Direkt zum Inhalt
header image
Fabriksoftware
24. Jahrgang, 2019, Ausgabe 1, Seite 29-32
Autonomie als Planungsparameter von Industrie 4.0-Fabriken

Norbert Gronau

Cyber-physische Systeme ermöglichen die Reduzierung zentraler Planungs- und Steuerungsentscheidungen durch dezentrale Koordination zwischen den Elementen eines Produktionssystems. Theoretische Ansätze zur Ermittlung des benötigten Grades an Autonomie existieren [1], allerdings bleibt unklar, inwieweit Autonomie tatsächlich zur besseren Erreichung der Ziele des Produktionssystems dient. Dieser Beitrag stellt ein in der Praxis validiertes Verfahren vor, mit Hilfe dessen die Bereiche eines Produktionssystems, die von einem größeren Maß an Autonomie profitieren können, ermittelt werden können.

Schlüsselwörter: Autonomie, Industrie 4.0, Cyber-Physische Systeme, Marktmodell
Quellen:

[1] Gronau, N.: Der angemessene Grad von Autonomie in Cyber-Physischen Produktionssystemen, Industrie Management 34 (2018) 6, S. 7-12

[2] Eversheim, W.: Produktionstechnik und -verfahren. In: Kern, W. u. a. (Ed.): Handwörterbuch der Produktionswirtschaft (HWProd), 2. Auflage Stuttgart 1996.

[3] Bellgran, M.; Säfsten, K.: Production Development: Design and Operations of Production Systems. London 2010.

[4] Kreimeier, D. u. a.: Konfiguration modularer Produktionssysteme. In: Industrie Management 29 (2013) 4, S. 18-22.

[5] ten Hompel, M.; Liekenbrock, D.: Autonome Objekte und selbst organisierende Systeme. Anwendung neuer Steuerungsmethoden in der Intralogistik. Industrie Management 21 (2005) 4, S. 15-18.

[6] Veigt, M. u. a.: Entwicklung eines Cyber-Physischen Logistiksystems. In: Industrie Management 29 (2013) 1, S. 15-18.

[7] acatech (ed.): Cyber-Physical Systems. Innovationsmotor für Mobilität, Gesundheit, Energie und Produktion (acatech POSITION). Heidelberg u. a. 2011.

[8] Bousbia, S. and Trentesaux, D: Self-organization in distributed manufacturing control: state-of-the-art and future trends. In: Systems, Man and Cybernetics, 2002 IEEE International Conference on. IEEE, vol. 5, 2002. S. 6.

[9] Lass, S., Theuer, H., Gronau, N.: A New Approach for Simulation and Modeling of Autonomous Production Processes. In: Proceedings of the 45th Hawaii International Conference on System Sciences (HICSS 2012), Maui, Hawaii, S. 1247-1256.

[10] Gronau, N., Theuer, H., Lass, S.: Evaluation of Production Processes using Hybrid Simulation. In: K. Windt (ed.), Robust Manufacturing Control, Lecture Notes in Production Engineering, Berlin Heidelberg 2013.

[11] Ignat, V.: Digitalization and the global technology trends. In IOP Conference Series: Materials Science and Engineering, 227 (2017) 1, S. 012062.

[12] Zäh, Michael F. et al.: The cognitive factory. In Changeable and reconfigurable manufacturing systems, London, 2009, S. 355-371.

[13] Mason, R.B.: Coping with complexity and turbulence - an entrepreneurial solution. Journal of Enterprising culture, 14 (2006) 4, S. 241-266.

[14] Leitão, P. and Restivo, F.: ADACOR: A holonic architecture for agile and adaptive manufacturing control. Computers in industry, 57 (2006) 2, S.121-130.