Skip to main content
main-content

Über dieses Buch

Das Buch beschreibt die Ergebnisse des Querschnittsprojekts „Selbstoptimierung“ des vom BMBF geförderten Spitzencluster-Projekts „Intelligente Technische Systeme OstWestfalenLippe“ (kurz: it’s OWL).

Die Entwicklung der Informations- und Kommunikationstechnik eröffnet neue Perspektiven für intelligente technische Systeme, die hohen Kundennutzen stiften. Diese Systeme sind in der Lage, sich ihrer Umgebung und den Wünschen ihrer Anwender im Betrieb anzupassen. Für den Innovationssprung von der Mechatronik hin zu selbstoptimierenden Systemen wird Expertise aus den Gebieten Maschinelles Lernen, mathematische Optimierungsverfahren, Regelungstechnik und Condition Monitoring benötigt.

Zielsetzung des Cluster-Querschnittsprojekts Selbstoptimierung war ein Instrumentarium zur Planung und Entwicklung von selbstoptimierenden Produkten und Produktionssystemen. Dieses soll die Entwickler in den Unternehmen bei der Realisierung von Ansätzen der Selbstoptimierung praxisgerecht unterstützen. Das vorliegende Buch stellt das erarbeitete Instrumentarium mit den entsprechenden Schwerpunkten im Detail vor. Dabei werden die wesentlichen Grundlagen der jeweiligen Fachgebiete gezeigt und die methodische Umsetzung anhand von Praxisbeispielen aus dem Spitzencluster erläutert.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einführung

Globalisierung, demografischer Wandel und Ressourcenknappheit verändern unsere Lebens- und Arbeitsbedingungen und stellen hohe Anforderungen an die Innovationskraft der heimischen Industrie. Im Technologienetzwerk Intelligente Technische Systeme OstWestfalenLippe – kurz it’s OWL – werden innovative Produkte und Dienstleistungen für die Märkte von morgen erarbeitet. Weltmarktführer und „Hidden Champions“ aus dem Maschinenbau, der Elektro- und Elektronikindustrie und dem Bereich der Automobilzulieferer arbeiten dabei eng mit Spitzenforschungseinrichtungen zusammen. Denn der Innovationserfolg stellt sich ein, wenn sich Market Pull und Science Push treffen. In 50 Projekten mit einem Gesamtvolumen von rund 100 Mio. EUR (Laufzeit von 2012 bis 2017) werden intelligente Produkte und Produktionssysteme entwickelt. Zielsetzung des Cluster-Querschnittsprojekt Selbstoptimierung ist ein Instrumentarium zur Planung und Entwicklung von selbstoptimierenden Produkten und Produktionssystemen. Das Instrumentarium soll die Entwickler (Im Folgenden wird in der maskulinen Form geschrieben und zwar ausschließlich wegen der einfachen Lesbarkeit. Wenn beispielsweise von Entwicklern, Entscheidungsträgern und Managern die Rede ist, sind selbstredend auch Entwicklerinnen, Entscheidungsträgerinnen und Managerinnen gemeint.) in den Unternehmen bei der Realisierung von Ansätzen der Selbstoptimierung praxisgerecht unterstützen. Vor diesem Hintergrund wird in diesem Kapitel zunächst der Spitzencluster it’s OWL vorgestellt. Nachfolgend wird gezeigt, wie das Cluster-Querschnittsprojekt Selbstoptimierung im Spitzencluster eingebettet ist und welche Schwerpunkte und Zielsetzungen im Fokus des Projekts stehen.
Roman Dumitrescu, Jürgen Gausemeier, Peter Iwanek, Christopher Lüke, Ansgar Trächtler

