14. Konzept für die automatisierte Planung von Montagesystemen

Die Digitalisierung transformiert schrittweise die moderne Produktion und führt kontinuierlich zu erheblichen strukturellen Veränderungen, die sich nicht nur in der Betriebsphase einer Fabrik ausprägen, sondern auch in der Entwicklungsphase. Entwicklungsschritte, die früher ausschließlich manuell durchgeführt wurden, erfolgen heutzutage über Softwarelösungen mithilfe digitaler Modelle. Im Kontext von Montagesystemen sind diese trotz aller technologischen Fortschritte in der Entwicklung und Auslegung sowie der Digitalisierung von Produktionsprozessen noch weit von den Vorstellungen der vierten industriellen Revolution entfernt.

Die primäre Anwendung von Montagesystemen befindet sich in der Massenproduktion, welche eine geringe Produktvielfalt erfordert. Die hohe Individualisierung von Produkten stellt jedoch einen der relevanten Trends dar, der mit dem Paradigma Industrie 4.0 einhergeht [1]. Dies repräsentiert nicht nur einen der ausschlaggebenden Aspekte von Industrie 4.0, sondern resultiert ebenfalls in einer Herausforderung für die Produktionsplanung und -steuerung. Mit der steigenden Großserienproduktion von individualisierten Produkten müssen auch die Montagesysteme zunehmend flexibler werden. Um dieser Forderung der Flexibilität nachzukommen, bedarf es einem Assistenzsystem zur Entscheidungsfindung bei der Montage und Planung. In diesem Kontext ist ein Assistenzsystem ein digitales Werkzeug, das einen Ingenieur während der Systementwicklung unterstützt. Das Assistenzsystem kann manuell sein und nur eine grafische Oberfläche (GUI) für die Entwicklungswerkzeuge bieten, oder es kann automatisiert sein und dem Ingenieur Schritte abnehmen und Informationen für die Entscheidungsfindung bereitstellen. Ein vollautomatisiertes Assistenzsystem zur Entscheidungsfindung als Komponente der computergestützten Produktionsplanung stellt einen der fehlenden Bausteine für eine kosteneffiziente Prozesskette zur individuellen Produktgestaltung dar. Allerdings bleibt eine allgemein anwendbare und automatisierte Entscheidungsunterstützung derzeit eine ungelöste Herausforderung, denn bislang kommen nur Teillösungen in sehr begrenzten Anwendungsfällen zum Einsatz [2, 3].

Model-Based Systems Engineering (MBSE) gilt als vielversprechender Lösungsansatz für dieses Problem. MBSE nutzt die iterative Kombination interdisziplinärer Aktivitäten, um ein zentrales Modell des Zielsystems zu entwickeln. Der Einsatz von umfassenden Modellen und Simulationen für Montagesysteme unter Berücksichtigung ihrer Produktanforderungen kann eine Lösung für die automatisierte Planung bieten.

In diesem Beitrag wird ein Konzept zur automatisierten Entwicklung, Planung und Validierung von Montagesystemen unter Verwendung eines MBSE-Ansatzes vorgestellt. Das Konzept befasst sich mit der automatisierten Erkennung von Auslegungsvarianten auf Basis der Produkt-, Prozess- und Ressourcenbeschreibung. Ein besonderer Fokus liegt dabei auf der Ressourcenauswahl und der Validierung der Implementierung des Montageprozesses. Dazu wird im Folgenden ein Überblick über die Grundlagen und den Stand der Technik gegeben, auf dessen Basis ein Konzept definiert wird.

Die Montage kann in der industriellen Fertigung als die Gesamtheit aller Vorgänge für den Zusammenbau von unterschiedlichen Komponenten mit geometrisch bestimmter Form zu einem Produkt definiert werden [4]. Mit zunehmender Individualisierung der Produkte wird der Komplexitätsgrad der Produkte stark beeinflusst. Der Komplexitätsgrad umfasst die statischen und dynamischen Produkteigenschaften und die Vielzahl der Beziehungen zwischen diesen einzelnen Eigenschaften [5]. Im Kontext der Montage sind dies nicht nur Eigenschaften der Produktkomponente (z. B. deren Form oder Material), sondern auch die Art der Verbindung zwischen Komponenten und die Art der Montageprozesse. Auf diese Weise lässt sich bei zunehmender Individualität der Produkte nicht nur eine Zunahme in der Montagekomplexität beobachten, sondern die ausgeführten Prozesse sowie die benötigten Ressourcen weisen ebenfalls einen stetig steigenden Komplexitätstrend auf, was den allgemeinen Komplexitätsgrad bei der Montageplanung erhöht. Für die Hersteller von Montagesystemen stellt es eine Herausforderung dar, hoch individualisierte Produkte mit einer bestehenden Maschinenkonfiguration oder mit minimalem Umrüstungsaufwand herstellen zu können. Um diesen Anforderungen gerecht zu werden, kommen häufig Mixed-Model-Montagesysteme zum Einsatz. Mixed-Model-Montagesysteme erlauben es, mehrere Produktmodelle ohne oder mit minimaler Rekonfiguration des Montagesystems zu bauen. Diese Systeme sind jedoch hochkomplex und erfordern einen hohen Aufwand bei der Planung und Konstruktion.

