DE102019107209B4 - Sortierspeichereinrichtung und Verfahren zum Betreiben einer Sortierspeichereinrichtung - Google Patents

Sortierspeichereinrichtung und Verfahren zum Betreiben einer Sortierspeichereinrichtung Download PDF

Info

Publication number
DE102019107209B4
DE102019107209B4 DE102019107209.3A DE102019107209A DE102019107209B4 DE 102019107209 B4 DE102019107209 B4 DE 102019107209B4 DE 102019107209 A DE102019107209 A DE 102019107209A DE 102019107209 B4 DE102019107209 B4 DE 102019107209B4
Authority
DE
Germany
Prior art keywords
sorting
memory
workpieces
neural network
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
DE102019107209.3A
Other languages
English (en)
Other versions
DE102019107209A1 (de
Inventor
Martin Schulz
Christoph Schiller
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dr Ing HCF Porsche AG
Original Assignee
Dr Ing HCF Porsche AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dr Ing HCF Porsche AG filed Critical Dr Ing HCF Porsche AG
Priority to DE102019107209.3A priority Critical patent/DE102019107209B4/de
Publication of DE102019107209A1 publication Critical patent/DE102019107209A1/de
Application granted granted Critical
Publication of DE102019107209B4 publication Critical patent/DE102019107209B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

Sortierspeichereinrichtung (1), umfassend- zumindest einen Sortierspeicher (2), innerhalb dessen Werkstücke, insbesondere Fahrzeugkarosserien, für nachgelagerte Fertigungsschritte zwischengelagert werden können,- eine parameterbasierte Steuerungseinrichtung (3), in der Steueralgorithmen zum Steuern des Betriebs des zumindest einen Sortierspeichers (2) und zum Sortieren der innerhalb des Sortierspeichers (2) zwischengelagerten Werkstücke auf Basis von Steuerungsparametern implementiert sind,- eine Simulationseinrichtung (4), in der ein Simulationsmodell des zumindest einen Sortierspeichers (2) implementiert ist, wobei das Simulationsmodell dazu ausgebildet ist, auf Basis historischer Betriebsdaten, die der Simulationseinrichtung (4) zugeführt werden und Steuerungsparameter der Steuerungseinrichtung (3), Werkstückzugänge, den Werkstückbestand sowie Werkstückabgänge umfassen, den Betrieb des zumindest einen Sortierspeichers (2) zu simulieren, sowie- ein neuronales Netz (5), welches dazu ausgebildet ist, auf Basis aktueller Betriebsdaten des zumindest einen Sortierspeichers (2), die dem neuronalen Netz (5) zugeführt werden, und auf Basis von Trainingsdaten, die von dem Simulationsmodell erzeugt und dem neuronalen Netz (5) zum Anlernen zugeführt werden, eine Parameterliste mit optimierten Steuerungsparametern zur Optimierung des Zugangs der Werkstücke aus vorgelagerten Fertigungsschritten in den Sortierspeicher (2), des Bestands der Werkstücke innerhalb des Sortierspeichers (2) sowie des Abgangs von Werkstücken aus dem Sortierspeicher (2) zu nachgelagerten Fertigungsschritten zu erzeugen und der parameterbasierten Steuerungseinrichtung (3) zuzuführen.