Kapitel 2. Paradigma der Selbstoptimierung

Die Entwicklungen im Bereich der Informations- und Kommunikationstechnik eröffnen vielfältige neue Möglichkeiten, um intelligente technische Systeme zu realisieren und damit erhöhten Nutzen beim Kunden zu stiften. Diese Systeme sind in der Lage, sich ihrer Umgebung und den Wünschen ihrer Anwender im Betrieb anzupassen. Systeme aus diesem Bereich werden nicht mehr durch rein ingenieurwissenschaftliche Ansätze entstehen (Dumitrescu in Entwicklungssystematik zur Integration kognitiver Funktionen in fortgeschrittene mechatronische Systeme. Dissertation. Universität Paderborn, Paderborn, 2011). Vielmehr werden verstärkt Ansätze aus den Bereichen des maschinellen Lernens oder der mathematischen Optimierung ihre Berücksichtigung finden (Isermann in Mechatronische Systeme: Grundlagen. Springer, Berlin, 2008, Iwanek et al. in Tagungsband der VDI Mechatroniktagung, 185–190, 2015). Im folgenden Abschnitt wird zunächst der Innovationssprung von der Mechatronik hin zu selbstoptimierenden Systemen beschrieben. Nachfolgend wird die Architektur selbstoptimierender Systeme vorgestellt. Zudem wird in diesem Kapitel gezeigt, wie die Strategische Planung und integrative Entwicklung von selbstoptimierenden Produkten und Produktionssystemen gestaltet ist. In diesem Zuge werden auch verschiedene Vorgehen zum Realisieren von Ansätzen der Selbstoptimierung eingeordnet. Das Kapitel schließt mit der Vorstellung von Anwendungsbeispielen aus dem Kontext derbo Selbstoptimierung.
Jürgen Gausemeier, Peter Iwanek, Ansgar Trächtler, Christopher Lüke, Julia Timmermann, Roman Dumitrescu

Kapitel 3. Potenzialanalyse zur Steigerung der Intelligenz mechatronischer Systeme

Die absehbaren Entwicklungen der Informations- und Kommunikationstechnik ermöglichen zunehmend die Entwicklung von technischen Systemen mit inhärenter Teilintelligenz. Diese Systeme können als Intelligente Technische Systeme bezeichnet werden. Schlagworte, die in diesem Kontext stets genannt werden sind: „Cyber-Physical Systems“, „Industrie 4.0“ oder „Selbstoptimierung“. Die Ansätze in den Bereichen weisen hohes Potenzial zur Weiterentwicklung bestehender mechatronischer Systeme auf, jedoch werden diese von den Unternehmen nicht systematisch berücksichtigt. Es bedarf einer Potenzialanalyse, mit der die Intelligenz mechatronischer Systeme gesteigert werden kann. Vor diesem Hintergrund werden zunächst die Herausforderungen bei der Steigerung der Intelligenz mechatronischer Systeme aufgezeigt. Nachfolgend wird ein Stufenmodell vorgestellt, welches die Möglichkeiten zur Weiterentwicklung mechatronischer Systeme adressiert. Der Einsatz des Stufenmodells erfolgt im Rahmen einer Potenzialanalyse, die ebenfalls Gegenstand dieses Kapitels ist. Die Anwendung der Potenzialanalyse wird zudem beispielhaft an einem System aus dem Bereich der Lackiertechnik gezeigt.
Peter Iwanek, Jürgen Gausemeier, Roman Dumitrescu

Kapitel 4. Maschinelles Lernen in technischen Systemen

Statistische und maschinelle Lernverfahren extrahieren Regelmäßigkeiten aus Daten. Sie ermöglichen die effiziente Abbildung von Wirkzusammenhängen in komplexen technischen Systemen, welche nur schwer oder gar nicht durch klassische Modellierungsansätze abgebildet werden können. Im Selbstoptimierungsprozess sind maschinelle Lernverfahren besonders für die Online-Analyse des Betriebszustands, sowie für die Modellbildung zur Regelung relevant. Durch den Einsatz von Lernverfahren eröffnen sich neue Perspektiven für die Automatisierung und Optimierung technischer Systeme. In dieser Anwendungsdomäne stehen allerdings oft nur relativ wenige Daten zur Verfügung, da die Datenakquisition in komplexen technischen Systemen meist hohe Kosten verursacht. Von entscheidender Bedeutung ist auch die zuverlässige Generalisierung der gelernten Modelle in technischen Systemen. Dieses Kapitel stellt Arbeiten im Rahmen des Spitzenclusters it?s OWL vor, welche diese Herausforderungen adressieren. Es umfasst eine kurze Einführung zum Hintergrund maschineller Lernverfahren und ausgewählter Verfahren, die Integration von Vorwissen in den Lernprozess, sowie Leitfäden zur Anwendung maschineller Lernverfahren in technischen Systemen. Die entwickelte Methodik wird an mehreren Anwendungsfällen aus dem Spitzencluster demonstriert.
Felix Reinhart, Klaus Neumann, Witali Aswolinskiy, Jochen Steil, Barbara Hammer

