Skip to content
Licensed Unlicensed Requires Authentication Published by De Gruyter (O) June 8, 2019

Herausforderungen in der interdisziplinären Entwicklung von Cyber-Physischen Produktionssystemen

Challenges of interdisciplinary development of Cyber-Physical Production Systems
Birgit Vogel-Heuser

Birgit Vogel-Heuser leitet seit Juli 2009 den Lehrstuhl für Automatisierung und Informationssysteme der TU München. Ihre Forschungsgebiete adressieren die System- und Softwareentwicklung, insbesondere die Modellierung verteilter, intelligenter, eingebetteter Systeme. Sie ist Ko-Initiatorin des DFG SPP 1593 „Design for Future—Managed Software Evolution“ und Sprecherin des DFG SFB 768 „Zyklenmanagement von Innovationsprozessen—verzahnte Entwicklung von Leistungsbündeln auf Basis technischer Produkte“.

EMAIL logo
, Cesare Fantuzzi

Cesare Fantuzzi ist seit 2006 Professor für Automatisierungstechnik an der Universität Modena und Reggio Emilia. Er hat viel Erfahrung als Projektleiter in mehreren anwendungsorientierten Forschungsprojekten, die mit kleinen, großen und multinationalen Unternehmen im Bereich des Verpackungsmaschinenbaus und der Fertigungsindustrie zusammenarbeiten. Seine Forschungsinteressen liegen hauptsächlich in der Theorie und Anwendung von Event-basierten Systemen für automatisierte Maschinen sowie in der Modellierung und Steuerung von mechatronischen Systemen und Robotern.

, Manuel Wimmer

Manuel Wimmer ist Assistenzprofessor für Wirtschaftsinformatik an der TU Wien. Er leitet das Christian Doppler Laboratory for Model-Integrated Smart Production (CDLMINT). Seine Forschungsinteressen umfassen Grundlagen modellgetriebener Ingenieurtechniken sowie deren Anwendung in Bereichen wie Tool-Interoperabilität, Modernisierung von Legacy-Tools, Modellversionierung und -evolution und Industrial Engineering.

, Markus Böhm

Markus Böhm ist Forschungsgruppenleiter am Lehrstuhl für Wirtschaftsinformatik der Technischen Universität München. Zu seinen Forschungsschwerpunkten gehören die Rolle der IT im Rahmen von Mergers & Acquisitions, digitale Geschäftsmodelle und die Innovationspotenziale neuartiger Technologien zur Transformation bestehender und Entwicklung neuer Geschäftsmodelle.

and Alexander Fay

Alexander Fay (geb. 1970) ist Professor für Automatisierungstechnik im Fachbereich Maschinenbau der Helmut-Schmidt- Universität/Universität der Bundeswehr Hamburg. Seine Hauptforschungsgebiete sind Beschreibungsmittel, Methoden und Werkzeuge für ein effizientes Engineering von Automatisierungssystemen sowie dezentrale und agentenbasierte Steuerungen. Ein weiteres Forschungsthema ist die Nutzung semantischer und wissensbasierter Technologien im Engineering von Automatisierungssystemen. Die Anwendungsfelder reichen dabei von der Produktion (sowohl Prozess- als auch Fertigungsindustrie) über die Logistik und die Energietechnik bis zu Gebäudeautomation. Prof. Fay leitet seit 2007 den Fachbereich 6 „Engineering und Betrieb von automatisierten Anlagen“ der VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (GMA).

Zusammenfassung

Modellbasierte Systementwicklung hat bereits Anwendung in der industriellen Entwicklung einer Vielzahl technischer Systeme gefunden. Die Verwendung verschiedener Modelle, z. B. für mechanische, elektrotechnische und automatisierungstechnische Systemaspekte sowie deren Varianten und Versionen unterstützt interdisziplinäre Innovationen, führt jedoch zu vielen Herausforderungen. Eine davon ist die heterogene Modelllandschaft, die insbesondere von überlappenden, teilweise redundant modellierten Informationen geprägt ist. Zudem unterliegen Entwicklungs-, Produktions- und Serviceprozesse ständig internen sowie auch externen Entwicklungszyklen. Zur Bewältigung dieser Herausforderungen können verschiedene Methoden und Techniken eingesetzt werden. In diesem Beitrag werden einige dieser Ansätze hinsichtlich ihrer Vorteile und Grenzen untersucht, und zwar das Konsistenz- bzw. Inkonsistenzmanagement von gekoppelten Modellen im Engineering, das disziplin-übergreifende Management des Engineering-Workflows sowie die Bedeutung von Smart Data Ansätzen bzw. modellbasiertem Wissen.