Das Systems Engineering (SE) bildet eine etablierte Methode für den Entwurf und die Entwicklung von solchen komplexen Systemen. Systems Engineering integriert alle Disziplinen, die zur Systementwicklung gehören, zu einem strukturierten Entwicklungsprozess und berücksichtigt sowohl die wirtschaftlichen als auch die technischen Aspekte [6]. Es konzentriert sich auf die Definition der Kundenbedürfnisse und der erforderlichen Funktionalität zu einem frühen Zeitpunkt im Entwicklungszyklus, die Dokumentation der Anforderungen und die anschließende Durchführung der Designsynthese sowie der abschließenden Systemvalidierung. Das Ziel des Production Systems Engineering (PSE) Ansatzes ist es, automatisierte Produktionssysteme zu erstellen. Mit dem aktuellen Digitalisierungstrend und der Vision von Industrie 4.0 etabliert sich der Ansatz des MBSE für das Production Systems Engineering, der auf der Definition von Datenmodellen basiert, begleitet von Metamodellen und Metametamodellen. Eine solche mehrstufige Modellierung ermöglicht nicht nur die Wiederverwendung und Generierung von Modellen, sondern auch die Konsistenz zwischen multidisziplinären Modellen und die effiziente Nachvollziehbarkeit von Entscheidungen und Modelländerungen. Im Zusammenhang mit PSE ist MBSE gut geeignet, um die zunehmende Komplexität der modernen hochautomatisierten Montage zu bewältigen.

Eine der größten Konsequenzen der steigenden Komplexität in der Montage ist der zunehmende Aufwand in der Montageplanung sowie in der Verwaltung der notwendigen Datenmodelle, die diese Montageprozesse abbilden. Datenmodelle für Produkt, Montageprozesse und Ressourcen müssen jegliche erforderlichen Informationen enthalten, um eine Montageplanung effizient und wiederverwendbar zu ermöglichen. Im Zusammenhang mit der Montage kann der MBSE-Ansatz mehrere Vorteile, insbesondere in der Planungsphase [7, 8], generieren:

Die Montageplanung ist eine Auslegungsplanung des Montagesystems. Die Auslegungsplanung des Montagesystems umfasst die räumliche Anordnung der Betriebsmittel, berücksichtigt die Montagestrukturtypen sowie Organisationsformen der Montagtätigkeiten und ist stark vom eigentlichen Montageprozess sowie dessen Automatisierungsgrad abhängig. Die Montageplanung erfolgt in den vier Phasen: Konzept, Grobplanung, Feinplanung und Validierung (Abb. 14.1).

Die Konzeptphase umfasst die erste Planungsstufe der Entwicklung eines Montagesystems. Dies umfasst beispielsweise das Festlegen der Ziele sowie der Anforderungen an das Montagesystem. Systembeschränkungen, wie z. B. das vorhandene Budget oder die verfügbaren Hallenflächen für den gesamten Montageprozess, werden erfasst. Darüber hinaus werden alle nötigen Planungsdaten beschafft, das zu erzeugende Produkt dargestellt und die Aufgaben der Systementwicklung festgelegt. Falls ein bereits vorhandenes Montagesystem umgeplant werden muss, wird eine Situationsanalyse des IST-Zustandes dieses Montagesystems durchgeführt.

In der Grobplanungsphase werden Arbeitsabläufe festgelegt, Montagestrukturen entwickelt, Montageabschnitte gebildet und zusätzlich mögliche alternative Montagesysteme herausgearbeitet. Hierzu wird ein technisches Verständnis über den Montageprozess und die Fähigkeiten der Betriebsmittel benötigt. Darüber hinaus erfolgt die Ressourcenauswahl, die Bewertung und Auswahl der herausgearbeiteten Lösungsvarianten sowie das Berechnen der zur Montagesystem-Ausbringung notwendigen Hallenflächen und Montagekosten.

