Projektförderung
Hintergrund
Die Entwicklung neuer industrieller Anlagen ist ein komplexer, mit Risiken verbundener und kostenintensiver Prozess. Um diesen Entwicklungsprozess zu unterstützen gewinnt das Digitale Engineering immer mehr an Bedeutung. Ein zentraler Aspekt hierbei ist die virtuelle Inbetriebnahme (VIBN). Diese ermöglicht es, Produktionsanlagen und deren Steuerungen bereits vor der realen Inbetriebnahme zu testen und zu optimieren. Dadurch lassen sich Entwicklungszeit, Kosten und Risiken reduzieren sowie die Anlagenqualität erhöhen. Anstelle der realen Anlage wird bei der VIBN eine Simulation der Produktionsanlage an die Steuerung angeschlossen. Für einzelne Maschinen wird die VIBN bereits erfolgreich angewendet. Um auch gesamte Produktionsanlagen virtuell in Betrieb nehmen zu können, ist es notwendig, auch den Materialfluss, also die Bewegung aller Stückgüter innerhalb der Anlage, realitätsnah zu simulieren.
Problemstellung
Damit eine Materialflusssimulation für die VIBN geeignet ist, muss sie sowohl möglichst genau die Realität abbilden als auch die Einhaltung von Echtzeitanforderungen gewährleisten. Besonders bei der Hardware-in-the-Loop Testkonfiguration (nach VDI/VDE 3693) wird ein zeitdeterministisches Verhalten der Simulation vorausgesetzt. Physikalische Simulatoren, welche die Realität am genauesten abbilden können, sind im Allgemeinen nicht in der Lage Echtzeitanforderungen zu erfüllen, weil sie eine sehr hohe Rechenkomplexität besitzen. Bisherige Ansätze einen echtzeitfähigen Simulator zu realisieren, zum Beispiel auf Grundlage eines Kinematikmodells oder eines Flussmodells, gehen mit Einbußen bei der Simulationsgenauigkeit einher. Somit ist es bislang im Allgemeinen nicht möglich, eine hochgenaue Simulation bereitzustellen und gleichzeitig Echtzeitanforderungen einzuhalten. Erlernbare, auf KI-Modellen basierende Simulatoren zeigen ein großes Potenzial für die Simulation physikalischer Systeme. Bestehende Ansätze ermöglichen eine deutliche Beschleunigung der Rechenzeit bei gleichzeitig hoher Simulationsgenauigkeit. Um dieses Potential auf die Materialflusssimulation zu übertragen ist ein geeigneter erlernbarer Simulator nötig.
Zielsetzung/Ergebnisse
Ziel des Forschungsvorhabens ist es, einen geeigneten erlernbaren Simulator für die Materialflusssimulation zu entwickeln. Dieser soll die Potentiale erlernbarer Simulatoren auf die Materialflusssimulation übertragen. Als KI-Modelle sollen dabei Graph Neural Networks zum Einsatz kommen, mit denen bereits erste Erfolge bei der Simulation physikalischer Systeme erzielt werden konnten. Angestrebt wird die dreidimensionale Simulation der Bewegung großer Stückgütermengen auf einem Förderband. Dabei sollen auch Phänomene wie das Aufstauen an Barrieren, das Umkippen sowie das Verklemmen von Stückgütern realitätsnah abgebildet werden. Zur Validierung der Simulation soll zudem ein Versuchsstand entwickelt werden, anhand dessen ein realer Materialfluss experimentell erfasst und mit den Simulationsergebnissen verglichen werden kann. Um die Echtzeitfähigkeit des erlernbaren Simulators sicherzustellen, ist schließlich die Integration in ein Echtzeitsystem vorgesehen.
Ihr Ansprechpartner
Lukas Koberg
M.Sc.Wissenschaftlicher Mitarbeiter "Virtuelle Methoden in der Produktionstechnik"