Abstract

Model-based systems engineering has gained increasing application in the industrial development of a large number of technical systems. The use of various models is decisive for interdisciplinary innovations. However, it also comprises many challenges. The first challenge is the heterogeneous model landscape, which is characterized in particular by overlapping, partially redundantly modelled information. Second, the development, production and service processes are constantly subject to internal and external development cycles. To overcome these challenges, various methods and techniques can be used. In this paper, different approaches are investigated regarding their advantages and limitations: inconsistency management of coupled models in engineering, cross-disciplinary management of the engineering workflow, and the importance of smart data approaches.

About the authors

Birgit Vogel-Heuser

Birgit Vogel-Heuser leitet seit Juli 2009 den Lehrstuhl für Automatisierung und Informationssysteme der TU München. Ihre Forschungsgebiete adressieren die System- und Softwareentwicklung, insbesondere die Modellierung verteilter, intelligenter, eingebetteter Systeme. Sie ist Ko-Initiatorin des DFG SPP 1593 „Design for Future—Managed Software Evolution“ und Sprecherin des DFG SFB 768 „Zyklenmanagement von Innovationsprozessen—verzahnte Entwicklung von Leistungsbündeln auf Basis technischer Produkte“.

Cesare Fantuzzi

Cesare Fantuzzi ist seit 2006 Professor für Automatisierungstechnik an der Universität Modena und Reggio Emilia. Er hat viel Erfahrung als Projektleiter in mehreren anwendungsorientierten Forschungsprojekten, die mit kleinen, großen und multinationalen Unternehmen im Bereich des Verpackungsmaschinenbaus und der Fertigungsindustrie zusammenarbeiten. Seine Forschungsinteressen liegen hauptsächlich in der Theorie und Anwendung von Event-basierten Systemen für automatisierte Maschinen sowie in der Modellierung und Steuerung von mechatronischen Systemen und Robotern.

Manuel Wimmer

Manuel Wimmer ist Assistenzprofessor für Wirtschaftsinformatik an der TU Wien. Er leitet das Christian Doppler Laboratory for Model-Integrated Smart Production (CDLMINT). Seine Forschungsinteressen umfassen Grundlagen modellgetriebener Ingenieurtechniken sowie deren Anwendung in Bereichen wie Tool-Interoperabilität, Modernisierung von Legacy-Tools, Modellversionierung und -evolution und Industrial Engineering.

Markus Böhm

Markus Böhm ist Forschungsgruppenleiter am Lehrstuhl für Wirtschaftsinformatik der Technischen Universität München. Zu seinen Forschungsschwerpunkten gehören die Rolle der IT im Rahmen von Mergers & Acquisitions, digitale Geschäftsmodelle und die Innovationspotenziale neuartiger Technologien zur Transformation bestehender und Entwicklung neuer Geschäftsmodelle.

Alexander Fay

Alexander Fay (geb. 1970) ist Professor für Automatisierungstechnik im Fachbereich Maschinenbau der Helmut-Schmidt- Universität/Universität der Bundeswehr Hamburg. Seine Hauptforschungsgebiete sind Beschreibungsmittel, Methoden und Werkzeuge für ein effizientes Engineering von Automatisierungssystemen sowie dezentrale und agentenbasierte Steuerungen. Ein weiteres Forschungsthema ist die Nutzung semantischer und wissensbasierter Technologien im Engineering von Automatisierungssystemen. Die Anwendungsfelder reichen dabei von der Produktion (sowohl Prozess- als auch Fertigungsindustrie) über die Logistik und die Energietechnik bis zu Gebäudeautomation. Prof. Fay leitet seit 2007 den Fachbereich 6 „Engineering und Betrieb von automatisierten Anlagen“ der VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (GMA).

