IM 38, 2022, 45-48
Flexibles Referenzmodell zur Planung und Optimierung der Produktion (Teil 2): Generierung digitaler Fabrikmodelle durch den digitalen Zwilling

Bibtex

Cite as text

						@Article{Köbler+Wußler+Schlecht+Kirchenbaur+de Guio+Blöchle+Schwaiger,
							Cite-key = "Koebler2022", 
							Year= "2022", 
							Number= "5", 
							 Volume= "IM 38", 
							Pages= "45-48", 
							Journal   = "Industrie 4.0 Management",
							 Title= "Flexibles Referenzmodell zur Planung und Optimierung der Produktion (Teil 2):  Generierung digitaler Fabrikmodelle durch den digitalen Zwilling", 
							Author= "Jürgen Köbler, David Wußler, Michael Schlecht, Sarah Kirchenbaur, Hochschule Offenburg,
Roland de Guio, INSA Straßburg, Max Blöchle und Benedikt Schwaiger, SMH Analytics GmbH", 
							Doi= "https://doi.org/10.30844/IM_22-5_45-48", 
							 Abstract= "In dem ersten Teil dieses Beitrags, welcher in der Industrie 4.0 Management
Ausgabe 5/2021 erschienen ist, wurde das Referenzmodell bereits in
seinen wesentlichen Grundzügen erläutert [1]. Im zweiten Teil soll die
Weiterentwicklung zu einem flexiblen Referenzmodell aufgezeigt werden.
Der Fokus liegt auf die Implementierung von weiteren Planungstools, und
die Implementierung von KI-Tools zur Erreichung eines dynamischen
Produktionsengineerings in Form einer ganzheitlichen und integrierten
Fabrikplanung.", 
							 Keywords= "Digitales Engineering, Digitaler Zwilling, Flexibles Referenzmodell, Simulationsbasierte Optimierung, Data Engineering, flexible Kollaborationsplattform", 
							}
					
Jürgen Köbler, David Wußler, Michael Schlecht, Sarah Kirchenbaur, Hochschule Offenburg,
Roland de Guio, INSA Straßburg, Max Blöchle und Benedikt Schwaiger, SMH Analytics GmbH(2022): Flexibles Referenzmodell zur Planung und Optimierung der Produktion (Teil 2):  Generierung digitaler Fabrikmodelle durch den digitalen Zwilling. IM 385(2022), S. 45-48. Online: https://doi.org/10.30844/IM_22-5_45-48 (Abgerufen 04.12.24)

Abstract

Abstract

In dem ersten Teil dieses Beitrags, welcher in der Industrie 4.0 Management Ausgabe 5/2021 erschienen ist, wurde das Referenzmodell bereits in seinen wesentlichen Grundzügen erläutert [1]. Im zweiten Teil soll die Weiterentwicklung zu einem flexiblen Referenzmodell aufgezeigt werden. Der Fokus liegt auf die Implementierung von weiteren Planungstools, und die Implementierung von KI-Tools zur Erreichung eines dynamischen Produktionsengineerings in Form einer ganzheitlichen und integrierten Fabrikplanung.

Keywords

Schlüsselwörter

Digitales Engineering, Digitaler Zwilling, Flexibles Referenzmodell, Simulationsbasierte Optimierung, Data Engineering, flexible Kollaborationsplattform

References

Referenzen

[1] Schlecht, M. u. a.: Flexibles Referenzmodell zur Planung und Optimierung einer Produktion (Teil 1). In: Industrie 4.0 Management (2021) 5, S. 53-56. DOI: 10.30844/I40M_21-5_S53-56.

[2] Schlecht, M.; Berger, S.; Wußler, D.; Haun, M.; Köbler, J.: Optimierung der Reihenfolgeplanung: Integration von maschinellem Lernen und generischen Materialflussmodellen. In: Zeitschrift für wirtschaftlichen Fabrikbetrieb 117 (2022), S. 9-13. https://doi.org/10.1515/zwf-2022-1005 

[3] 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.

[4] Bohács, G.; Semrau, K. F.: Automatische visuelle Datensammlung aus Materialflusssystemen und ihre Anwendung in Simulationsmodellen. In: Logistics Journal (2012). DOI: 10.2195/lj_NotRev_bohacs_de_201201_01.

GITO events | library.gito