Die Industrie 4.0-Umgebung ermöglicht eine direkte Kommunikation zwischen der Produktionsstätte des Herstellers und dem Kunden. Dadurch kann der Hersteller schneller auf Kundenwünsche reagieren, was bedeutet, dass die Hersteller nun die Planung und Terminierung in der Fertigung stärker kontrollieren müssen. Hier stellen wir ein simulationsbasiertes Planungsmodell für die dynamische Fertigungssteuerung in flexiblen Fertigungssystemen vor. Der Kundenauftrag und die Bearbeitungsreihenfolge der Produkte werden in das Simulationsmodell importiert. Es werden Experimente für den Fall durchgeführt, dass das System auf unerwartete Bedingungen stößt. Der vorgeschlagene Ansatz stellt ein potentielles Werkzeug für Hersteller dar, um Entscheidungen in Echtzeit zu treffen, indem eine Verbindung zum Enterprise Resource Planning und Manufacturing Execution System hergestellt wird.
In einer Industrie 4.0-Umgebung kommunizieren cyber-physische Systeme untereinander und mit menschlichen Teilnehmern in Echtzeit über das Internet der Dinge (IoT). Dies ermöglicht eine direkte Kommunikation zwischen dem Shopfloor des Herstellers und dem Kunden, und somit wird die Mass Customization als Produktionssystem eingeführt (Takakuwa 2016). Probleme bei der Prozessplanung und -steuerung im Fertigungssystem, bei denen Aufträge und Materialien den Maschinen zugewiesen werden und die Reihenfolge der Auftragsabwicklung festgelegt wird, beeinträchtigen die Systemleistung erheblich. In der Industrie 4.0-Umgebung erfordert die zunehmende Individualisierung von Produkten, dass diese Systeme eine höhere Anzahl von Produktvarianten sowie kleinere Losgrößen handhaben, und daher werden die Fertigungssysteme immer komplexer, um mit diesen unsicheren Situationen fertig zu werden (Kück et al. 2016).
Das Flexible Fertigungssystem (FFS) ist ein integriertes System von Fertigungsmaschinenmodulen und Materialhandhabungsgeräten unter der Kontrolle eines Computersystems und ermöglicht die automatische Zufallsverarbeitung von palettierten Teilen (ElMaraghy 2005). Das FFS ist hoch automatisiert und komplex, und jede Maschine kann höchstens einen Auftrag zu einem bestimmten Zeitpunkt bearbeiten. Allerdings ist es in einem Job-Shop-System aufgrund der dynamischen Variation schwieriger als in einem Flow-Shop-System, zu bestimmen, welcher Auftrag welcher Maschine zugewiesen wird, und die Kontrolle über die Werkstatt zu behalten. Daher ist die Simulationsmethode ein bewährter Ansatz für den Entwurf und die Analyse des FMS.
Die herkömmliche Planungs- und Terminierungsforschung konzentriert sich auf die Frage, wie man dem System einen bestimmten Zeitplan geben kann. Wenn Fertigungssysteme jedoch auf unerwartete Bedingungen wie Maschinenausfälle und Eilaufträge stoßen, ist der vorgegebene Zeitplan möglicherweise nicht mehr optimal oder kann aufgrund dieser unerwarteten Störungen nicht mehr funktionieren (Zhang und Wong 2017). Darüber hinaus können mit zunehmender Variabilität der Bearbeitungszeit Entscheidungen durch Dispositionsregeln oder andere Heuristiken getroffen werden, anstatt einen vollständigen Plan vor der eigentlichen Produktion zu erstellen (Vieira, Herrmann und Lin 2003).
Der Stand der Technik bei der Echtzeit-Planung in Fertigungssystemen mit Bearbeitungs- und Montagevorgängen, einschließlich der Studien, die sich auf Job-Shop und Flow-Shop konzentrieren, wurde von Khodke und Bhongade (2013) überprüft. Ihren Zusammenfassungen zufolge bedarf die ereignisgesteuerte und mit betroffenen Vorgängen verbundene Umplanungsmethodik weiterer Untersuchungen, da der geeignetste Rahmen die Berücksichtigung einer ausreichenden Anzahl von Aufträgen sein könnte, die mit einer prädiktiv-reaktiven Strategie bearbeitet werden. Außerdem haben nur wenige Studien die Übertragungszeit zwischen den Maschinen oder Echtzeitsimulationen berücksichtigt.
