GRK 2193
Problemstellung
Die stark ansteigende Dynamik und Intensität von Umfeldveränderungen zwingt Unternehmen immer häufiger, ihre Fabriksysteme schnell und effizient anzupassen. Die hierbei entscheidenden Wettbewerbsfaktoren sind die Anpassungs- bzw. Reaktionszeit sowie die Effizienz der Anpassungsmaßnahmen. Die Planung und Anpassung von Fabriksystemen zeichnet sich in der Praxis durch eine ausgeprägte Multidisziplinarität aus, der jedoch auf Seiten der Wissenschaft kein ausreichender methodischer oder auch terminologischer Austausch der beteiligten Disziplinen gegenübersteht.
Zielsetzung
Das Graduiertenkolleg (GRK) 2193 „Anpassungsintelligenz von Fabriken im dynamischen und komplexen Umfeld“ ermöglicht besonders qualifizierten Doktorand*innen unterschiedlicher Fachdisziplinen, ihre Dissertation im Bereich der Anpassungsplanung von Fabriksystemen zu erarbeiten. Dabei zeichnet sich das GRK 2193 durch eine national und international einzigartige interdisziplinäre Zusammenstellung von Anwendungs- und Methodenwissenschaften im Themenfeld der Fabrikplanung aus. Das Forschungsprogramm wird durch zahlreiche wissenschaftliche Einrichtungen der TU Dortmund getragen und schafft eine übergeordnete Forschungsinfrastruktur für innovativen Austausch. Seit dem Start des Förderprogramms sind hochspannende Forschungsergebnisse entstanden, die insbesondere auf die Interdisziplinarität des Austausches zurückzuführen sind.
Vorgehensweise
Das GRK 2193 umfasst Doktorand*innen aus unterschiedlichen Fachdisziplinen an insgesamt zehn wissenschaftlichen Einrichtungen der TU Dortmund, angesiedelt an den fünf Fakultäten Informatik, Maschinenbau, Wirtschaftswissenschaften, Architektur und Bauingenieurwesen sowie Elektrotechnik und Informationstechnik. Daneben sind das RIF e.V. Institut für Forschung und Transfer, das Fraunhofer Institut für Materialfluss und Logistik IML sowie Industriedoktorand*innen mehrerer Industriepartner in das GRK 2193 eingebunden. Neben der Möglichkeit, ihre Dissertation im Bereich der Anpassungsplanung von Fabriksystemen zu erarbeiten, können die Doktorand*innen durch ein speziell auf das GRK 2193 zugeschnittenes Qualifizierungsprogramm ihre fachlichen und methodischen Kompetenzen gezielt ausbauen. Zudem steht dem GRK 2193 eine virtuelle Modellfabrik als Lern- und Forschungsumgebung zur Verfügung.
Das GRK 2193 setzt gezielt auf einen permanenten Forschungsaustausch der Kollegiat*innen über Fachgrenzen hinweg. Die kooperationsfördernden Strukturen von Graduiertenkollegs sind hierbei als Befähiger zur Erreichung der wissenschaftlichen Ziele zu verstehen und zu nutzen. So werden unter anderem internationale Forschungskolloquien organisiert um einen differenzierteren und fachlich vertieften Austausch mit Vertreter*innen aus Forschung und Praxis zu erzielen.
Durch die Bearbeitung neuartiger Forschungsfragen im interdisziplinären Umfeld von Fabrikanpassungsprozessen werden sämtliche Phasen des Anpassungsprozesses, von der Einflussanalyse bis Umsetzungsphase, adressiert. Diese Fragestellungen zeichnen sich durch stark interdisziplinär geprägte Problemstellungen und sukzessiven Aufbau untereinander aus. Die Dissertationsprojekte des GRK 2193 sollen in ihrer Summe alle Phasen des Anpassungsprozesses methodisch wie werkzeugtechnisch abdecken. Ein zentrales Forschungsziel besteht zudem darin, Methoden und Werkzeuge intelligent und dynamisch im Rahmen eines interdisziplinären Workflows bereitzustellen. Thematisch gliedern sich die Inhalte der Dissertationen in die drei Forschungsgruppen Management von Anpassungsprozessen, Smart Efficient Production Systems und Virtualisierung. Die zugrundeliegenden Basiskonzepte erstrecken sich von der prozessorientierten Fabrikplanung, Technologie- und Logistikplanung über Mitarbeiterqualifizierung, Kostenrechnung und Controlling bis hin zu Energieeffizienzanalysen, Software-Engineering und Virtual Reality.
Projektergebnisse
Projektpublikationen
Rinciog, A. (2023). Demystifying reinforcement learning approaches for production scheduling (Doctoral dissertation).Graefenstein, J. (2019). Methodik zur aufgabenorientierten Fabrikplanung. Verlag Praxiswissen.
Müller, D. (2020). Flexibilitätsorientierte Selbststeuerung (Doctoral dissertation, Ph. D. Technical University Dortmund. Dortmund: Verlag Praxiswissen).
