Advertisement

Automated Processing of Planning Modules in Factory Planning by Means of Constraint Solving Using the Example of Production Segmentation

  • Julian GraefensteinEmail author
  • David Scholz
  • Oliver Seifert
  • Jan WinkelsEmail author
  • Michael Henke
  • Jakob Rehof
Conference paper
Part of the Springer Proceedings in Business and Economics book series (SPBE)

Abstract

For the adaption of factories, essential data are required as a basis in factory planning. Often these data are either stored in some form, at some location, or on some data medium, respectively, or are not available at all. Preparing these data for the planning process in a planning-appropriate manner can result in high effort. In order to counteract this situation, a data warehouse system can be used in the context of Business Intelligence for initially providing the data in a centralized and consistent form. The advantages of an up-to-date and consistent data base are shown by an example of the production segmentation. With the planning of the factory adaption by means of planning modules, which can be orchestrated individually, it is possible to process planning tasks automatically or partly automated. A given example of a vice production, which can be produced in four variants, was used to show the benefits and explain the approach in detail. Constraint solving, the modular planning process and the data available in the data warehouse enable the segmentation to be processed automatically and thus reduce planning time.

Keywords

Factory planning Planning modules Constraint solving Production segmentation Data warehouse 

Notes

Acknowledgment

This article was written within the Research Training Group GRK 2193 “Adaption Intelligence of Factories in a Dynamic and Complex Environment” funded by the Deutsche Forschungsgemeinschaft (DFG).