In der Feinplanungsphase erfolgt die detaillierte Ausarbeitung des Gesamtsystems und dessen Teilsysteme. In dieser Phase werden auch die Ablaufplanung und die Austaktung des Montagesystems sowie die Optimierung des resultierenden Layouts vorgenommen.

Im Planungsschritt der Validierung werden alle notwendigen und möglichen Simulationen durchgeführt, um die Korrektheit der Planung zu überprüfen. Dies erstreckt sich von der Simulation einer einzelnen Arbeitsstation und des Arbeitstakts bis hin zur Simulation des gesamten Montagesystems. In diesem Schritt werden Simulationsmodelle für die Virtuelle Inbetriebnahme erstellt. Auf Basis dieser Simulationen werden Analysen durchgeführt, welche das Optimierungspotenzial eines Montagesystems offenlegen. Auf Grundlage dieser Erkenntnisse lassen sich Fehler beheben und Prozesse neu ausrichten, ohne dass das Montagesystem physisch existieren muss.

Die Auslegungsplanung eines Montagesystems wird zum jetzigen Zeitpunkt mit einem geringen Automatisierungsgrad durchgeführt, wodurch hohe Kosten aufgrund des Bedarfs an qualifiziertem Personal sowie des zur Durchführung benötigten Platzbedarfs resultieren.

Für die umfassende Darstellung der Forschungslücken im Bereich der Montageplanung werden im Folgenden alle vier Phasen des Planungsprozesses in Bezug auf den aktuellen Stand der Technik beleuchtet (Abb. 14.2).

In der Konzeptphase werden die Produktionsbeschränkungen, der Grad der Flexibilität und Automatisierung des zu entwickelten Montagesystems definiert. Die zentrale Rolle spielt aber das Produkt, seine Struktur und dessen Montagesequenzen. Die vorliegenden Informationen über die Produktstruktur und die Sequenzierung der Montage bestimmen den Automatisierungsgrad in diesem Schritt. Die geometrischen Informationen über das Produkt werden mit einem Computer-Aided-Design-(CAD) Programm erstellt und können in Formaten wie STEP, IGES, Collada, JT oder STL exportiert werden. In dieser Repräsentationsform beinhaltet das Produkt Bauteile und Merkmale, die für den Planungsprozess verwendet werden können. Grundsätzlich können die Produktmerkmale in Low-Level- und High-Level-Merkmale unterschieden werden [9]. Die Low-Level-Merkmale beziehen sich auf die geometrischen und topologischen Merkmale von Bauteilen. High-Level-Merkmale werden als Kombination von Low-Level-Merkmalen und deren Beziehungen untereinander für spezifische Anwendungen, wie der hier fokussierten Montage beschrieben. In CAD-Formaten gehen die High-Level-Informationen wie etwa die Montageinformationen vollständig verloren, da die CAD-Daten keine funktionalen semantischen Informationen enthalten [10]. Diese funktionale semantische Montageinformationen bilden High-Level-Merkmale, können aber nur indirekt aus den Low-Level-Merkmalen ermittelt werden.

Um die CAD-Darstellung um High-Level-Montagemerkmale zu erweitern, existieren mehrere Ansätze: Montagegraphen [11], Merkmalsgraph der Einschränkungstoleranz [12], Erweiterter Graph der Einschränkungstoleranz [13], Enriched Assembly Model [14], graphen-basierter Entwurfssprachen-Ansatz [15, 16].

Es existiert eine Vielzahl von Formaten für die Darstellung von Montagesequenzen wie zum Beispiel, Assembly-Tree, gerichtete Graphen, Liaison-Graphen, Vorrangsgraphen [17]. Hierbei sticht hervor, dass jeder dieser Formate ein graphenbasiertes Datenmodell zugrunde legt.

Bei den Montagesequenzen existiert ein breites Spektrum an Arbeiten, die sich mit der Generierung von Sequenzen durch die Analyse der geometrischen Informationen befassen [17, 18, 19]. Zahlreiche Arbeiten präsentieren sowohl Teillösungen, die z. B. Beziehungen zwischen Komponenten extrahieren oder nur einfache Montageabläufe generieren, als auch Komplettlösungen, die aus den Produktbeschreibungen automatisch detaillierte Montagesequenzen generieren.