Große, N. (2023). Blockchain-gestützte Realisierung vertrauensbilderner Gestaltungsprinzipien für die kapazitive Fremdvergabe.
Große, N.; Möller, F.; Schoormann, T.; Henke, M. (2024): Trust-enabling blockchain systems for the inter-organizational exchange of capacity. Decision Support Systems, 179, 114182. doi.org/10.1016/j.dss.2024.114182
Bömer, T.; Koltermann, N.; Pfrommer, J.; Meyer, A. (2024): Sorting Multibay Block Stacking Storage Systems with Multiple Robots. In: Alexander Garrido, Carlos D. Paternina-Arboleda und Stefan Voß (Hg.): Computational Logistics, Bd. 15168. Cham: Springer Nature Switzerland (Lecture Notes in Computer Science), S. 34–48. link.springer.com/chapter/10.1007/978-3-031-71993-6_2
Pfrommer, J.; Bömer, T. (2024): Multibay unit-load pre-marshalling problem instances. doi.org/10.5281/zenodo.11093870
Pfrommer, J.; Bömer, T.; Akizhanov, D.; Meyer, A. (2024): Sorting multibay block stacking storage systems. doi.org/10.48550/arXiv.2405.04847
Bömer, T., & Meyer, A. (2022, September). Freight Costs Versus Service Level: Optimizing the Distribution of a Materials Trader. In International Conference on Computational Logistics (pp. 397-411). Cham: Springer International Publishing.
Krämer, L.; Große, N., Ahlbäumer, R.; Stuckmann-Blumenstein, P.; Henke, M.; ten Hompel, M. (2022): Designing A Blockchain-Based Digital Twin For Cyber-Physical Production Systems. In: Publisher: Hannover : Institutionelles Repositorium der Leibniz Universität Hannover. Vancouver, Canada, 2022.
Pfrommer, J.; Rinciog, A. Zahid, S.; Morrissey, M; Meyer A. (2022): SLAPStack: A Simulation Framework and a Large-Scale Benchmark Use Case for Autonomous Block Stacking Warehouses. International Conference on Computational Logistics (ICCL) 2022.
Pfrommer, J.; Meyer, A.; Tierney, K. (2022): Solving the unit-load pre-marshalling problem in block stacking storage systems with multiple access directions. arXiv preprint.
Vaghani, A., Gürpinar, T., & Große, N. (2022). A taxonomy characterizing blockchain-empowered services for the metaverse. Edited by Sergey Y. Yurish, 64.
Große, N.; Eisenmann, M. (2021): Potentials Of Blockchain In Crowdsourcing Platforms – An Outlook For Industrial Services. Unter Mitarbeit von My University, David Herberger und Marco Hübner. In: Proceedings of the 2nd Conference on Production Systems and Logistics (CPSL 2021). Unter Mitarbeit von My University, David Herberger und Marco Hübner, S. 426–436. doi.org/10.15488/11240
Große, Nick (2021): Einsatz der Blockchain zur Schaffung von Vertrauen im Beschaffungsprozess technischer Dienstleistungen. In: Instandhaltungsforum, InFo 2021 Connected. T agungsband: Fraunhofer-Gesellschaft, S. 7–13; dx.doi.org/10.24406/iml-n-634575
Gürpinar, T.; Stammes, R.; Schwarzer, M.; Ioannidis, P.; Burov, E.; Große, N.; Krämer, L.; Ahlbäumer, R.; Henke, M. (2021): Blockchain Technology in Supply Chain Management – A Discussion of Current and Future Research Topics.
Rinciog, A.; Meyer, A. (2021a): Stochastic Production Scheduling Using AlphaZero. In Joint Workshop of the German Research Training Groups in Computer Science. Ed. by F. Freiling. Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU). DOI: dx.doi.org/10.25593/opus4-fau-16426.
Rinciog, A.; Meyer, A. (2021b): Fabricatio-RL: A Reinforcement Learning Simulation Framework for Pro- duction Scheduling. In: Proceedings of the 2021 Winter Simulation Conference (WSC). Ed. by Sojung Kim et al. proceedings publication in progress. IEEE/ACM.
Eisenmann, M.; Große, N. (2020): Technology bundles in maintenance: ambivalences between virtuality and assistance. In: Klumpp, M.; Ruiner, C.; Fischer, K. (Hrsg.): Springer LNL Book Volume 2020: Digital Supply Chains and the Human Factor. Springer Nature Verlag.
Große, N.; Leisen, D.; Gürpinar, T.; Forsthövel Schulze, R.; Henke, M.; ten Hompel, M.; (2020): Evaluation of (De-)Centralized IT technologies in the fields of Cyber-Physical Production Systems. In: Nyhuis, P.; Herberger, D.; Hübner, M. (Eds.): Proceedings of the 1st Conference on Production Systems and Logistics (CPSL 2020). DOI: doi.org/10.15488/9680
Müller, D.; Schmitt, V. T. (2020): Production planning in autonomous and matrix-structured assembly systems: Effects of similarity of precedence graphs on order release sequencing. In: 53nd CIRP Conference on Manufacturing Systems, Procedia CIRP
Förster, F; Müller, D.: (2019): Verhandlungsumgebung für die Integration prädiktiver Instand-haltungsmaßnahmen in selbststeuernde Produktionssysteme. In: Fit for Smart Maintenance, Tagungsband zum 18. Instandhaltungsforum, S.44-53, Dortmund.
