Assistierte, modellbasierte Grobplanung von Produktionssystemen mittels Mehrzieloptimierung: Anwendung am Beispiel hochautomatisierter Schweißlinien für die Automobilzuliefererindustrie

Automobilhersteller und -zulieferer stehen heutzutage vor der Herausforderung, aufgrund der steigenden Variantenvielfalt in immer kürzerer Zeit kundenindividuelle Produkte zu einem möglichst geringen Preis auf den Markt zu bringen. Das erfordert eine effiziente Produkti- onssystemplanung. Dem gegenüber steht die in der produzierenden Industrie vorliegende Planung, die stark von manuellen Prozessen und personengebundenem Wissen geprägt ist. Dieser Problemstellung begegnet die vorliegende Arbeit mit dem Ziel der Entwicklung eines ganzheitlichen Ansatzes zur assistierten, modellbasierten Grobplanung von Produktionssys- temen.
... mehr
Der Ansatz gliedert sich in vier Planungsschritte: Die zum Zeitpunkt der Grobplanung vor- liegenden Produktinformationen werden zunächst analysiert. Hierbei werden Ähnlichkeiten zu bereits produzierten Produktvarianten berücksichtigt. Anschließend werden die zur Her- stellung notwendigen Produktionsprozesse und deren Abfolgerestriktionen abgeleitet. Dazu werden Planungsregeln und Erfahrungswissen als Wechselwirkungen zwischen Produkt, Prozess und Produktionssystem in einem PPR-Modell formalisiert. Der resultierende Pro- zessvorranggraph schränkt schließlich in einem dritten Schritt die betriebsmittelbezogene Optimierung der Zuordnung von Prozessschritten zu Stationen ein. Bei der mathematischen Modellierung des sog. Assembly Line Balancing Problems (ALBP) berücksichtigt diese Arbeit komplexe Eigenschaften wie bspw. die Auswahl des Stationsequipments, mehrere Roboter je Station und eine nicht-diskrete Zuordnung der Aufgaben. Die Lösung des ALBP wird dem Planer abschließend in einem digitalen (Simulations-) Modell zur Verfügung gestellt und damit in einen ganzheitlich digitalen Planungsprozess eingebunden.
Der entwickelte Ansatz zur assistierten Produktionssystemplanung wird am Beispiel eines Tier 1 Automobilzulieferers angewandt. Dabei werden verschiedene Methoden zur Ähnlichkeits- analyse von Produkten verglichen und die Ergebnisse diskutiert. Weiter wird das PPR-Modell des Anwendungsbeispiels manuell instanziiert und anschließend auf Möglichkeiten zur da- tengetriebenen Modellierung eingegangen. Die multikriterielle Lösung des ALBP erlaubt schließlich eine Bewertung des Planungsergebnisses. Dazu vergleicht eine abschließende Validierung die algorithmisch generierte Lösung sowohl qualitativ als auch quantitativ mit einer beispielhaften, manuellen Expertenplanung. Das verdeutlicht die allgemeine, industrielle Anwendbarkeit des Ansatzes. Damit leistet die vorliegende Forschungsarbeit einen wertvollen Beitrag zur Steigerung der Effizienz in der Produktionssystemplanung und schließlich zur Reduktion von Kosten und Zeit in einem zukunftsfähigen Planungsprozess.

Nowadays, automotive manufacturers and suppliers are faced with the challenge of bringing customer individual products to market at the lowest possible price in an ever shorter time due to the increasing number of variants. This requires efficient production system planning. On the other hand, planning in the manufacturing industry today is strongly characterized by manual processes and personal knowledge. This thesis addresses this problem with the aim of developing a holistic approach for assisted, model-based rough planning of production systems.
The approach is divided into four planning steps: The product information available at the time of rough planning is first analyzed. ... mehrSimilarities to product variants that have already been produced are taken into account. The production processes required for product manu- facturing and assembly as well as their precedence relationships are then derived. For this purpose, planning rules and personal (implicit) knowledge are formalized as dependencies between product, process and production system in a PPR model. Furthermore, in a third step, the resulting process precedence graph restricts the optimization of the assignment of process steps to stations. In the mathematical modeling of the so-called Assembly Line Balancing Problem (ALBP), this work considers complex constraints such as the selection of station equipment, more than one robot per station and a non-discrete assignment of tasks. The solution to the ALBP is then in the fourth step made available to the planner in a digital (simulation) model and thus integrated into a holistic digital planning process.
The approach developed for assisted production system planning is applied to the example of a Tier 1 automotive supplier. Various methods for analyzing the similarity of products are compared and the results discussed. Furthermore, the PPR model of the application example is manually instantiated. Possibilities for data-driven modeling are discussed. Finally, the multi- criteria solution of the ALBP allows an evaluation of the planning result. To this end, a final validation compares the algorithmically generated solution both qualitatively and quantitatively with an example of manual expert planning. This illustrates the general, industrial applicability of the approach. This research work therefore makes a valuable contribution to increasing efficiency in production system planning and thus to reducing costs and time in a sustainable planning process.