Entwicklung eines Datenmodells zur Erhöhung der Reaktionsfähigkeit von autonomen mobilen Robotern in flexiblen Produktionssystemen

  • Kürzere Produktlebens- und Innovationszyklen sowie eine zunehmende Kreislaufwirtschaft stellen Unternehmen vor die Herausforderung, ihre Produktionsprozesse schnell an die sich wandelnden Anforderungen anzupassen. Entscheidend für die Umsetzung einer anpassungsfähigen Produktion ist eine flexible Intralogistik. Dabei setzen Unternehmen zunehmend auf autonome mobile Roboter (AMR). AMR navigieren selbstständig und können ihre Route an die Umgebungssituation anpassen, ohne einen Fahrer zu benötigen. In der Praxis werden diese Vorteile jedoch selten genutzt, da AMR nicht hinreichend in das Produktionssystem eingebunden sind. Die Schwierigkeit dabei liegt in der Generierung von Transportaufträgen, die auf die Echtzeit-Lage im Produktionssystem angepasst sind und alle relevanten Daten auf dem Shopfloor berücksichtigen, um so auf unvorhergesehene Veränderungen flexibel und effizient zu reagieren. Das Ziel dieser Arbeit ist die Entwicklung eines Datenmodells, welches die Einflüsse auf den Einsatz von AMR in der Produktion umfasst und die Erstellung von echtzeitfähigen Transportaufträgen ermöglicht. Dazu wird zunächst eine Literaturrecherche durchgeführt, um relevante Aspekte wie Datenquellen, -senken, und -flüsse zu identifizieren. Anschließend werden deren Einflüsse auf echtzeitfähige Transportaufträge mittels der Betrachtung generischer Use-Cases ermittelt und in einem Datenmodell erfasst. Das entwickelte Modell soll in der DFA Demonstrationsfabrik Aachen Gmbhl validiert werden. Die Ergebnisse dieser Arbeit sollen Unternehmen bei der effektiven Implementierung von AMR unterstützen und als Mittel zur Erhöhung der Reaktionsfähigkeit moderner Produktionssysteme dienen

Download full text files

  • FIR_Bibliothek/-Archiv
    deu

    Gesperrt bis mindestens 2. Quartal 2026

Export metadata

Additional Services

Search Google Scholar
Metadaten
Author:Haak Nicholas
Advisor:Nikita Fjodorovs
Document Type:Master's Thesis
Language:German
Date of Publication (online):2024/03/07
Date of first Publication:2024/02/29
Granting Institution:FIR e. V. an der RWTH Aachen, Fakultät 4: Maschinenwesen
Release Date:2024/05/15
Institute / Department:FIR e. V. an der RWTH Aachen
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften