aEnglish
000862994 082__ $$a621.3
000862994 1001_ $$0P:(DE-588)1169765149$$aDelbrügger, Tim$$b0$$urwth
000862994 245__ $$aDigital twin based decision support for factory adaptation planning$$cvorgelegt von Tim Delbrügger, M.Sc.$$honline
000862994 260__ $$aAachen$$bRWTH Aachen University$$c2022
000862994 260__ $$c2023
000862994 300__ $$a1 Online-Ressource : Illustrationen, Diagramme
000862994 3367_ $$02$$2EndNote$$aThesis
000862994 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
000862994 3367_ $$2BibTeX$$aPHDTHESIS
000862994 3367_ $$2DRIVER$$adoctoralThesis
000862994 3367_ $$2DataCite$$aOutput Types/Dissertation
000862994 3367_ $$2ORCID$$aDISSERTATION
000862994 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University 2023
000862994 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2022$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2022$$gFak06$$o2022-02-15
000862994 5203_ $$aDie 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.$$lger
000862994 520__ $$aFactory 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.$$leng
000862994 536__ $$0G:(GEPRIS)276879186$$aGRK 2193: Anpassungsintelligenz von Fabriken im dynamischen und komplexen Umfeld (276879186)$$c276879186$$x0
000862994 588__ $$aDataset connected to Lobid/HBZ
000862994 591__ $$aGermany
000862994 653_7 $$a3D simulation
000862994 653_7 $$adecision support
000862994 653_7 $$adigital twins
000862994 653_7 $$afactory adaptation
000862994 653_7 $$afactory planning
000862994 653_7 $$amulti-objective planning
000862994 653_7 $$astructural variability
000862994 7001_ $$0P:(DE-82)IDM00495$$aRoßmann, Heinz-Jürgen$$b1$$eThesis advisor$$urwth
000862994 7001_ $$aRehof, Jakob$$b2$$eThesis advisor
000862994 8564_ $$uhttps://publications.rwth-aachen.de/record/862994/files/862994.pdf$$yOpenAccess
000862994 8564_ $$uhttps://publications.rwth-aachen.de/record/862994/files/862994_source.7z$$yRestricted
000862994 909CO $$ooai:publications.rwth-aachen.de:862994$$popenaire$$popen_access$$pVDB$$pdriver$$pdnbdelivery
000862994 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-588)1169765149$$aRWTH Aachen$$b0$$kRWTH
000862994 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00495$$aRWTH Aachen$$b1$$kRWTH
000862994 9141_ $$y2022
000862994 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
000862994 9201_ $$0I:(DE-82)615210_20140620$$k615210$$lLehrstuhl und Institut für Mensch-Maschine-Interaktion$$x0
000862994 961__ $$c2023-02-21T13:05:12.147172$$x2023-01-18T22:05:55.343159$$z2023-02-21T13:05:12.147172
000862994 9801_ $$aFullTexts
000862994 980__ $$aI:(DE-82)615210_20140620
000862994 980__ $$aUNRESTRICTED
000862994 980__ $$aVDB
000862994 980__ $$aphd