Fahrerlose Transportsysteme werden aufgrund ihrer Flexibilität für ständig neue Anwendungsfelder in Produktion und Logistik eingesetzt. Die Effizienz dieser Systeme steht und fällt mit ihrer Steuerungslogik. Um diese zu optimieren und schnell umzurüsten, hilft die rechnergestützte Simulation.
Viele aktuelle Fahrerlose Transportsysteme (FTS) lassen sich in bestehende Strukturen integrieren und im Vergleich zu Stetigförderern meist leicht an geänderte Anforderungen anpassen. Dass für den Transport kein Personal benötigt wird und gleichzeitig nahezu jedes Fördergut transportiert werden kann, macht sie in vielen Fällen zu einer wirtschaftlichen Alternative zu personengebundenen Transportmitteln wie Stapler oder Routenzüge. Doch diese Flexibilität setzt eine Steuerung voraus, die auf die individuellen Anforderungen des Systems abgestimmt ist, damit sich Transporte mit möglichst wenigen Fahrzeugen erledigen lassen. IT-gestützte Simulation hilft dabei, die Steuerung eines FTS auszulegen. Neben der Berücksichtigung vieler Einflussparameter kann die geplante Steuerung nahezu eins zu eins in einem Modell abgebildet werden. Neben Machbarkeitsprüfungen lassen sich Steuerungen so bereits in der Planungsphase optimieren und mögliche Schwachstellen beheben. In einer Reihe von Experimenten können die Einflussgrößen evaluiert und letztlich die bestmögliche Auslegung des Systems ermittelt werden.
Daten bestimmen Qualität
Wie in jeder anderen Simulation steht und fällt die Qualität der Ergebnisse mit der Genauigkeit des Simulationsmodells. Die Genauigkeit wird einerseits durch die Eingangsdaten und andererseits durch den Detaillierungsgrad des Modells geprägt (siehe Abbildung 1). Die Definition der Systemlast, also die Summe der Transporte von Quelle zu Senke, ist eine der Schlüsselfunktionen für die Aussagekraft der Simulationsergebnisse. Gerade in der Planungsphase lässt sich die Last oft nicht genau festlegen. Dann hilft ein konservativer Ansatz, in dem eine sinnvolle zusätzliche Last gegenüber den Planzahlen als Basis für die Simulation definiert wird. In Experimenten kann die Last variieren, um die Robustheit des Systems bei wechselnder Auslastung zu untersuchen. Eine wichtige Frage hierzu lautet, ob ein System grundsätzlich auf die Spitzenlast auszulegen ist. Tritt die Spitzenlast nur selten auf, wäre die Abwicklung dieser Spitzenlast etwa in verlängerten Schichtzeiten lösbar, anstatt die Zahl der Fahrzeuge zu erhöhen. Die Simulation kann helfen, aus verschiedenen Szenarien die wirtschaftlichste auszusuchen.
Transportquellen und Senken
Das Verhalten der Transportquellen und -senken stellt einen weiteren wichtigen Faktor in der Definition der Auftragslast dar. Handelt es sich um ein Push- oder Pull-System, werden also die Aufträge durch das Entstehen eines Transportguts an der Quelle oder durch den Abruf einer Senke ausgelöst? Handelt es sich beispielsweise um einen Prozess mit Kanban-Logik, ruft die Transportsenke meist das Transportgut ab, sobald ein Ladungsträger leer ist. Das löst einen Auftrag von einer Quelle zu dieser Senke aus. Dabei müssen möglicherweise Parameter wie Verbrauchstakt der Teile, Anzahl der Teile im Ladungsträger sowie der Bestand am Verbrauchsort berücksichtigt werden, um ein realistisches Verhalten abzubilden. Der Abruf eines neuen Ladungsträgers kann zudem dazu führen, dass der leere Ladungsträger abzuholen und zu einem Leergutbahnhof zu transportieren ist. In diesem Fall werden also stets zwei Transportaufträge gleichzeitig ausgelöst – der des vollen Ladungsträgers zur anfordernden Senke und der zum Abtransport des Leerguts. Neben dem Einfluss auf die Auftragslast spielen auch weitere Parameter der Transportquellen und -senken eine wichtige Rolle. Wie gut ist etwa der Transport vom restlichen Prozess entkoppelt? Müssen Fahrzeug am Bahnhof warten können, weil die Abgabe unmöglich ist? Wie wird be- und entladen?