Kapitel 5. Mathematische Optimierung

Bei der Entwicklung eines technischen Systems möchte man dieses derart auslegen, dass es sich bzgl. der jeweiligen Anwendungssituation optimal verhält. Wird das System mit unterschiedlichen Anwendungssituationen im Betrieb konfrontiert, erfordert dies in der Regel unterschiedliche Zielsetzungen, welche sich im Allgemeinen widersprechen. Eine wichtige Rolle für die Auflösung dieser Konflikte spielen dabei Optimierungsverfahren, welche konkrete Ziele für die aktuelle Anwendungssituation sowie die zur Erfüllung der aktuellen Ziele notwendigen Verhaltensanpassungen bestimmen sollen. Hier werden zunächst die theoretischen Grundlagen und ausgewählte Methoden der mathematischen Optimierung beschrieben. Dabei wird der Fokus auf die Mehrzieloptimierung sowie Mehrzieloptimalsteuerung gelegt. Anschließend wird eine methodische Vorgehensweise präsentiert, welche den Arbeitsprozess der mathematischen Mehrzieloptimierung im Selbstoptimierungskontext näher beschreibt. Diese besteht aus einem Leitfaden zum Einsatz mathematischer Optimierung im industriellen Kontext, der zukünftige Anwender bei der selbstständigen Lösung mathematischer Optimierungsprobleme unterstützen soll, sowie einem Katalog von typischen Anwendungshemmnissen. Abschließend werden drei Beispiele vorgestellt, die während der Projektlaufzeit in interdisziplinärer Zusammenarbeit bearbeitet wurden.
Adrian Ziessler, Sebastian Peitz, Sina Ober-Blöbaum, Michael Dellnitz

Kapitel 6. Intelligente Steuerungen und Regelungen

Intelligentes Verhalten technischer Systeme wird durch intelligente Steuerungen und Regelungen realisiert. Diese Regelungen berücksichtigen Unsicherheiten und passen sich zur Laufzeit an geänderte Umgebungsbedingungen an. Dabei steht die modellbasierte Regelung auf Basis physikalischer Prozessmodelle im Mittelpunkt, die die Dynamik der technischen Systeme umfassend abbilden. Einer kurzen Einführung in grundlegende Methoden der Regelungstechnik folgt die Präsentation eines paretooptimalen Reglers, welcher Systeme befähigt, autonom auf veränderliche Betriebsbedingungen zu reagieren. Desweiteren ist die methodische Unterstützung beim Entwurf intelligenter Regelungen Inhalt dieses Kapitels. Der Einsatz der vorgestellten Methoden wird anhand von Praxisbeispielen aus dem Spitzencluster it’s OWL gezeigt.
Christopher Lüke, Julia Timmermann, Jan Henning Keßler, Ansgar Trächtler

Kapitel 7. Steigerung der Verlässlichkeit technischer Systeme

Selbstoptimierung bietet die Möglichkeit der autonomen Anpassung des Systemverhaltens an veränderliche Ziele. Dabei ist vor allem der Aspekt Zuverlässigkeit von maßgeblicher Bedeutung, da über einen an die aktuelle Systemzuverlässigkeit angepassten Betriebspunkt die Leistungsfähigkeit verbessert wird, während das Ausfallverhalten besser vorhersehbar wird. Zur Anpassung des Systemverhaltens an die aktuelle Zuverlässigkeit mittels Selbstoptimierung müssen die ersten beiden Schritte des Selbstoptimierungsprozesses unterstützt werden. Für die Analyse der Ist-Situation ist eine Erkennung des aktuellen Degradationszustands mittels Condition Monitoring notwendig. Zur Auswahl geeigneter Verfahren werden bestehende Ansätze hinsichtlich ihrer Eignung klassifiziert. Der zweite Schritt, die Bestimmung der Systemziele, wird durch eine strukturierte Methode zum Finden verlässlichkeitsrelevanter Zielfunktionen ergänzt. Dabei werden kritische Komponenten identifiziert, Optimierungsparameter festgelegt und die Verlässlichkeit in Abhängigkeit des Systemverhaltens quantifiziert. Entwickler selbstoptimierender Systeme werden somit durch geeignete Mittel bei der Implementierung beider Schritte unterstützt. Abschließend wird der praktische Einsatz der vorgestellten Methoden anhand zweier Beispiele gezeigt.
Tobias Meyer, Thorben Kaul, James Kuria Kimotho, Walter Sextro