Das Hauptproblem in der Konzeptphase ist die Darstellung der Produktstruktur und die Möglichkeit, die montagespezifischen Informationen darzustellen. Die Bereitstellung dieser Daten wird auch in der Grobplanungsphase kritisch, denn die Ressourcenauswahl basiert auf den daraus abgeleiteten Prozessbeschreibungen.

Zu den Ressourcen gehören alle Betriebsmittel des Montagesystems. Die Betriebsmittel sind mechatronische Systeme, die sich im Kontext von Industrie 4.0 zu Produktionsmodulen und in der Folge zu cyber-physischen Systemen (CPS) weiterentwickeln. CPS-Module können als Integration von Hard- und Software zu einem intelligenten System definiert werden, das über Sensoren und Aktoren in Echtzeit mit der physikalischen Welt kommunizieren kann [20].

Im Zusammenhang mit der Betriebsmittelsimulation wird oft der Digitale Zwilling erwähnt. Der Begriff „Digitaler Zwilling“ ist mehrdeutig und kann auf unterschiedliche Weise definiert werden [21]. In diesem Beitrag wird ein Digitaler Zwilling als ein digitales Abbild eines CPS betrachtet, „das dessen Eigenschaften, Zustand und Verhalten durch Modelle, Informationen und Daten erfasst“ [22]. Digitale Zwillinge können bereits in der Entwicklungsphase zum Testen und Validieren eingesetzt werden. Um dies zu erreichen, können in verschiedenen Entwicklungsstadien Model-in-the-Loop Simulationen (MiLS), Software-in-the-Loop Simulationen (SiLS) und Hardware-in-the-Loop Simulationen (HiLS) verwendet werden. Bei einer MiLS wird ein Modell des Steuerungssystems in Verbindung mit einem Modell des zu steuernden Systems (Anlagenmodell) simuliert, um die Gültigkeit der konzeptionellen Steuerungslösung zu bewerten [23]. Bei einer SiLS wird der Steuerungscode in der Zielsteuerungsumgebung in Verbindung mit der simulierten Anlage ausgeführt. Bei einer HiLS ist das reale Steuerungssystem über die reale Kommunikationsperipherie mit einer virtuellen Maschine verbunden [24]. Diese Methoden können in der Validierungsphase eingesetzt werden, wenn Simulationsmodelle des resultierenden Montagesystems erstellt werden. Aber bereits in der Grobplanungsphase kann die MiLS und SiLS zur Validierung als Teil des Ressourcenauswahlprozesses durchgeführt werden. Das Hauptziel des Ressourcenauswahlprozesses ist es, die CPS zu identifizieren, die in der Lage sind, den jeweiligen Prozess auszuführen und die Korrektheit der Implementierung zu überprüfen.

Die überwiegende Mehrheit an Arbeiten, die sich mit der Darstellung von Ressourcenfähigkeiten und Montageprozessen beschäftigen, konzentrieren sich auf die Ausführung von Fähigkeiten, jedoch wird die strikte Kopplung zwischen den Fähigkeiten und dem jeweiligen Montageprozess selten tiefergehend beleuchtet [17, 25, 26, 27]. Die Modelle für Montageprozesse sind in der Regel eng mit Fähigkeitsmodellen gekoppelt, beziehungsweise werden durch dasselbe Modell dargestellt. Diese enge Kopplung schafft eine Einschränkung innerhalb des Ressourcenauswahlprozesses. Der Mangel an flexiblen oder generalisierbaren Lösungen führt dazu, dass dieser Schritt in der Regel manuell von Experten durchgeführt wird. Bei Lösungen, bei denen die Ressourcenauswahl automatisiert erfolgen kann, werden die Fähigkeit und der Montageprozess durch das gleiche Modell dargestellt. Wenn in diesem Fall ein Prozess auf logisch unterschiedliche Weise implementiert werden kann (z. B. durch verschiedene Maschinentypen, Roboter mit einem Greifer und einer dedizierten Station), muss der Prozess für verschiedene Fälle durch ein unterschiedliches Modell dargestellt werden. Dies führt dazu, dass nicht alle Maschinen, die den Prozess implementieren können, identifiziert werden können.

