Beschreibung
Verteilte Cyber-Physische Produktionssysteme haben zahlreiche Vorteile wie Flexibilität und Skalierbarkeit. Ein verteilter Ansatz erleichtert die Anpassung an wechselnde Markterfordernisse wie die Einführung neuer Produkte oder Produktvarianten oder Losgröße-1-Fertigung. Auch kann schneller auf Störungen des Produktionsablaufs reagiert werden und Produktion kurzfristig umgeplant werden.
Das erforderliche Zusammenspiel verteilter Komponenten erhöht die Komplexität des Gesamtsystems, von Steuerungskonzepten sowie der Verifikation und stellen Herausforderungen in solchen Systemen dar. Insbesondere sind ohne eine zentrale Steuerung Fehlerfortpflanzung und Fehlerbehandlung mit herkömmlichen Konzepten nur äußerst schwer zu handhaben.
Fehlerfortpflanzung zwischen vorwiegend autonom agierenden Komponenten kann einen verteilten Prozess erheblich beeinträchtigen. Es ist daher sinnvoll und notwendig, das Gesamtsystem um kognitive Funktionen zu erweitern, die durch Beobachtung relevanter Systemparameter, Datenfusion und semantische Abstraktion, relevante Informationen über den Systemzustand extrahieren und durch geeignete Analyseverfahren Fehler erkennen können. Das Ergebnis ist eine Form der „Selbsterkenntnis“ (self-awareness) innerhalb des verteilten Systems, mit deren Hilfe Probleme im Betrieb proaktiv erkannt und durch adaptives Verhalten gelöst werden können.
Das Ziel von SAMBA ist zu sondieren, welche Methoden und Architekturen angewendet werden können, um ein verteiltes Cyber-Physisches Produktionssystem mit skalierbaren Fähigkeiten zum Lernen, automatischen Erkennen der Systemstruktur, Selbstbeobachtung und kognitiver Entscheidungsfindung auszustatten, die die Planung, Inbetriebnahme und Wartung des Systems erleichtern. Eine wesentliche Rahmenbedingung dabei ist die Implementierbarkeit der Methoden mit Software-Werkzeugen und auf ressourcenlimitierten Plattformen, die für industriele Automation typisch sind. Als Mittel der Wahl werden primär Function Blocks nach IEC 61499 betrachtet.
Die untersuchten Methoden werden in ersten Simulationen hinsichtlich Effizienz sowie Vor- und Nachteilen evaluiert. Am Ende des Sondierungsprojekts soll zumindest ein Folgeprojekt definiert sein, in dem die in SAMBA evaluierten Themen weiter vertieft werden.
** Dieses Sondierungsprojekt (FFG 855426) wurde im Rahmen des Programmes IKT der Zukunft (4. Ausschreibung 2015) vom BMVIT und der Österreichischen Forschungsförderungsgeselschaft (FFG) gefördert.
Details
Projektzeitraum | 01.09.2016 - 31.10.2017 |
---|---|
Fördergeber | FFG |
Förderprogramm | FFG IKT der Zukunft 4. Call |
Department | |
Projektverantwortung (Universität für Weiterbildung Krems) | Priv.-Doz.Dipl.-Ing.Dr. Thilo Sauter |
Projektmitarbeit |
Publikationen
Grau, A.; Indri, M.; Bello, L.; Sauter, T. (2017). Industrial robotics in factory automation: From the early stage to the Internet of Things. IEEE, IECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society: 6159-6164
Siafara, L.; Kholerdi, H.; Bratukhin, A.; Taherinejad, N.; Wendt, A.; Jantsch, A.; Treytl, A.; Sauter, T. (2017). SAMBA: A self-aware health monitoring architecture for distributed industrial systems. IEEE, IECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society: 3512-3517
Vorträge
Industrial robotics in factory automation: From the early stage to the Internet of Things
IECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society, Beijing, China, 02.11.2017
SAMBA: A self-aware health monitoring architecture for distributed industrial systems
IECON 2017 - 43rd Annual Conference of the IEEE Industrial Electronics Society, Peking, China, 02.11.2017