Kapitel 8. Verbesserung von Produktionssystemen

Kürzer werdende Produktlebenszyklen, steigende Volatilität der Märkte und Kostendruck erhöhen die Anforderungen an Produktionssysteme, bspw. hinsichtlich der Verlässlichkeit, Produktivität und Ressourceneffizienz. Es ergeben sich zwei wesentliche Handlungsfelder im Kontext der Verbesserung von Produktionssystemen, um diesen Herausforderungen entgegenzuwirken. Zum einen effektive Verbesserungsprozesse, die eine Grundvoraussetzung für den Unternehmenserfolg darstellen, und zum anderen intelligente technische Systeme zur Optimierung der Produktion. Vor diesem Hintergrund wird zunächst das Vorgehen zur Auswahl bedarfsgerechter Verbesserungsmethoden vorgestellt. Es ermöglicht insbesondere kleineren und mittleren Unternehmen (KMU) die systematische Identifikation benötigter Verbesserungsmethoden bei unterschiedlichen Zielstellungen. Anschließend wird die Funktionsweise eines intelligenten technischen Systems zur Optimierung der Fertigung erläutert. Die entwickelte selbstoptimierende Fertigungssteuerung ermöglicht es, unter verschiedenen Betriebsbedingungen, selbstständig das optimale Fertigungsprogramm zu ermitteln und umzusetzen.
Daniel Köchling, Jürgen Gausemeier, Robert Joppen

Kapitel 9. Zusammenfassung

Globalisierung, demografischer Wandel und Ressourcenknappheit verändern unsere Lebens- und Arbeitsbedingungen und stellen hohe Anforderungen an die Innovationskraft der heimischen Industrie. Im Technologienetzwerk Intelligente Technische Systeme OstWestfalenLippe – kurz it’s OWL – werden innovative Produkte und Dienstleistungen für die Märkte von morgen erarbeitet. Weltmarktführer und „Hidden Champions“   aus dem Maschinenbau, der Elektro- und Elektronikindustrie und dem Bereich der Automobilzulieferer arbeiten dabei eng mit Spitzenforschungseinrichtungen zusammen. Die Partner im Cluster-Querschnittsprojekt Selbstoptimierung an den Universitäten Paderborn und Bielefeld haben dafür ein Instrumentarium erarbeitet, welches selbstoptimierende Methoden und Verfahren anwendergerecht verfügbar macht. Es soll die Entwickler in den Unternehmen bei der Realisierung von Ansätzen der Selbstoptimierung praxisgerecht unterstützen.
Ansgar Trächtler, Jürgen Gausemeier, Christopher Lüke

Backmatter

Weitere Informationen

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Globales Erdungssystem in urbanen Kabelnetzen

Bedingt durch die Altersstruktur vieler Kabelverteilnetze mit der damit verbundenen verminderten Isolationsfestigkeit oder durch fortschreitenden Kabelausbau ist es immer häufiger erforderlich, anstelle der Resonanz-Sternpunktserdung alternative Konzepte für die Sternpunktsbehandlung umzusetzen. Die damit verbundenen Fehlerortungskonzepte bzw. die Erhöhung der Restströme im Erdschlussfall führen jedoch aufgrund der hohen Fehlerströme zu neuen Anforderungen an die Erdungs- und Fehlerstromrückleitungs-Systeme. Lesen Sie hier über die Auswirkung von leitfähigen Strukturen auf die Stromaufteilung sowie die Potentialverhältnisse in urbanen Kabelnetzen bei stromstarken Erdschlüssen. Jetzt gratis downloaden!

Bildnachweise