Für die Auslegungsdarstellung existieren textbasierte, tabellenbasierte, XML-basierte, geometriebasierte und grafikbasierte Ansätze [28]. In der Arbeit von Laemmle et al. in [28] wird ein Simulationsmodell als Darstellung des Montagesystem-Layouts erzeugt. Ein solcher Ansatz ermöglicht die direkte Validierung des Layouts unter Verwendung des generierten Modells in der Simulation. Der Ansatz beinhaltet jedoch keine Methodik für die Ressourcenauswahl. In der Arbeit von Michniewicz [2] wurde ein Ansatz für das automatisierte Layout-Entwicklung entwickelt, der eine Methodik zur Ressourcenauswahl beinhaltet. Der Montageprozess und die Fähigkeiten werden durch gekoppelte Modelle dargestellt, die von derselben Klasse vererbt werden. Um die Kompatibilität zwischen den Fähigkeiten und Prozessen zu finden, wird ein Baumdiagramm verwendet, das für die Ressourcenauswahl hierarchisch analysiert wird. Der resultierende Ansatz benötigt zudem eine Nutzerinteraktion und ist nicht vollständig automatisiert. Ein auf den Arbeiten von Michniewicz [2] und Backhaus [25] basierendes Konzept stellen Leiber et al. in [29] vor. Dieses Konzept beinhaltet einen Algorithmus zur Ressourcenauswahl, der auf einer hierarchischen Analyse der Prozess- und Fähigkeitsbeschreibung basiert. Der Ansatz beinhaltet einen genetischen Algorithmus zur Montagesystem-Layout-Generierung, berücksichtigt jedoch keine unterschiedlichen Organisations- und Strukturformen der Montagesysteme. Diese werden zu Beginn des Planungsprozesses vordefiniert. Die Logistik und ihre Transportelemente werden ebenfalls in vereinfachter Form berücksichtigt. Alle drei Arbeiten sind zudem auf Roboterzellen beschränkt.

Die bestehenden Ansätze zur automatisierten Layout-Entwicklung haben mehrere große Lücken, die weiter erforscht werden müssen. Eine davon ist die enge Kopplung von Fähigkeiten und Montageprozessen. Zudem berücksichtigen bestehende automatisierte Ansätze auch nicht die verschiedenen Montagestrukturtypen und Organisationsformen von Montagesystemen. Es existiert keine verallgemeinerte automatisierte Methodik zur Ressourcenauswahl.

In der Feinplanungsphase wird aus der in der Grobplanungsphase definierten Layout-Struktur ein Layout erstellt. Für das resultierende Layout können die Abläufe geplant werden. Zur Optimierung des Layouts und dieser Ablaufplanung wird die Austaktung des Montagesystems verwendet. Die Austaktung ist der am meisten erforschte Bereich im Kontext der Montage, der auch heute noch ein relevantes Forschungsthema ist.

Zusammenfassend ist die Automatisierung des Montageplanungsprozesses ein relevantes Thema. Die Automatisierung würde es ermöglichen, die Zeit und in der Folge auch die Kosten, die für die Planung von Montagesystemen notwendig sind, drastisch zu reduzieren. Die etablierten Ansätze zeigen, dass die Simulation zur Validierung des resultierenden Systems genutzt werden kann, aber es die Entwicklung umfassender Simulationsmodelle erfordert. Die automatisierte Generierung der entsprechenden Simulationsmodelle für Montagesysteme stellt weiterhin eine Herausforderung dar. Ein MBSE-basierter Ansatz, der die Logistik und eine umfassende Ressourcenauswahl berücksichtigt, kann eine Lösung für dieses Problem darstellen.

Das Konzept für ein System zur automatisierten Planung von Montagelinien ist in Abb. 14.3 dargestellt und umfasst alle vier Phasen der Montageplanung.

Die Automatisierung der Montageplanung ermöglicht es, das Layout des Montagesystems schneller zu erstellen, zu validieren und Simulationsmodelle für die Virtuelle Inbetriebnahme zum früheren Zeitpunkt zu generieren. Das resultierende Simulationsmodell des Montagesystems kann innerhalb der MiLS, SiLS und HiLS getestet und zur Virtuellen Inbetriebnahme verwendet werden. Das Gesamtergebnis ist ein vollständig entwickeltes und validiertes Montagesystem, das gebaut und für die Produktion eingesetzt werden kann.