Bei der Simulation des Fahrverhaltens ist die Genauigkeit die Herausforderung. Gerade wenn die Fahrzeuge beschleunigen oder verzögern, um auf andere aufzufahren, sowie in Kurven und Kreuzungen, können Abstraktionen das Simulationsergebnis beeinflussen. Deshalb sollte ein fertiges Simulationsmodell zunächst gründlich geprüft werden, bevor die Experimente beginnen. Bei dieser Validierung wird die Realitätstreue des Modells untersucht und bei Bedarf angepasst, um eine möglichst hohe Genauigkeit zu erreichen. Die Realitätstreue lässt sich beispielsweise prüfen, indem die Dauer einer Referenzfahrt berechnet und mit dem Zeitbedarf im Modell verglichen wird.
Intelligenz im System
Die Effizienz eines FTS hängt von der Steuerungslogik ab, die sich in folgende Bereiche einteilen lässt:
•Leerfahrzeugdisposition – Nach welcher Strategie wird ein neuer Transportauftrag mit einem verfügbaren Leerfahrzeug verbunden?
•Zielfindung und Wegesteuerung – Wie ermittelt ein Fahrzeug den Weg zu seinem Ziel?
• Blockstreckensteuerung – Falls es Beschränkungen wie die Anzahl der Fahrzeuge gibt, die gleichzeitig in einen Bereich einfahren können, nach welchen Kriterien werden diese Blockstrecken gesteuert?
• Abstandssteuerung – Wie wird der Abstand zwischen den Fahrzeugen gesteuert?
• Batterie laden – Wann und für wie lange werden Fahrzeug aufgeladen?
• Kreuzungen – Gibt es Regeln an Kreuzungen, etwa für die Vorfahrt?
Sind solche Steuerungen einmal in einer Simulation abgebildet, lassen sich Verbesserungen am System mit überschaubarem Aufwand testen und umsetzen. Szenarien können auf Knopfdruck erzeugt und beliebig wiederholt werden. So können viele Fehler und Schwachstellen schnell gefunden und behoben werden. Schrittweise kann die Wirkung einzelner Veränderungen auf die wesentlichen Systemkennzahlen – etwa die Fahrzeugmenge – bewertet werden, um zu einer bestmöglichen Auslegung des Systems zu gelangen. Diese Optimierungen nach Inbetriebnahme eines Systems vorzunehmen, wäre mit einem vielfach höherem Aufwand verbunden. Zumal sich viele Fehler im laufenden Systembetrieb nur schwer reproduzieren und somit abstellen lassen.
Virtuelle Inbetriebnahme
Wird die Steuerungslogik im Simulationsmodell bereits parallel zur Entwicklung des realen Systems erstellt, lässt sich das Modell auch für die virtuelle Inbetriebnahme der Steuerung verwenden. Dazu treten Telegramme des Simulationsmodells an die reale Steuerung an die Stellen, an denen die Steuerungslogik Entscheidungen fällt. Die Steuerung schickt die Antworten an das Simulationsmodell zurück. Damit dient das Simulationsmodell im Sinn eines digitalen Abbildes als Testumgebung für die reale Steuerung.