References

  1. 1.
    Reinhart, G.: Handbuch Industrie 4.0. Geschäftsmodelle, Prozesse, Technik. München: Carl Hanser Verlag GmbH & Co. KG (2017). Online verfügbar unter  https://doi.org/10.3139/9783446449893
  2. 2.
    Weyer, S., Schmitt, M., Ohmer, M., Gorecky, D.: Towards industry 4.0 – standardization as the crucial challenge for highly modular, multi-vendor production systems. IFAC-PapersOnLine. 48(3), 579–584 (2015).  https://doi.org/10.1016/j.ifacol.2015.06.143 CrossRefGoogle Scholar
  3. 3.
    Vogel-Heuser, B., Diedrich, C., Pantforder, D., Gohner, P.: Coupling heterogeneous production systems by a multi-agent based cyber-physical production system. In: 2014 12th IEEE International Conference on Industrial Informatics (INDIN). 2014 12th IEEE International Conference on Industrial Informatics (INDIN). Porto Alegre RS, Brazil, 27.07.2014–30.07.2014: IEEE, pp. 713–719 (2014)Google Scholar
  4. 4.
    Böckenkamp, A., Weichert, F., Stenzel, J., Lünsch, D.: Towards autonomously navigating and cooperating vehicles in cyber-physical production systems. In: Niggemann, O., Beyerer, J (Hg.): Machine learning for cyber physical systems. Selected papers from the international Conference ML4CPS 2015. Berlin, Heidelberg: Springer Vieweg (Technologien für die intelligente Automation, Band 1), pp. 111–121 (2016)CrossRefGoogle Scholar
  5. 5.
    Trenkle, A., Furmans, K.: Der Mensch als Teil von Industrie 4.0: Interaktionsmechanismen bei autonomen Materialflusssystemen. In: Birgit Vogel-Heuser, Thomas Bauernhansl und Michael ten Hompel (Hg.): Handbuch Industrie 4.0 Bd.3. Logistik. 2. Aufl. 2017. Berlin, Heidelberg, s.l.: Springer Berlin Heidelberg (Springer Reference Technik), pp. 45–60 (2017)Google Scholar
  6. 6.
    Kalhoff, J.: Praxisbeispiel: Automatisierter Schaltschrankbau. In: Manzei, C., Schleupner, L., Heinze, R (Hg.) Industrie 4.0 im internationalen Kontext. Kernkonzepte, Ergebnisse, Trends. 2., neu bearbeitete und erweiterte Auflage, pp. 211–214 (2017)Google Scholar
  7. 7.
    Hermann, M., Pentek, T., Otto, B.: Design Principles for Industries 4.0 Scenarios. In: 2016 49th Hawaii International Conference on System Sciences (HICSS). 2016 49th Hawaii International Conference on System Sciences (HICSS). Koloa, HI, USA, 05.01.2016 – 08.01.2016: IEEE, pp. 3928–3937 (2016)Google Scholar
  8. 8.
    Abersfelder, S., Bogner, E., Heyder, A., Franke, J.: Application and validation of an existing industry 4.0 guideline for the development of specific recommendations for implementation. AMR. 1140, 465–472 (2016).  https://doi.org/10.4028/www.scientific.net/AMR.1140.465 CrossRefGoogle Scholar
  9. 9.
    Kagermann, H., Wahlster, W., Helbig, J.: Recommendations for implementing the strategic initiative INDUSTRIE 4.0. Final report of the Industrie 4.0 Working Group. acatech - National Academy of Science and Engineering. Frankfurt/Main. Online verfügbar unter https://doi.org/http://www.acatech.de/fileadmin/user_upload/Baumstruktur_nach_Website/Acatech/root/de/Material_fuer_Sonderseiten/Industrie_4.0/Final_report__Industrie_4.0_accessible.pdf (2013)
  10. 10.
    Breyer-Mayländer, T.: Management 4.0 – den digitalen Wandel erfolgreich meistern. Das Kursbuch für Führungskräfte (2017)Google Scholar
  11. 11.
    Aggteleky, B.: Fabrikplanung. Werksentwicklung und Betriebsrationalisierung. 2., durchges. Aufl. der Neuausg. München: Hanser (1987)Google Scholar
  12. 12.
    Kettner, H., Schmidt, J., Greim, H.: Leitfaden der systematischen Fabrikplanung. Mit zahlreichen Checklisten. Unveränd. Nachdr. der Ausg. 1984. München: Hanser (2010)Google Scholar
  13. 13.
    Grundig, C.: Fabrikplanung. Planungssystematik – Methoden – Anwendungen. 5., aktualisierte Aufl. München: Hanser (2015)Google Scholar
  14. 14.
    VDI Richtlinie 5200, 2011: Fabrikplanung – PlanungsvorgehenGoogle Scholar
  15. 15.
    Wiendahl, H.-P., Reichardt, J., Nyhuis, P.: Handbook Factory Planning and Design. Springer, Berlin/Heidelberg (2015)CrossRefGoogle Scholar
  16. 16.
    Schuh, G., Franzkoch, B., Burggräf, P., Nöcker, J.C., Wesch-Potente, C.: Frei konfigurierbare Planungsprozesse in der Fabrikplanung. wt Werkstatttechnik online. 99(4), 193–198 (2009)Google Scholar
  17. 17.
    Nöcker, J.: Zustandsbasierte Fabrikplanung. Zugl.: Aachen, Techn. Hochsch., Diss., 2012. 1. Aufl. Aachen: Apprimus-Verl. (Edition Wissenschaft Apprimus, 2012, 6) (2012)Google Scholar
  18. 18.
    Graefenstein, J., Scholz, D., Henke, M., Winkels, J., Rehof, J.: Intelligente Orchestrierung von Planungsprozessen. Anwendung von logikbasiertem Constraintsolving in der Fabrikplanung. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb. 112(4), 209–213 (2017)CrossRefGoogle Scholar
  19. 19.
    Dombrowski, U., Tiedemann, H., Bothe, T.: Visionen für die digitale Fabrik. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb. 96(3), 96–100 (2001)CrossRefGoogle Scholar
  20. 20.
    Bracht, U.: Ansätze und Methoden der Digitalen Fabrik. Simulation und Visualisierung. Magdeburg (2002)Google Scholar
  21. 21.