In dieser Studie wird ein simulationsbasiertes Planungsmodell für die FMS-Werkstattsteuerung erstellt und verwendet, um den Fall zu untersuchen, dass das System auf unerwartete Bedingungen trifft. Dieser Beitrag ist wie folgt aufgebaut: Abschnitt 2 enthält eine kurze Beschreibung des FMS-Fabrikmodells sowie der Fertigungsablaufsteuerung in der Industrie 4.0-Umgebung. In Abschnitt 3 wird die detaillierte Modellierungsmethode auf der Grundlage eines Simulationsplaners vorgestellt. Anschließend werden in Abschnitt 4 Planungsanwendungen sowohl für den Normalzustand als auch für den neuen Auftrag durchgeführt. Schließlich werden in Abschnitt 5 Schlussfolgerungen präsentiert.
Das in dieser Studie betrachtete System ist ein FMS-Fabrikmodell (Takakuwa 1997) in der Präfektur Chiba, Japan. Das FFS umfasst vier NC-Werkzeugmaschinen (eine NC-Drehmaschine, ein Drehzentrum, zwei Arten von Bearbeitungszentren (vertikal und horizontal)), eine Waschmaschine, zwei FTS und ein AS/RS mit einem Industrieroboter. Das Anlagenlayout und die Entfernungsskala (Einheit: cm) des FFS sind in Abbildung 1 dargestellt. Die Werkstücke werden vom FTS transportiert und vom Roboter in das Regalbediengerät eingelegt. Anschließend wird jedes Werkstück von dem Industrieroboter, der mit jeder Werkzeugmaschine verbunden ist, vor der Bearbeitung beladen, dann entladen und nach der Bearbeitung wieder entladen. Die Arbeitsabläufe und die damit verbundenen durchschnittlichen Bearbeitungszeiten (einschließlich der Roboter-Entlade- und Beladezeiten) für ausgewählte Werkstücke sind in Tabelle 1 zusammengefasst. Darüber hinaus wird jedes Werkstück vor der Bearbeitung auf dem vertikalen (V.) und dem horizontalen (H.) Maschinenzentrum vom Industrieroboter im Regalbediengerät für die Bearbeitung eingerichtet. Das FTS kehrt im Ruhezustand in den Wartebereich zurück.
Tabelle 1: Die Bearbeitungsreihenfolge und die durchschnittliche Bearbeitungszeit der Produkte.
Die vierte industrielle Revolution oder Industrie 4.0 ist ein Sammelbegriff für eine Reihe von Technologien für die Automatisierung, den Datenaustausch und die Lieferkette, einschließlich Fertigungssystemen über das Internet der Dinge (Takakuwa 2016; Wang et al. 2016). Die Anforderungen der Kunden an die Massenproduktion machen es erforderlich, dass die Hersteller schneller als je zuvor reagieren.
Es gibt zwei Arten der Integration in der Fabrik im Umfeld von Industrie 4.0: vertikale Integration und horizontale Integration. Erstere ist die Integration von der obersten Führungsebene bis hin zur Fertigungsebene innerhalb einer Fabrik, d. h. diese Integration findet auf der Unternehmensebene, der Werksebene und der Prozessebene statt, wie in Abbildung 2 dargestellt. Bei der zweiten Integration handelt es sich um die Integration zwischen den Lieferanten, den Verkaufs- und Vertriebsabteilungen und den Kunden. Bei der vertikalen Integration ist die Interaktion zwischen dem Enterprise Resource Planning (ERP) und dem Manufacturing Execution System (MES) in Verbindung mit den Daten aus der Fabrik wichtig.
Unternehmen nutzen das ERP, um Daten aus verschiedenen Geschäftsbereichen zu sammeln, zu speichern, zu verwalten und zu interpretieren, darunter Beschaffung, Produktion, Vertrieb, Buchhaltung, Personalwesen, Verkauf und Kundendienst.