Danksagung

Der Beitrag beruht größtenteils auf Vorträgen und Diskussionen im Rahmen eines Workshops bei der IEEE Conference on Automation Science and Engineering (CASE) 2018, die vom 20. bis 23. August 2018 in München stattfand. Ziel dieses Workshops war es, Wissenschaftler und Industrievertreter zusammenzubringen und den gemeinsamen Erfahrungsaustausch zu Themen wie u. a. der interdisziplinären Gestaltung von Innovationen und der Modellkopplung zu ermöglichen. Während des Workshops wurden Lösungen in der Auseinandersetzung mit der erhöhten Komplexität in Entwicklungsprozessen identifiziert sowie kritische Fragen in Bezug auf disziplinübergreifende Zusammenarbeit adressiert.

Die Veranstaltung zählte über 30 Teilnehmer und zahlreichen internationale hochrangige Wissenschaftler und Industrievertreter aus Italien, den USA, Österreich, Schweden und Deutschland, welche in einer Poster-Session und einem „World Café“ diskutierten. Besonders danken möchten wir Herrn Prof. Chun-Hung Chen (George Mason University, USA), Herrn Prof. Jerker Delsing (Luleå University of Technology, Schweden), Herrn Prof. Boris Lohmann (Technische Universität München) und Herrn Dr. Markus Reifferscheid (Leiter Zentralbereich Entwicklung, SMS Group GmbH) für die Unterstützung und vielen Ideen während der Diskussion dieses Workshops.

Die Organisation des Workshops erfolgte durch den Sonderforschungsbereich SFB 768: Zyklenmanagement von Innovationsprozessen—verzahnte Entwicklung von Leistungsbündeln auf Basis technischer Produkte (http://tumwais-sfb-gps.srv.mwn.de/). Wir danken dem Veranstalter für die Möglichkeit dieses intensiven wissenschaftlichen Austauschs und den weiteren Teilnehmern für die Diskussionsbeiträge.

Literatur

1. J. Reif, G. D. Koltun, T. Drewlani, M. Zaggl, N. Kattner, C. Dengler, M. Basirati, H. Bauer, H. Krcmar, K. Kugler, B. Lohmann, U. Meyer, G. Reinhart, B. Vogel-Heuser, “Modeling as the basis for innovation cycle management of PSS: Making use of interdisciplinary models,” in Systems Engineering Symposium (ISSE), 2017 IEEE International, 2017: IEEE.10.1109/SysEng.2017.8088310Search in Google Scholar

2. P. Varga, F. Blomstedt, L. L. Ferreira, J. Eliasson, M. Johansson, J. Delsing and I. M. de Soria, “Making system of systems interoperable–The core components of the arrowhead framework,” Journal of Network and Computer Applications, vol. 81, pp. 85–95, 2017.10.1016/j.jnca.2016.08.028Search in Google Scholar

3. S. Feldmann, M. Wimmer, K. Kernschmidt and B. Vogel-Heuser, “A comprehensive approach for managing inter-model inconsistencies in automated production systems engineering,” in 2016 IEEE International Conference on Automation Science and Engineering (CASE), 2016, pp. 1120–1127: IEEE.10.1109/COASE.2016.7743530Search in Google Scholar

4. K. Wieland, P. Langer, M. Seidl, M. Wimmer and G. Kappel, “Turning conflicts into collaboration—Concurrent Modeling in the Early Phases of Software Development,” Computer Supported Cooperative Work (CSCW), vol. 22, no. 2-3, pp. 181–240, 2013.10.1007/s10606-012-9172-4Search in Google Scholar

5. M. Zou, B. Lu and B. Vogel-Heuser, “Resolving Inconsistencies Optimally in the Model-Based Development of Production Systems,” in 14th IEEE International Conference on Automation Science and Engineering (CASE), 2018: IEEE.10.1109/COASE.2018.8560400Search in Google Scholar