Förster, F.; Mueller, D.; Scholz, D.; Michalik, A.; Kiebler, L. (2019): Integration of condition based maintenance orders into the decision-making of autonomous control methods. In: Procedia CIRP 81, S. 216–221. DOI: 10.1016/j.procir.2019.03.038.
Lenz, L. T.; Graefenstein, J.; Winkels, J.; Gralla, M. (2019): Smart Factory Adaption Planning by means of BIM in Combination of Constraint Solving Techniques, CIB 2019 (World Building Congress), 17.06. – 21.06.2019, Hongkong, CIB World Building Congress 2019, Hong Kong, 17.06. – 21.06 .2019.
Müller, D.; Graefenstein, J.; Scholz, D.; Henke, M. (2019): Complexity-oriented evaluation of production systems for online-switching of autonomous control methods. In: Clausen U., Langkau S., Kreuz F. (Eds.): Advances in Production, Logistics and Traffic. Proceedings of the 4th Interdisciplinary Conference on Production Logistics and Traffic 2019. Cham: Springer International Publishing (Lecture Notes in Logistics), S. 246–264.
Müller, D.; Meyer, A. (2019): Simulative Evaluierung einer flexibilitätsorientierten Selbststeuerung in frei verketteten Montagesystemen. In. Putz, M.; Schlegel, A. (Hrsg.): 17. ASIM Fachtagung Simulation in Produktion und Logistik, Chemnitz.
Zeidler, F.; Müller, D.; ten Hompel, M.; Henke, M. (2019): WIP Balancing by Autonomous Con-trol Using Flexibility-Oriented Decision-Making. In: Zhong, R.Y.; Dessouky, M.I.; Xu, X. (Hrsg.): Proceedings of the 48th International Conference on Computers and Industrial Engineering (CIE 2018).
Graefenstein, J. Winkels, J. et al. (2018); Automatic composition of rough solution possibilities in the target planning of factory planning projects by means of combinatorial logic; Proceedings of 8th International Symposium On Leveraging Applications of Formal Methods, Verification and Validation. Ed. by Tiziana Margaria and Bernhard Steffen. accepted. Zypern, November 04-09, 2018.
Müller, D.; Blank, H. (2018): Systematik zur Planung wandlungsfähiger Fahrerloser Transportsysteme (FTS) für die frei verkettete Montage. In: Industrie 4.0 Management 34 (6), S. 30–34, 2018.
Müller, D.; Mieth, C.; Henke, M. (2018): Quantification of Sequencing Flexibility Based on Precedence Graphs for Autonomous Control Methods, In: Proc. of the 4th International Conference on Industrial and Business Engineering (ICIBE). ACM Press, S. 211–220
Müller, D.; Schumacher, C.; Zeidler, F. (2018): Intelligent Adaption Process in Cyber-Physical Production Systems.In: Margaria, T.; Steffen, B. (Hrsg.): Leveraging Applications of Formal Methods, Verification and Validation. Distributed Systems. Proceedings of the 8th International Symposium (ISoLA 2018), Lecture Notes in Computer Science, Bd. 11246, Springer International Publishing, S. 411–428, 2018.
Graefenstein, J. Winkels, J. et al. (2017): Intelligente Orchestrierung von Planungsprozessen – Anwendung von logikbasiertem Constraintsolving in der Fabrikplanung, ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb, 4/2017, S.209-214.
Graefenstein, J.; Winkels, J.; Scholz, D.; Seifert, O.; Henke, M.; Rehof, J. (2017): Automated processing of planning modules in factory planning by means of constraintsolving using the example of production segmentation. Proceedings of MCPC 2017, November 2017 21-22, Aachen, angenommen.
Konsortium
Ansprechpersonen
Sprecher des GRK 2193:
Koordinator des GRK 2193:
Aktuell geförderte Kollegiat*innen
Förderhinweis
Projektlaufzeit:
01.04.2016 - 31.03.2025
Förderkennzeichen:
276879186
Projektlogo:
Das Graduiertenkolleg 2193 „Anpassungsintelligenz von Fabriken im dynamischen und komplexen Umfeld“ wird von der Deutschen Forschungsgemeinschaft (DFG) unter der Projektnummer 276879183 (Förderkennzeichen 276879186, Geschäftszeichen GRK2193/2) gefördert und betreut.
Mehr über das Projekt erfahren?
Sind Sie neugierig geworden? Möchten Sie mehr über das Projekt erfahren? Dann besuchen Sie gern die offizielle Projekthomepage!