Als Anwendungsszenario soll eine Montage betrachtet werden, bei der ein Produkt, das aus Unterteil, Oberteil und verbindenden Bolzen besteht, durch einen Pick-and-Place-Prozess montiert wird. Als CPS-Module werden eine Montageanlage in Kombination mit einem Roboter betrachtet. Die Nutzung der Montageanlage in Verbindung mit einem Roboter wird als Anwendungsfall ausgewählt, um die Integration von Robotik und Fertigungsanlagen zu untersuchen und die Vorteile und Herausforderungen dieser Kombination zu identifizieren. Insbesondere wird untersucht, wie die Fähigkeiten heterogener Maschinen im Rahmen des Montageplanungsprozesses berücksichtigt werden können.

Die Lukas Nülle Montageanlage am ISW (Abb. 14.4) ist eine modulare Fertigungsanlage, die aus klar definierten Modulen besteht. Jedes Modul besteht aus einem Fließband, auf dem eine Fertigungseinheit aufgebaut werden kann. Diese Fertigungseinheit interagiert mit dem Werkstückträger, der durch das Fließband transportiert wird. Die Fertigungseinheit kann eine Komponente hinzufügen, manipulieren oder montieren, wodurch verschiedene Fertigungsfähigkeiten für ein bestimmtes Produkt konfiguriert werden können. Die Module besitzen standardisierte Schnittstellen, um in eine Steuerungsarchitektur integriert zu werden.

Trotz des modularen Aufbaus erfordert die Anlage eine manuelle Integration einzelner Module und eine individuelle Prüfung der Fertigbarkeit durch einen Menschen. Die standardisierten Schnittstellen müssen in einer übergeordneten Steuerungsarchitektur mit einer Zustandsüberwachung und einer Prozessablaufsteuerung zusammengeführt werden. Bauteile müssen auf ihre Kompatibilität mit den Fertigungsstationen geprüft werden und es fehlt eine Abschätzung von Key Performance Indicators (KPIs) der einzelnen Module. Die KPIs sollen anschließend für die Layout-Generierung und -Optimierung sowie Montageprozessausgleich verwendet werden.

Der Franka Emika Panda (Abb. 14.5) ist ein industrieller Roboterarm, der für die Automatisierung von Fertigungsprozessen und Materialtransporten verwendet werden kann. Der Panda wurde für die kollaborative Robotik entwickelt und besteht aus sieben Gelenken und verfügt über eine integrierte Steuerung mit Schnittstellen, die es ihm ermöglicht, direkt über einen Standard-Computer programmiert zu werden. Er kann auch mit verschiedenen Werkzeugen und Greifern für Pick-and-Place-Operationen ausgestattet werden. Es existieren zahlreiche Softwarewerkzeuge für die Bahnplanung, Programmierung, Simulation und Steuerung des Roboters, die eine flexible Integration mit der Montageanlage ermöglichen.

Die Integration des Roboters in die Montageanlage ermöglicht es, die Bandbreite produzierbarer Teile durch das Hinzufügen von Nicht-Standardelementen zu erweitern, die die Montagestationen der vorhandenen Anlage nicht verwenden oder handhaben können. Diese Integration stellt jedoch Herausforderungen an die Planung des Layouts der Anlage und den automatisierten Auswahlprozess der Ressourcen dar, da der Roboter und die Montagestationen, wenn sie in Kombination mit dem Förderbandmodul eingesetzt werden, im Grunde dieselbe Funktion erfüllen könnten, jedoch auf unterschiedliche Art und Weise. Abb. 14.6 zeigt ein Beispiel für die unterschiedlichen Beschreibungen der Pick-and-Place-Fähigkeit. Um die Pick-and-Place-Operation auszuführen, bewegt sich der Roboter hin zum Teil, greift es, bewegt sich zur Zielposition und platziert es dort. Die Montagestation hingegen ist ortsabhängig und das Förderband befördert das Teil zur Zielposition, wo die Montage stattfindet.

Die Auswahl der geeigneten Anlagenkomponenten aus einer Reihe von Anlagenkomponenten mit den gleichen Fähigkeiten erfordert eine Validierung der Implementierung des Montageprozesses durch Simulation. Das Konzept des Digitalen Zwillings kann hier als hilfreiches Werkzeug dienen, um die Montageprozesse und resultierenden Layouts zu validieren. Mithilfe des Digitalen Zwillings können die CPS-Module automatisiert komponiert werden, indem ein Fähigkeitsmodell für die Prozessfähigkeit erstellt wird, um die Ablaufhierarchie darzustellen. Durch eine Physiksimulation kann der Fertigungsprozess von einzelnen Stationen und den verwendeten Bauteilen auf Korrektheit überprüft werden. Auch die Parametrisierung einzelner Stationen kann durch Simulationen optimiert werden.