Das ERP ist wichtig, weil das System Echtzeitdaten und Transaktionsdaten auf verschiedene Weise überwacht und auch Daten und Informationen aus der Produktion in der Industrie 4.0-Umgebung überwacht. Bei der Produktionsplanung ist das ERP-System in der Regel unzureichend, und die ERP-Lösungen haben mehrere Mängel, die allgemein anerkannt sind. Das ERP-System und die tägliche Produktion bleiben größtenteils voneinander entkoppelt. Auf der anderen Seite ist das MES ein Kontrollsystem für die zugehörige Fertigung. Fertigungsdaten werden von Maschinen, Anlagenmonitoren und Arbeitern empfangen. Das MES ist mit dem ERP-System integriert.
Um Entscheidungen in Echtzeit treffen zu können, die für das Fertigungssystem wichtig sind, ist eine Echtzeitsimulation erforderlich. Eine Echtzeitsimulation ist ein simuliertes Modell eines physischen Systems, das Prozesse in der gleichen Geschwindigkeit simulieren kann, wie das tatsächliche physische System sie ausführt. Die Erfassung von Produktionsleistungen, die Planung, die an die Werkstatt gesendeten Anweisungen und detaillierte Leistungsaufzeichnungen sind zu berücksichtigen.
Darüber hinaus können automatische Datenerfassungssysteme, die RFID oder verschiedene Arten von Sensoren verwenden, Daten und Störungen in der Produktion verfolgen und Lösungen anbieten, die sich an die Veränderungen in der Produktion in Echtzeit anpassen (Khodke und Bhongade 2013).
Die Simulationssoftware und der Scheduler, die von Simio LCC entwickelt wurden, werden in dieser Untersuchung verwendet. Simio ist ein Simulationsmodellierungsrahmen, der auf grafischer objektorientierter Programmierung basiert. Das Modell wird mit mehreren Modellierungsparadigmen realisiert, darunter Ereignis-, Prozess-, Objekt-, Systemdynamik- und Agentenmodellierungssichten (Thiesing und Pegden 2014). Darüber hinaus ist Simio so konzipiert, dass es Anwendungen sowohl in der Systemplanung als auch in der Terminplanung unterstützt und verfügt über mehrere fortschrittliche Funktionen (Thiesing und Pegden 2015): Integration mit externen relationalen Datenquellen, Transaktionsprotokollierung, spezielle Berichte, anpassbare Planeroberfläche, interaktive Gantt-Diagramm-Anzeige, spezielle Planungsregeln, risikobasierte Planung und Terminierung (RPS) und andere.
Durch die Verbindung des MES mit dem Simio-Modell können die vom MES erfassten Echtzeitdaten zur Erstellung des Zeitplans verwendet werden. Darüber hinaus werden die Details der Auftrags- und Ressourcentransaktionen in der Protokolldatei verfolgt, während das Modell läuft. Das Diagramm des Simulationsmodells, das für die Steuerung des Produktionsflusses verwendet wird, ist in Abbildung 3 dargestellt, die von den Autoren auf der Grundlage von Kelton, Smith und Sturrock (2014) bearbeitet wurde.
Das Modell in dieser Studie wird mit dem Simio RPS-Tool entwickelt. In das Simulationsmodell können Daten importiert werden, die den aktuellen Status des Systems und die tatsächlich über das System zu verarbeitenden Aufträge beschreiben. Dieser Datensatz enthält in der Regel eine Liste der zu verarbeitenden Aufträge, eine Stückliste für jeden Auftrag, Auftragsroutinen (einschließlich Rüst- und Bearbeitungszeiten), usw. Die Tabellenform dieser Daten, die auf dem MES-Standard basieren, wird in Data Tab vorbereitet. Die wichtigsten Schritte zur Erstellung des Modells in der Studie sind im Folgenden dargestellt:
Das Modell kann mit diesen Hauptschritten und einigen kleineren Änderungen aufgebaut werden. Abbildung 4 zeigt einen Screenshot der Animation des FMS-Fabrikmodells. Es ist zu beachten, dass die Animationsbilder der Maschinen nicht real sind, sondern repräsentative Zeichnungen, die aus der Symbolbibliothek ausgewählt wurden.
Das Modell kann durch die Modellanimation und numerische Tests mit dem einfachen Auftragsbeispiel validiert und verifiziert werden.
