SmartFactoryOWL
Energieoptimierung
Strukturoptimierung
Die Strukturoptimierung beinhaltet die Komponentenauswahl und die Gestaltung der Systemarchitektur, als höchste Ebene eines Optimierungsproblems. Ohne eine entsprechende Optimierung der Struktur können unterlagerte Optimierungen, wie die Parameteroptimierung, nur ein suboptimales Ergebnis innerhalb einer gegebenen Struktur erzielen. Bei Optimierungsverfahren für die Systemarchitektur wird zwischen “Superstruktur-freien”- und “Superstruktur-basierten”-Ansätzen unterschieden. Letztere ermöglichen die effiziente Entwicklung maßgeschneiderter Lösungen durch die Einbringung bereits bewährter Strukturen.
Parameteroptimierung
Die Parameteroptimierung hat primär die Dimensionierung der Komponenten zum Ziel, insbesondere in Energiesystemen. Es geht darum, die entscheidenden Eigenschaften, wie Leistung und Kapazität der einzelnen Bauteile so zu bestimmen, dass sie ideal in das Gesamtsystem passen. Die richtige Dimensionierung stellt sicher, dass das System auch unter spezifischen Betriebsbedingungen optimal arbeitet und höchste Effizienz erreicht. Die Parameteroptimierung ist der Strukturoptimierung untergeordnet, d. h. sie muss für jede Strukturvariante separat erfolgen.
Betriebsoptimierung
Die Betriebsoptimierung bezieht auf die gezielte Steuerung zeitlicher Abläufe, wie z. B. die Nutzung von Energiespeichern, mit dem Ziel innerhalb einer gegebenen Anlagenauslegung (Struktur und Parametrierung) eine optimale Ausnutzung hinsichtlich der Kosten oder des CO2-Fussabdrucks zu erreichen. Sie kann „online“ im Sinne eines Energiemanagements erfolgen oder „offline“ als unterlagerte Optimierung zur Bewertung von Strukturen und Parametrierungen. Im letzten Fall werden relevante „historische“ Daten bzgl. der Randbedingungen (Wetter und betriebliche Bedarfe) genutzt.
Mehr Informationen
Weitergehende Forschungsbereiche
In der Veröffentlichung betrachten wir eingehend das Problem der Planung von Produktionsaufträgen auf einer einzigen Maschine mit sequenzabhängigen Rüstzeiten und individuellen Auftragsfristen. Bei einer Menge von Aufträgen besteht das Ziel darin, die Gesamtzeit für die Bearbeitung aller Aufträge zu minimieren, wobei jeder Auftrag seinen Termin einhält. Wir untersuchen Algorithmen, die eine exakte Lösung des Problems berechnen. Motiviert durch ein Anwendungsbeispiel machen wir uns eine natürliche strukturelle Beobachtung zunutze, die in vielen Produktionsumgebungen auftritt: Die Anzahl der Produktkonfigurationen kann deutlich kleiner sein als die Gesamtzahl der Aufträge. Wir identifizieren einen Algorithmus, der in dieser Umgebung hinsichtlich der Leistung effizient ist. Wir evaluieren experimentell seine Laufzeit und vergleichen ihn mit zwei anderen natürlichen Ansätzen der exakten Auftragsplanung.
In diesem Paper geht es darum, wie automatisierte Lager- und Abrufsysteme (ASRS) in Verteilungszentren und Lagern optimiert werden können, um Kosten oder CO2-Emissionen zu reduzieren. Wir stellen ein zweiphasiges Optimierungskonzept vor, das sich auf zwei wichtige Aufgaben in ASRS konzentriert. Zuerst ordnen wir mehrere Umsortierungsaufgaben so an, dass die Gesamtfahrstrecke der Kräne minimiert wird. Anschließend verbessern wir die Energieeffizienz unserer Kranbewegungen, indem wir optimale Trajektorien berechnen. Wir beschreiben unsere Algorithmen für eine komplexe ASRS-Architektur mit zwei Kränen auf parallel verlaufenden Schienen.
Forschungslinienkoordinator
Prof. Dr.-Ing. Thomas Schulte
Professor Thomas Schulte, forscht mit seiner Arbeitsgruppe auf den Gebieten Echtzeit- und Hardware-in-the-Loop-Simulation, mechatronische System und Energiesysteme sowie technische Mobilitätslösungen. Seit 2010 leitet er das Fachgebiet Regelungstechnik und Simulation an der TH OWL, wo er sich mit innovativen Regelungssystemen und deren praktischer Anwendung befasst. Er ist seit 2017 Leiter des Instituts für Energieforschung, das interdisziplinär in unterschiedlichen Bereichen an der zukunftsfähigen Energieversorgung und -nutzung arbeitet. Ein Schwerpunkt bildet dabei die energieeffiziente Produktion.
Forschungslinienkoordinator
Dr. Andreas Bunte
Dr. Andreas Bunte ist Forschungsgruppenleiter der Gruppe Symbolische Verfahren und Optimierung beim Fraunhofer IOSB-INA. Die Forschungsgruppe beschäftigt sich mit datenbasierter Planung und Optimierung sowie Wissensrepräsentation im industriellen Kontext. Er hat an der Bauhaus Universität Weimar im Bereich der Wissensmodellierung promoviert, einem Teilbereich der Informatik. Zuvor absolvierte er ein Studium der Elektrotechnik mit der Vertiefung Automatisierungstechnik an der Hochschule Düsseldorf.
Forschungslinienkoordinator
Dr. Niels Grüttemeier
Dr. Niels Grüttemeier ist wissenschaftlicher Mitarbeiter in der Gruppe “Symbolische Verfahren und Optimierung” am Fraunhofer IOSB-INA. Zu seinen Forschungsinteressen gehören Algorithmen für schwere Probleme aus dem Bereich der kombinatorischen Optimierung. Diese finden direkte Anwendung im Bereich der Produktionsplanung und der Lagerlogistik von Industrieunternehmen. In dem Projekt Smart-E-Factory bearbeitet er die Energieoptimierung sowie die Reihenfolgeplanung bei der CUNA-Produktion. Dr. Niels Grüttemeier studierte Mathematik an der Uni Jena und promovierte an der Uni Marburg auf dem Gebiet der Algorithmik.