Das zuvor beschriebene Konzept wurde auf dieses Anwendungsszenario angewandt und nutzt den digitalen Zwilling für MiLS und SiLS des Pick-and-Place-Prozesses und der anschließenden Erstellung des Layouts. Gemäß dem Konzept wurde eine Plattform für die Benutzeroberflächen entwickelt, um alle für die Konzeptphase der Montageplanung erforderlichen Daten zu sammeln. Die entwickelte Plattform ermöglicht das Hochladen von CAD-Daten für die zu produzierenden Produkte, die Definition ihrer Struktur in graphenbasierter Form sowie das Hinzufügen von Beschränkungen für den Planungsprozess und die Auswahl von Anlagenkomponenten aus einer Datenbank, indem sie speziell entwickelte Modelle für die Produktstruktur und die Produktionsbeschränkungen nutzt. Abb. 14.7 zeigt die Benutzeroberfläche der Plattform, auf der der Benutzer ein Montageplanungsprojekt erstellen, Produkte mit ihren CAD-Daten und Dokumentation hinzufügen, Teile des zu montierenden Produkts (innerhalb der Plattform als Assets bezeichnet) hinzufügen und Vorlagen für die Produktbeschreibung verwalten kann, wie zum Beispiel Standardformmerkmale und Beziehungen. Die Plattform ermöglicht die Erstellung einer graphenbasierten Beschreibung der Produktmerkmale auf der Grundlage der Produktdaten. Wie im vorausgegangenen Konzept erwähnt, wird dieser Graph um Prozessbeschreibungen erweitert. Diese Prozessbeschreibungen werden in einer Datenbank für Prozessvorlagen gespeichert und unter Verwendung eines speziellen Datenmodells definiert, das mit dem Datenmodell der Maschinenfähigkeiten kompatibel ist [31]. Der resultierende Graph wird für die anschließende Auswahl der Ressourcen und Planung des Layouts verwendet [32].

Die Datenbank der Anlagenkomponenten enthält semantische Beschreibungen der verfügbaren Anlagen und Geräte, die anhand eines speziell entwickelten semantischen Metamodells erstellt wurden [33]. Diese Beschreibungen dienen als Basis für die Instanziierung einer Asset-Verwaltungsschale. Die Asset-Verwaltungsschale stellt eine technologische Komponente einer Industrie 4.0-Anwendung laut RAMI 4.0 (Reference Architecture Model for Industry 4.0) [34] dar und ist für die Verwaltung und Steuerung von Ressourcen und Diensten verantwortlich.

Die Asset-Verwaltungsschale von CPS-Modulen für dieses Anwendungsszenario besteht aus Komponenten für Steuerung, Verhalten, Visualisierung, Verwaltung, Konfiguration, Kommunikation und Analyse sowie einem Fähigkeitsregister mit einer Datenbank für die Fähigkeiten der Anlagenkomponenten. Die Fähigkeiten werden mithilfe eines graphenbasierten Datenmodells beschrieben (wie es bereits in vereinfachter Form in der Abb. 14.6 dargestellt wurde), das verschiedene Abstraktionsebenen nutzt, um die Maschinenfunktionalität zu beschreiben [31, 35]. Die unterste Ebene, die aus nicht-trennbaren (atomaren) Operationen besteht, ist maschinenspezifisch und wird für die Codegenerierung für eine spezifische Maschine verwendet. Die höheren Abstraktionsebenen definieren logische Schritte innerhalb des Montageprozesses. Um Konsistenz und Interoperabilität einzuführen, werden atomare Operationen als OPC UA Programme modelliert. Dies ermöglicht es, atomare Operationen für jede Maschine vorab zu programmieren und einen Steuercode als Sequenz des Methodenaufrufs von OPC UA Programmen durch den OPC UA Client zu erzeugen. Solche Fähigkeitsbeschreibungen ermöglichen die Generierung von Steuerungscode für das Maschinensimulationsmodell für MiLS und SiLS.

Die Komponenten der Verwaltungsschale enthalten alle notwendigen Informationen für die Erstellung der Simulationsmodelle. Abb. 14.8 zeigt die Struktur der Verwaltungsschale des verwendeten Roboters.

