Kurzfassung
In diesem Beitrag wird ein Konzept präsentiert, welches eine lebenszykluskostenorientierte Prozesskettenplanung ermöglicht. Spezialisierte Planungswerkzeuge greifen dafür auf eine integrierte Datenbasis (Planungs-, Inventar- und Live-Daten) zu. Es wird gezeigt, dass eine automatisierte Datendurchgängigkeit zwischen Fertigung und Planung mit den vorhandenen Standards OPC UA und AutomationML realisierbar ist. So können schon in der frühen Planung Energiebedarfe prognostiziert und Maschinenkomponenten dimensioniert werden, um Investitionsentscheidungen zu treffen.
Abstract
Specialized planning tools access to an integrated database (planning-, inventory-, and online shop floor data). It uses OPC UA und AutomationML to connect shop floor and planning departments and shows that data consistency is feasible with available standards. This enables a forecast of energy consumption during process chain design and a demand specific dimensioning of machine components, to ensure economically reasonable investment decisions.
References
1. Bunse, K.; Vodicka, M.; Schönsleben, P. et al.: Integrating Energy Efficiency Performance in Production Management-gap Analysis between Industrial Needs and Scientific Literature. Journal of Cleaner Production19 (2011) 6–7, S. 667–67910.1016/j.jclepro.2010.11.011Search in Google Scholar
2. Schmidt, C.; Labbus, I.; Herrmann, C. et al.: Framework of a Modular Tool Box for the Design of Process Chains in Automotive Component Manufacturing. Procedia CIRP63 (2017), S. 739–74410.1016/j.procir.2017.03.111Search in Google Scholar
3. Kletti, J.: MES-Manufacturing Execution System. Moderne Informationstechnologie unterstützt die Wertschöpfung. Springer-Verlag, Berlin, Heidelberg201510.1007/978-3-662-46902-6Search in Google Scholar
4. Weinert, N.: Planung energieeffizienter Produktionssysteme. ZWF105 (2010) 5, S. 503–50710.3139/104.110328Search in Google Scholar
5. Bornschlegl, M.; Bregulla, M.; Franke, J.: Energieprognose mittels Methods-Energy Measurement-Berücksichtigung des Energiebedarfs in der frühen Planungsphase durch komponentenbasierte Energieplanung. ZWF110 (2015) 9, S. 491–49410.3139/104.111349Search in Google Scholar
6. Herrmann, C.; Thiede, S.; Kara, S. et al.: Energy Oriented Simulation of Manufacturing Systems-Concept and Application. CIRP Annals-Manufacturing Technology60 (2011) 1, S. 45–4810.1016/j.cirp.2011.03.127Search in Google Scholar
7. ZVEI-Zentralverband Elektrotechnik und Elektronikindustrie e. V.: Welche Kriterien müssen Industrie-4.0-Produkte erfüllen? Frankfurt a. M.2017Search in Google Scholar
8. Plattform Industrie 4.0: Beziehungen zwischen I4.0-Komponenten-Verbundkomponenten und intelligente Produktion. Fortentwicklung des Referenzmodells für die Industrie 4.0–Komponente SG Modelle und Standards. Bundesministerium für Wirtschaft und Energie (BMWi), Berlin2017Search in Google Scholar
9. DIN EN 62714-1: 2015–06: Datenaustauschformat für Planungsdaten industrieller Automatisierungssysteme-Automation markup language-Teil 1: Architektur und allgemeine Festlegungen. Beuth Verlag, Berlin2015Search in Google Scholar
10. Henßen, R.; Schleipen, M.: Interoperability between OPC UA and AutomationML. Procedia CIRP25 (2014), S. 297–30410.1016/j.procir.2014.10.042Search in Google Scholar
11. Böhm, F.; Niggermann, O.; Graeser, O.: Digitale Produktbeschreibungen-Vorteile und Chancen durch Industrie 4.0. Plug-and-Produce auf der Grundlage einer digitalen Produktbeschreibung. In: Automation 2015. 16. Branchentreff der Mess- und Automatisierungstechnik, 11. und 12. Juni 2015, Baden-Baden. VDI-Verlag, Düsseldorf2015Search in Google Scholar
12. Das Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung: AutomationML – OPC-UA Konverter. Online: https://aml2ua.iosb.fraunhofer.de [Letzter Abruf: 18.07.2017]Search in Google Scholar
© 2017, Carl Hanser Verlag, München
