Jump to ContentJump to Main Navigation
Show Summary Details
More options …

at - Automatisierungstechnik

Methoden und Anwendungen der Steuerungs-, Regelungs- und Informationstechnik

[AT - Automation Technology: Methods and Applications of Control, Regulation, and Information Technology
]

Editor-in-Chief: Jumar, Ulrich


IMPACT FACTOR 2018: 0.500

CiteScore 2018: 0.60

SCImago Journal Rank (SJR) 2018: 0.211
Source Normalized Impact per Paper (SNIP) 2018: 0.532

Online
ISSN
2196-677X
See all formats and pricing
More options …
Volume 67, Issue 6

Issues

Herausforderungen in der interdisziplinären Entwicklung von Cyber-Physischen Produktionssystemen

Challenges of interdisciplinary development of Cyber-Physical Production Systems

Birgit Vogel-Heuser
  • Corresponding author
  • Technische Universität München, Lehrstuhl für Automatisierung und Informationssysteme, Boltzmannstraße 15, 85478 Garching bei München, Germany
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Cesare Fantuzzi / Manuel Wimmer
  • TU Wien, Institute for Software Technology & Interactive Systems, Favoritenstraße 9–11, A 1040 Wien, Österreich
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Markus Böhm
  • Technische Universität München, Lehrstuhl für Wirtschaftsinformatik, Boltzmannstraße 3, 85478 Garching bei München, Germany
  • Email
  • Other articles by this author:
  • De Gruyter OnlineGoogle Scholar
/ Alexander Fay
Published Online: 2019-06-08 | DOI: https://doi.org/10.1515/auto-2018-0144

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.

Schlagwörter: Modellkopplung; Inkonsistenzmanagement; modellübergreifende Optimierung

Keywords: model coupling; inconsistency management; model-spanning optimization

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.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.CrossrefWeb of ScienceGoogle 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.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.CrossrefGoogle 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.Google Scholar

  • 6.

    C.-H. Chen and L. H. Lee, Stochastic simulation optimization: an optimal computing budget allocation, 2011: World scientific.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.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.CrossrefGoogle 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.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.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.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.CrossrefGoogle 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.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.CrossrefGoogle 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.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.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.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.Google Scholar

About the article

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).


Received: 2018-11-29

Accepted: 2019-03-29

Published Online: 2019-06-08

Published in Print: 2019-06-26


Citation Information: at - Automatisierungstechnik, Volume 67, Issue 6, Pages 445–454, ISSN (Online) 2196-677X, ISSN (Print) 0178-2312, DOI: https://doi.org/10.1515/auto-2018-0144.

Export Citation

© 2019 Walter de Gruyter GmbH, Berlin/Boston.Get Permission

Comments (0)

Please log in or register to comment.
Log in