Die Verwaltungskomponente enthält Skripte, die zur Ausführung der Simulationen in Containern verwendet werden. Ein Container ist eine Form der Virtualisierung, die es ermöglicht, Anwendungen in einer einheitlichen, portablen und wiederverwendbaren Form bereitzustellen und zu verwalten. Der verwendete Roboter wird mithilfe von Gazebo [36] und der MoveIt-Software [37] simuliert. Gazebo ermöglicht die Trennung von Simulationsserver und webbasierter Visualisierung, die der separaten Struktur der Verhaltens- und Visualisierungskomponenten folgt. Für die MiLS ist es möglich, Steuercode aus der abstrakten Fähigkeitsbeschreibung zu generieren und das MoveIt Commander Scripting zur Steuerung des simulierten Roboters zu verwenden. Für die SiLS wurde ein OPC UA Server mit den entsprechenden OPC UA Programmen implementiert.

Ein ähnlicher Aufbau der Verwaltungsschale gilt auch für die Module der verwendeten Montageanlage. Für MiLS wurden in diesem Fall Skripte innerhalb von ROS [38] verwendet. Für die SiLS wurde ebenfalls ein OPC UA Server implementiert. Als MiLS ist es möglich, das Simulationsmodell mithilfe von OPC UA-Programmen zu testen, die die richtigen Servervariablen verwenden, bevor der endgültige SPS-Code generiert wird. Der SPS-Code kann mit der TwinCAT-Software innerhalb von SiLS getestet werden.

Die beschriebene Implementierung dient als Basis für die Validierung der Montageplanung. Die Kombination aus der Produktbeschreibung und dem generierten Simulationsmodell für eine Maschine ermöglicht es, einzelne Schritte des Montageprozesses auszuführen und an einer bestimmten Maschine zu validieren. Wenn die MiLS für alle Schritte der Produktmontage erfolgreich ausgeführt wurde, ist es möglich, für jeden Schritt die zuständige Maschine zu identifizieren, Code für die SiLS zu generieren und diesen auszuführen, um die KPIs der resultierenden Durchführung in der Analysekomponente der Verwaltungsschale zu speichern.

Der resultierende Graph mit den zugehörigen Maschinen definiert eine Grundstruktur des Layouts des Montagesystems. Mithilfe der Geometriedaten und KPIs können die Module in der Layout-Struktur kombiniert werden. Aus dieser Layout-Struktur kann ein Simulationsmodell der gesamten Montageanlage innerhalb eines Simulationsmodells erstellt werden, wenn alle Maschinen mit derselben Software simuliert wurden. KPIs von Einzelschrittsimulationen in einer SiLS können abschließend für die Optimierung des Layouts verwendet werden.

In diesem Beitrag wird ein Konzept für ein automatisiertes Montageplanungssystem unter Verwendung des MBSE-Ansatzes vorgestellt. Das Hauptziel dieses Konzepts ist es, die Schritte des Montageplanungsprozesses zu automatisieren, die normalerweise manuell von Experten durchgeführt werden. In einem nächsten Schritt soll das Konzept um Bibliotheken der CPS-Module erweitert werden. Derzeit werden die Modelle manuell erstellt und strukturiert. Zukünftig sollen die Modelle in einer Bibliothek abgelegt und wiederverwendet werden, um andere Maschinen und Anlagen damit beschreiben zu können. Zusätzlich besteht durch den Trend der Digitalisierung und Industrie 4.0 die Aussicht, dass bereits in naher Zukunft Anlagenmodelle von den Herstellern der Betriebsmittel bereitgestellt werden.

Das vorgestellte System zur automatisierten Planung von Montagelinien führt die derzeit manuell ausgeführten Schritte, wie z. B. die Ressourcenauswahl automatisiert durch. Der Ressourcenauswahlprozess verwendet ein abstraktes Modell des Montageprozesses und ein detailliertes Fähigkeitsmodell, um alle möglichen Lösungen für die Ressourcenauswahl zu identifizieren. Um den Ansatz der Ressourcenauswahl richtig zu bewerten, werden mehrere Evaluierungsszenarien vorbereitet. Sie beinhalten Produkte mit unterschiedlichem Komplexitätsgrad und einen Satz von Maschinen mit unterschiedlichen Fähigkeiten. Das vorgestellte Konzept ist ein Work in Progress und befindet sich derzeit in der Implementierungsphase und wird als Assistenzwerkzeug mit webbasierter Benutzungsschnittstelle umgesetzt.