Bibtex
Cite as text
@Article{,
Cite-key = "Schlecht2021",
Year= "2021",
Number= "5",
Volume= "IM 37",
Pages= "53-56",
Journal = "Industrie 4.0 Management",
Title= "Flexibles Referenzmodell zur Planung und Optimierung der Produktion – Generierung digitaler Fabrikmodelle mit dem digitalen Zwilling",
Author= "Michael Schlecht, Jürgen Köbler, Hochschule Offenburg und Roland de Guio, INSA Straßburg
",
Doi= "https://doi.org/10.30844/I40M_21-5_S53-56",
Abstract= "Der digitale Zwilling dringt immer weiter in den Fokus von Produktionsunternehmen vor und wurde von Gartner als wichtige Schlüsseltechnologie identifiziert [1]. Volkswagen setzt die Technologie in der Cloud ein, um zukünftig die Produktion an allen Standorten digital zu planen, zu steuern und zu optimieren [2]. Dennoch ist diese Technologie im Mittelstand bisher kaum vertreten. Dieser Beitrag beschreibt ein flexibles Referenzmodell für die Planung und Optimierung der Produktion durch den digitalen Zwilling. Der Fokus liegt zum einen auf der Optimierung statischer Layouts und Materialflüsse und zum anderen auf der Optimierung der dynamischen Materialflüsse und der zeitlichen Organisation von Prozessen.",
Keywords= "Fabrikplanung, Digitaler Zwilling, Referenzmodell, Discrete-Event-Simulation, Industrie 4.0",
}
Michael Schlecht, Jürgen Köbler, Hochschule Offenburg und Roland de Guio, INSA Straßburg(2021): Flexibles Referenzmodell zur Planung und Optimierung der Produktion – Generierung digitaler Fabrikmodelle mit dem digitalen Zwilling. IM 375(2021), S. 53-56. Online: https://doi.org/10.30844/I40M_21-5_S53-56 (Abgerufen 30.10.24)
Open Access
Der digitale Zwilling dringt immer weiter in den Fokus von Produktionsunternehmen vor und wurde von Gartner als wichtige Schlüsseltechnologie identifiziert [1]. Volkswagen setzt die Technologie in der Cloud ein, um zukünftig die Produktion an allen Standorten digital zu planen, zu steuern und zu optimieren [2]. Dennoch ist diese Technologie im Mittelstand bisher kaum vertreten. Dieser Beitrag beschreibt ein flexibles Referenzmodell für die Planung und Optimierung der Produktion durch den digitalen Zwilling. Der Fokus liegt zum einen auf der Optimierung statischer Layouts und Materialflüsse und zum anderen auf der Optimierung der dynamischen Materialflüsse und der zeitlichen Organisation von Prozessen.
Fabrikplanung, Digitaler Zwilling, Referenzmodell, Discrete-Event-Simulation, Industrie 4.0
[1] Gartner, Inc.: Gartner Top 10 Strategic Technology Trends for 2019. Gartner. URL: www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2019, Abrufdatum 13.10.2020.
[2] Volkswagen: Volkswagen and Amazon Web Services to develop Industrial Cloud. URL: www.volkswagenag.com/en/news/2019/03/volkswagen-and-amazon-web-services-to-develop-industrial-cloud.html, Abrufdatum 18.01.2021.
[3] Kritzinger, W.; Karner, M.; Traar, G.; Henjes, J.; Sihn, W.: Digital Twin in manufacturing: A categorical literature review and classification. In: IFAC-PapersOnLine 51 (2018) 11, S. 1016-1022. doi: 10.1016/j.ifacol.2018.08.474.
[4] Skoogh, A.; Perera, T.; Johansson, B.: Input data management in simulation – Industrial practices and future trends. In: Simulation Modelling Practice and Theory 29 (2012), S. 181-192. doi: 10.1016/j.simpat.2012.07.009.
[5] Reinhardt, H.; Weber, M.; Putz, M.: A Survey on Automatic Model Generation for Material Flow Simulation in Discrete Manufacturing. In: Procedia CIRP 81 (2019), S. 121-126. doi: 10.1016/j.procir.2019.03.022.
[6] Vieira, A.; Dias, L.; Santos, M.; Pereira, G.; Oliveira, J.: Setting an Industry 4.0 Research and Development Agenda for Simulation – a Literature Review. In: International Journal of Simulation Modelling 17 (2018), S. 377-390. doi: 10.2507/IJSIMM17(3)429.
[7] Straßburger, S.; Bergmann, S.; Müller-Sommer, H.: Modellgenerierung im Kontext der Digitalen Fabrik – Stand der Technik und Herausforderungen. Karlsruhe 2010.
[8] Drath, R.: Datenaustausch in der Anlagenplanung mit AutomationML: Integration von CAEX, PLCopen XML und COLLADA. Heidelberg New York 2010.