Mittelständische Unternehmen investieren selbst in schwierigen Zeiten in Microsoft-Technologien, weil sie überzeugt sind, dass ihre Mitarbeiterproduktivität steigt und sich ihre Kostenstruktur bessert. Microsoft hat mit dem Microsoft-Partner-Network ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. Für unsere Leser gibt die Microsoft-Partnerübersicht in Ausgabe Juli/August der IT&Production Tipps für die Suche nach einer geeigneten Branchen- oder Speziallösung im Bereich des produzierenden Gewerbes.
Auf der Suche nach Innovation, nach neuen Lösungen und der Abgrenzung zum Mitbewerb vernetzen sich zunehmend mehr Unternehmen mit externen Experten und Partnern. SAP hat mit dem SAP-Ecosystem ein Netzwerk aufgebaut, das ein Forum für den Aufbau von Partnerschaften, Zugang zu Ressourcen und einen Rahmen für Dialoge und Kooperationen bietet. In der Maiausgabe der Fachzeitschrift IT&Production erhalten unsere Leser einen aktuellen Überblick zum SAP-Ecosystem im Bereich des produzierenden Gewerbes.
Anbieter & Produkte
augmented instructions – digitalisiertes Know how unterstützt die Industrie beim Wissenstransfer
Wachstum durch Kundenorientierung: Das Geheimnis liegt in einem smarten Variantenkonfigurator
Work-in-Process-Management in S/4HANA
Qualität, Lieferketten, Rückverfolgbarkeit – Nachhaltigkeit hat viele Facetten
Make Lean Leaner
Prime Edge – eine Edge Lösung für die Industrie
IIoT in Stahl Service Centern
becosEPS – Enterprise Planning System
ANZEIGE
Whitepaper
Monitoring IT, OT and IIoT with Paessler PRTG: use cases and dashboards
Smart Factory Elements
Vom 4-Stufen-Modell zum Regelkreis
Vollautomatische Feinplanung
Mit Kennzahlen die Produktion im Griff
Videos
Erfolgreiche Asprova APS Einführung bei Panasonic, Hersteller von Komponenten für Autoelektronik
MES HYDRA X Build your factory smart
Erfolgreiche Asprova APS Einführung bei Strauss Café, zweitgrößter Kaffeehersteller in Polen
KSB: Digitale Lieferantendokumentation
Erfolgreiche Asprova APS Einführung bei Bopisa, Hersteller von Lebensmittelverpackungen
Ein Unternehmen, das sich mit der Auswahl eines ERP- Systems befasst, muss sich gleichsam mit einem viel- schichtigen Software-Markt und unklaren Interessen- lagen an interne Abwick- lungsprozesse auseinander- setzen. Guter Rat bei der Investitionsentscheidung ist teuer. ERP/CRM Wissen Kompakt unterstützt Sie bei der gezielten Investition in die IT-Infrastruktur.
Immer mehr Anbieter von Maschinen, Automatisierungstechnik und Industriesoftware integrieren künstliche Intelligenz in ihre Produkte. Das ganze Potenzial spielen selbstlernende Systeme aber erst aus, wenn sie passgenau auf ihren Einsatz in Fertigung und Büro zugeschnitten wurden. Über beide Möglichkeiten, als Fertiger die Vorzüge von industrieller KI zu nutzen, geht es im regelmäßig aktualisierten Themenheft Künstliche Intelligenz.
Das Internet of Things verändert Produktwelten und die Vernetzung in der Fertigung gleichermaßen. Entstehende Ökosysteme laden zur einer neuen Form der Zusammenarbeit ein. Die Spezialausgabe IoT Wissen Kompakt informiert über die Technologie, Projektierung und Anbieter für die eigene Applikation, in- und außerhalb der Fabrik.
Um alle Potenziale eines MES umfassend ausnutzen zu können, beleuchten unsere Autoren in der Serie von MES Wissen Kompakt die erfolgskritischen Faktoren, um Fertigungsunternehmen präventiv zu steuern. Darüber hinaus präsentiert MES Wissen Kompakt ein breites Spektrum an Firmenportraits, Produkt- neuheiten und Dienst- leistungen im MES-Umfeld.