6. C.-H. Chen and L. H. Lee, Stochastic simulation optimization: an optimal computing budget allocation, 2011: World scientific.10.1142/7437Search in Google Scholar

7. M. Fleck, J. Troya and M. Wimmer, “Marrying search-based optimization and model transformation technology,” Proc. of the First North American Search Based Software Engineering Symposium NasBASE (2015): 1–16, 2015.Search in Google Scholar

8. A. Margini, G. Cutrona and C. Fantuzzi, “Structured product development process implementation for a packaging company,” IFAC-PapersOnLine, vol. 48, no. 10, pp. 190–196, 2015.10.1016/j.ifacol.2015.08.130Search in Google Scholar

9. L. Berardinelli, A. Mazak, O. Alt, M. Wimmer and G. Kappel, “Model-Driven Systems Engineering: Principles and Application in the CPPS Domain,” in Multi-Disciplinary Engineering for Cyber-Physical Production Systems, 2017, pp. 261–299: Springer.10.1007/978-3-319-56345-9_11Search in Google Scholar

10. C. Hepperle, S. Thanner, M. Mörtl and U. Lindemann, “An integrated product lifecycle model and interrelations in-between the lifecycle phases,” In 6th International Conference on Product Lifecycle Management, Bath, 2009.Search in Google Scholar

11. G. Barbieri, K. Kernschmidt, C. Fantuzzi and B. Vogel-Heuser, “A SysML based design pattern for the high-level development of mechatronic systems to enhance re-usability,” in 19th IFAC World Congress (IFAC), Aug. 2014, pp. 3431–3437.10.3182/20140824-6-ZA-1003.00615Search in Google Scholar

12. B. Chandrasekaran, J. R. Josephson and V. R. Benjamins, “What are ontologies and why do we need them?” IEEE Intelligent Systems and their applications, vol. 14, no. 1, pp. 20–26, 1999.10.1109/5254.747902Search in Google Scholar

13. C. Hildebrandt, A. Scholz, A. Fay, T. Schröder, T. Hadlich, C. Diedrich, M. Dubovy, C. Eck and R. Wiegand, “Semantic modeling for collaboration and cooperation of systems in the production domain,” in Emerging Technologies and Factory Automation (ETFA 2007) 22nd IEEE International Conference on, 2017, pp. 1–8: IEEE.10.1109/ETFA.2017.8247585Search in Google Scholar

14. M. Chen, S. Mao and Y. Liu, “Big data: A survey,” Mobile networks and applications, vol. 19, no. 2, pp. 171–209, 2014.10.1007/s11036-013-0489-0Search in Google Scholar

15. C. Hildebrandt, S. Törsleff, B. Caesar and A. Fay, “Ontology Building for Cyber-Physical Systems: A domain expert-centric approach,” in 2018 IEEE International Conference on Automation Science and Engineering (CASE), IEEE, 2018.10.1109/COASE.2018.8560465Search in Google Scholar

16. A. Konys, “Ontology-Based Approaches to Big Data Analytics,” in International Multi-Conference on Advanced Computer Systems, 2016, pp. 355–365: Springer.10.1007/978-3-319-48429-7_32Search in Google Scholar

17. F. Zimmer, A. Fay und B. Böhm, “Engineering-Beziehungen als Konzept zur Modellierung von Abhängigkeiten und Werkzeug zur Aufwandsreduktion in der Planung,” in Tagungsband Automation 2015, 2015: Baden-Baden: VDI.Search in Google Scholar

18. M. Glawe und A. Fay, “Wissensbasiertes Engineering automatisierter Anlagen unter Verwendung von AutomationML und OWL,” in at—Automatisierungstechnik, vol. 64, 2016, pp 186–198, Heft 3.10.1515/auto-2015-0077Search in Google Scholar

Received: 2018-11-29
Accepted: 2019-03-29
Published Online: 2019-06-08
Published in Print: 2019-06-26

© 2019 Walter de Gruyter GmbH, Berlin/Boston

Downloaded on 27.11.2022 from frontend.live.degruyter.dgbricks.com/document/doi/10.1515/auto-2018-0144/html
Scroll Up Arrow