Ideales Informationsmodell für die Übergabe digitaler Anlagenmodelle aus dem Engineering in den Fabrikbetrieb

Abstract

Die Produktion von Automobilen und generell von Gütern ist derzeit einem starken Wandel unterworfen. Dabei wird oft die Digitalisierung der Planung und des Betriebs (Industrie 4.0) als Lösung für die diversen Herausforderungen angesehen. Andererseits fürchten viele Unternehmen den Aufwand und die Komplexität der Digitalisierung. Die Basis der Digitalisierung von Prozessen bildet ein reibungsloser Austausch von Daten über die verschiedenen Prozessschritte hinweg. Dabei fokussieren sich die Industrie als auch die Forschung stark auf die Vernetzung der Toollandschaft in der Produktionsplanung als auch die Vernetzung der Tools auf dem Shopfloor für den Betrieb des Produktionssystems. Jedoch zeigt sich, dass diese beiden Hauptprozesse strikt voneinander getrennt sind und beim Übergang von der Planung in den Betrieb hohe manuelle Aufwände entstehen und dadurch viele I4.0 Anwendungen nie die Pilotphase überschreiten. Diese Arbeit fokussiert sich gerade auf diesen Übergang und greift hierfür die Anforderungen aus der Betriebsphase auf. Dabei wird analysiert, welche Informationen und damit Daten v.a. die Instandhaltung benötigt, um alle Systeme für die Wartung, das Ersatzteilmanagement und auch Predictive Maintenance automatisiert versorgen und aktualisieren zu können. Die Grundlage dafür bilden die aktuellen Prozesse sowie vorhandenen Standards, sowohl in der Planung bzw. dem Engineering von Produktionsanlagen als auch der Instandhaltung dieser. Dabei wird sowohl die klassische Instandhaltung (Warten, Reparieren, Ersatzteilmanagement) sowie die auf I4.0 basierenden Lösungen (Anlagenanbindung IoT für Predictive Maintenance) betrachtet. Die Analyse der aktuellen Situation sowohl in der Literatur als auch in der Industrie zeigt, dass gerade für den Übergang von Planung in den Betrieb keine Lösungen vorhanden sind. Das Lösungskonzept sieht vor, dass die notwendigen Informationen in der Planung bzw. dem Engineering in Form von Datenmodellen bereitgestellt werden, und automatisiert in den Betriebssystemen übernommen werden können. Dafür sind sowohl prozessuale Anpassungen notwendig sowie neue Standards für die Datenmodellierung und die Datentransformation. Gerade die Datentransformation ist von entscheidender Bedeutung, da viele Informationen nicht durch ein eins zu eins Mapping übernommen werden können, sondern aufwändig verändert oder kombiniert werden müssen. Ein abschließendes Beispiel zeigt die Anwendung der Methode und die technische Machbarkeit auf. Hierbei wird ein repräsentatives, aber fiktives Beispiel aus der Industrie auf Datenebene aufgebaut. Dabei werden sämtliche neu entwickelten Datenstandards angewendet sowie die Datentransformationsregeln verankert. Das Beispiel zeigt, dass ein automatisierter Übergang von der Planung in den Betrieb möglich ist. Entscheidend ist, dass die Ergebnisse dieser Arbeit in die Standardisierung und Normierung einfließen, damit neue Datenstandards und Datentransformationen allen Toolherstellern zugänglich gemacht werden können.

The production of automobiles and goods in general is currently subject to significant change. The digitalization of planning and operation (Industry 4.0) is often seen as a solution to the various challenges. On the other hand, many companies fear the effort and complexity of digitization. The basis for digitizing processes is an exchange of data across the various process steps. Industry and research are focusing heavily on networking the tool landscape in production planning as well as networking the tools on the shop floor for operating the production system. However, it turns out that these two main processes are strictly separated from one another and that the transition from planning to operation involves a high amount of manual effort, and as a result, many I4.0 applications never exceed the pilot phase. This work focuses on this transition in particular and addresses the requirements from the operating phase. It analyses which information and thus data, particularly for maintenance, is required in order to be able to automatically supply and update all systems for maintenance, spare parts management and predictive maintenance. The basis for this is provided by current processes and existing standards, both in the planning and engineering of production plants and in their maintenance. Both traditional maintenance (maintenance, repairs, spare parts management) and solutions based on I4.0 (IoT plant connection for predictive maintenance) are considered. An analysis of the current situation, both in literature and in industry, shows that there are no solutions, particularly for the transition from planning to operation. The solution concept provides that the necessary information in planning and engineering is provided in the form of data models and can be automatically transferred to the operating systems. This requires both procedural adjustments and new standards for data modeling and data transformation. Data transformation in particular is of decisive importance, as much information cannot be transferred through a one-to-one mapping but must be changed or combined in a complex manner. A final example shows the use of the method and the technical feasibility. Here, a representative but fictitious example from industry is built up at the data level. All newly developed data standards are applied, and the data transformation rules are used. The example shows that an automated transition from planning to operation is possible. It is crucial that the results of this work are incorporated into standardization and standardization so that new data standards and data transformations can be made available to all tool manufacturers.