    Zäh, M.F., Patron, C., Fusch, T.: Die Digitale Fabrik. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb. 98(3), 75–77 (2003).  https://doi.org/10.3139/104.100614 CrossRefGoogle Scholar
  22. 22.
    Bracht, U., Masurat, T.: The digital factory between vision and reality. Comput. Ind. 56(4), S.325–S.333 (2005).  https://doi.org/10.1016/j.compind.2005.01.008 CrossRefGoogle Scholar
  23. 23.
    VDI Richtlinie 4499, 2008: Digitale Fabrik – GrundlagenGoogle Scholar
  24. 24.
    Siepmann, D.: Industrie 4.0 – Grundlagen und Gesamtzusammenhang. Industrie 4.0 – Struktur und Historie. In: Roth, A. (ed.) Einführung und Umsetzung von Industrie 4.0. Grundlagen, Vorgehensmodell und Use Cases aus der Praxis, pp. 17–34. Springer Gabler, Berlin/Heidelberg (2016)CrossRefGoogle Scholar
  25. 25.
    Shrouf, F., Ordieres, J., Miragliotta, G.: Smart factories in Industry 4.0. A review of the concept and of energy management approached in production based on the Internet of Things paradigm. In: 2014 IEEE International Conference on Industrial Engineering and Engineering Management. 2014 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM). Selangor Darul Ehsan, Malaysia, 09.12.2014 – 12.12.2014: IEEE, pp. 697–701 (2014)Google Scholar
  26. 26.
    Zhong, R.Y., Dai, Q.Y., Qu, T., Hu, G.J., Huang, G.Q.: RFID-enabled real-time manufacturing execution system for mass-customization production. Robot. Comput. Integr. Manuf. 29(2), 283–292 (2013).  https://doi.org/10.1016/j.rcim.2012.08.001 CrossRefGoogle Scholar
  27. 27.
    Humm, B., Wietek, F.: Architektur von Data Warehouses und Business Intelligence Systemen. Informatik Spektrum. 28(1), 3–14 (2005).  https://doi.org/10.1007/s00287-004-0450-5 CrossRefGoogle Scholar
  28. 28.
    Navrade, F.: Strategische Planung mit Data-Warehouse-Systemen. Wiesbaden: Betriebswirtschaftlicher Verlag Dr. Th. Gabler/GWV Fachverlage GmbH Wiesbaden (2008). Online verfügbar unter  https://doi.org/10.1007/978-3-8349-9762-3
  29. 29.
    Schoenherr, T., Speier-Pero, C.: Data science, predictive analytics, and big data in supply chain management. Current state and future potential. J. Bus. Logist. 36(1), 120–132 (2015).  https://doi.org/10.1111/jbl.12082 CrossRefGoogle Scholar
  30. 30.
    Hu, H., Wen, Y., Chua, T.-S., Li, X.: Toward scalable systems for big data analytics. A technology tutorial. IEEE Access. 2, 652–687 (2014).  https://doi.org/10.1109/ACCESS.2014.2332453 CrossRefGoogle Scholar
  31. 31.
    Kemper, H., Baars, H., Mehanna, W.: Business Intelligence – Grundlagen und praktische Anwendungen. Eine Einführung in die IT-basierte Managementunterstützung. 3., überarbeitete und erweiterte Auflage. Wiesbaden: Vieweg+Teubner Verlag/GWV Fachverlage GmbH Wiesbaden (Studium) (2010). Online verfügbar unter  https://doi.org/10.1007/978-3-8348-9727-5 CrossRefGoogle Scholar
  32. 32.
    Hoffmann, M., Kreisköther, K., Büscher, C., Meisen, T., Kampker, A., Schilberg, D., Jeschke, S.: Optimized factory planning and process chain formation using virtual production intelligence. In: Jeschke, S., Isenhardt, I., Hees, F., Henning, K. (eds.) Automation, Communication and Cybernetics in Science and Engineering 2013/2014, pp. 881–895. Springer International Publishing, Cham (2014)Google Scholar
  33. 33.
    Larson, D., Chang, V.: A review and future direction of agile, business intelligence, analytics and data science. Int. J. Inf. Manag. 36(5), 700–710 (2016).  https://doi.org/10.1016/j.ijinfomgt.2016.04.013 CrossRefGoogle Scholar
  34. 34.
    Wildemann, H.: Die modulare Fabrik. Kundennahe Produktion durch Fertigungssegmentierung. 5., überarb. und erg. Aufl. München: TCW-Transfer-Centrum (TCW, 2) (1998)Google Scholar
  35. 35.
    von Garrel, J., Schenk, M., Seidel, H.: Flexibilisierung der Produktion. Maßnahmen und Status-Quo. In: Schlick, C.M., Moser, K., Schenk, M. (eds.) Flexible Produktionskapazität innovativ managen. Handlungsempfehlungen für die flexible Gestaltung von Produktionssystemen in kleinen und mittleren Unternehmen, pp. 81–126. Springer Berlin Heidelberg, Berlin/Heidelberg (2014)Google Scholar
  36. 36.
    Debnar, R., Bruestle, T., Kosturiak, J.: Fertigungssegmentierung durch Anwendung von Gruppentechnologie und Simulation. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb. 94(10), (1999)Google Scholar
  37. 37.
    Beller, M.: Entwicklung eines prozessorientierten Vorgehensmodells zur Fabrikplanung. Zugl.: Dortmund, Techn. Univ., Diss., 2010. Dortmund: Verl. Praxiswissen (Fabrikorganisation) (2009)Google Scholar
  38. 38.
    de Moura, L., Bjørner, N.: Z3: An Efficient SMT Solver, International Conference on Tools and Algorithms for the Construction and Analysis of Systems – TACAS 2008: Tools and Algorithms for the Construction and Analysis of Systems, pp. 337–340Google Scholar
  39. 39.
    VDI/VDE Richtlinie 3690 Part 2: XML in der Automation – Überprüfung fachlicher Modelle nach XMLGoogle Scholar

Copyright information

© Springer International Publishing AG, part of Springer Nature 2018

Authors and Affiliations

  1. 1.TU Dortmund, Chair of Enterprise LogisticsDortmundGermany
  2. 2.TU Dortmund, Chair of Software EngineeringDortmundGermany

Personalised recommendations