In diesem Abschnitt werden die Planungsexperimente für die Fälle eines Normalzustands und eines neuen Auftrags durchgeführt. Das numerische Beispiel für den anfänglichen Produktmix verwendet für die Experimente 2 Sets (d.h. zwei Stück) von jedem Produkt. Im Ausgangszustand liegen das Auftragsfreigabedatum und das Auftragsfälligkeitsdatum eine Stunde auseinander, d. h. in der ersten Arbeitsstunde gehen Aufträge für ein Stück jedes Produkts ein. Das Fälligkeitsdatum des ersten Satzes von Aufträgen ist eine Stunde nach Beginn der Simulation, zu diesem Zeitpunkt trifft der zweite Satz von Aufträgen für einen Satz (d. h. ein Stück) jedes Produkts ein. Die Daten für einen Beispielsatz von Fertigungsaufträgen sind in Abbildung 5 dargestellt.
Nachdem die Datentabelle in das Modell importiert wurde, kann auf der Registerkarte Planung ein Zeitplan erstellt werden. Der generierte Zeitplan nach der First-in-First-out-Regel ist in Abbildung 6 dargestellt. Das Gantt-Diagramm für den Entity-Workflow (Abbildung 6, rechts) zeigt den Zeitplan für die Belegung der Ressource mit Aufträgen sowie die Meilensteine und Zielstatus für jeden Auftrag. Darüber hinaus zeigt der Ressourcenplan (Abbildung 6, links), wie jede Ressource im System von den Aufträgen genutzt wird. Darüber hinaus werden die Aktivitäten der Entitäten und Ressourcen durch die Nutzungsprotokolle verfolgt, die den Shopfloor zu einem bestimmten Zeitpunkt anzeigen. Darüber hinaus können verschiedene Ansätze für die Ressourcendisposition verglichen werden, indem unter Ressourcen die Ranking-Regel und die dynamische Auswahlregel eingestellt werden.
In einer realen Nutzungssituation besteht eine hohe Wahrscheinlichkeit, dass das System auf einen neuen Auftrag stößt. Wenn 30 Minuten nach Produktionsbeginn ein Auftrag für Produkt A und ein Auftrag für Produkt B eingegangen sind (Auftragsfreigabezeit: 8:30; Auftragsfälligkeit: 9:30). In diesem Fall können der Work in Process (WIP)-Auftrag sowie der Grad des Bearbeitungsfortschritts und der abgeschlossene Auftrag über die Ausgabetabelle zurückgemeldet werden. Darüber hinaus wurde ein VBA-Programm entwickelt, um eine WIP-Tabelle für die Umplanung zu erstellen. Der nach der Regel "Most Work Remaining" um 8:30 Uhr erstellte Zeitplan ist in Abbildung 7 dargestellt.
Durch Laden der teilweise abgeschlossenen Aufträge in die WIP-Tabelle und Importieren der neuen Aufträge (Auftrag 19, Auftrag 20) in die Tabelle der Fertigungsaufträge kann das Modell eine Neuplanung durchführen. Abbildung 8 zeigt das Gantt-Diagramm des Ressourcenplans, wenn das System zwei Eilaufträge einfügt. Außerdem kommt in der Verarbeitungsreihenfolge der Auftrag 02 aufgrund der definierten Regel für die Ressourcendisposition nach dem neuen Auftrag, Auftrag 19.
In dieser Studie wird ein simulationsbasiertes Planungsmodell für die FMS-Fertigungssteuerung erstellt. Die detaillierte Modellierungsmethode basiert auf einem Simulationsscheduler. Die Experimente wurden sowohl für den Normalzustand als auch für den Fall durchgeführt, dass das System auf einen unerwarteten Fall stößt; das System könnte eine neue Anweisung unter der definierten Dispositionsregel in einer kurzen Zeitspanne erstellen. Das vorgeschlagene Dispositionsmodell stellt ein potenzielles Werkzeug dar, das dem Hersteller hilft, Entscheidungen in Echtzeit zu treffen, indem das Simulationsmodell mit dem MES- und ERP-System verbunden wird.
Darüber hinaus kann die Bearbeitungszeit der einzelnen Schritte mit Hilfe von Sensoren leicht genauer gemessen werden, um eine Echtzeitsimulation zu realisieren. Da in dieser Studie jedoch nur eine der vielen am Prozess beteiligten Maschinen betrachtet wird, könnten weitere Forschungsarbeiten die Routenauswahl mit mehreren Maschinen und andere heuristische Dispositionsregeln berücksichtigen.