Description

  • Die vorliegende Erfindung bezieht sich auf eine Sortierspeichereinrichtung mit zumindest einem Sortierspeicher. Darüber hinaus bezieht sich die vorliegende Erfindung auf ein Verfahren zum Betreiben einer Sortierspeichereinrichtung.
  • Sortierspeichereinrichtungen mit zumindest einem Sortierspeicher sind aus dem Stand der Technik in unterschiedlichen Ausführungsformen bekannt. Derartige Sortierspeichereinrichtungen werden zum Beispiel in industriellen Fertigungsstätten eingesetzt, um Werkstücke zeitweilig zwischen einzelnen Fertigungsschritten eines Fertigungsprozesses zwischenzulagern.
  • Aus der DE 10 2007 016 234 A1 , der DE 10 2016 010 983 A1 und der DE 103 42 677 B4 sind Verfahren und Vorrichtungen zur Steuerung einer Werkstückzufuhr in industriellen Fertigungsprozessen bekannt.
  • Aus der Veröffentlichung von Pulungan et al.: „Design of an Intelligent Warehouse Management System", erschienen in: „Proceedings of the Information Systems International Conference 2013, 2-4 December 2013", S. 263-268 (ISBN 978-979-18985-7-7) ist ein Lagerverwaltungssystem mit einem Vorhersagesystem bekannt, welches ein künstliches neuronales Netzwerk umfasst.
  • Die US 6,236,908 B1 offenbart virtuelle Fahrzeugsensoren, die auf einem künstlichen neuronalen Netzwerk basieren, wobei für das Trainieren des künstlichen neuronalen Netzwerks Daten verwendet werden, die mithilfe von Simulationsmodellen erzeugt werden.
  • Bei den aus dem Stand der Technik bekannten Sortierspeichereinrichtungen kann das Problem auftreten, dass der zumindest eine Sortierspeicher nicht optimal gesteuert wird, so dass es zu Versorgungsproblemen in nachgelagerten Einzelgewerken des Fertigungsprozesses kommen kann, die unter Umständen zu Stillständen und damit zu höheren Fertigungskosten führen können.
  • Die vorliegende Erfindung macht es sich daher zur Aufgabe, eine Sortierspeichereinrichtung sowie ein Verfahren zum Betreiben einer Sortierspeichereinrichtung zur Verfügung zu stellen, die es ermöglichen, die in dem mindestens einen Sortierspeicher zwischengelagerten Werkstücke den nachgelagerten Fertigungsschritten in einer optimierten Reihenfolge zuzuführen, um dadurch den gesamten industriellen Fertigungsprozess effizienter und damit wirtschaftlicher zu gestalten.
  • Die Lösung dieser Aufgabe liefern eine Sortierspeichereinrichtung mit den Merkmalen des Anspruchs 1 sowie ein Verfahren zum Betreiben einer Sortierspeichereinrichtung mit den Merkmalen des Anspruchs 5. Die Unteransprüche betreffen vorteilhafte Weiterbildungen der Erfindung.
  • Eine erfindungsgemäße Sortierspeichereinrichtung umfasst
    • - zumindest einen Sortierspeicher, innerhalb dessen Werkstücke, insbesondere Fahrzeugkarosserien, für nachgelagerte Fertigungsschritte zwischengelagert werden können,
    • - eine parameterbasierte Steuerungseinrichtung, in der Steueralgorithmen zum Steuern des Betriebs des zumindest einen Sortierspeichers und zum Sortieren der innerhalb des Sortierspeichers zwischengelagerten Werkstücke auf Basis von Steuerungsparametern implementiert sind,
    • - eine Simulationseinrichtung, in der ein Simulationsmodell des zumindest einen Sortierspeichers implementiert ist, wobei das Simulationsmodell dazu ausgebildet ist, auf Basis historischer Betriebsdaten, die der Simulationseinrichtung zugeführt werden und Steuerungsparameter der Steuerungseinrichtung, Werkstückzugänge, den Werkstückbestand sowie Werkstückabgänge umfassen, den Betrieb des zumindest einen Sortierspeichers zu simulieren, sowie
    • - ein neuronales Netz, welches dazu ausgebildet ist, auf Basis aktueller Betriebsdaten des zumindest einen Sortierspeichers, die dem neuronalen Netz zugeführt werden, und auf Basis von Trainingsdaten, die von dem Simulationsmodell erzeugt und dem neuronalen Netz zum Anlernen zugeführt werden, eine Parameterliste mit optimierten Steuerungsparametern zur Optimierung des Zugangs der Werkstücke aus vorgelagerten Fertigungsschritten in den Sortierspeicher, des Bestands der Werkstücke innerhalb des Sortierspeichers sowie des Abgangs von Werkstücken aus dem Sortierspeicher zu nachgelagerten Fertigungsschritten zu erzeugen und der parameterbasierten Steuerungseinrichtung zuzuführen.
  • Die erfindungsgemäße Sortierspeichereinrichtung ermöglicht es, durch den Einsatz der Simulationseinrichtung und des neuronalen Netzes, welches mittels der von dem Simulationsmodell zur Verfügung gestellten Trainingsdaten angelernt wird, den Betrieb der Sortierspeichereinrichtung insbesondere dahingehend zu optimieren, dass die in dem zumindest einen Sortierspeicher der Sortierspeichereinrichtung zwischengelagerten Werkstücke den nachgelagerten Fertigungsschritten in einer optimierten Reihenfolge zugeführt werden. Das neuronale Netz bestimmt für unterschiedliche Betriebssituationen des zumindest einen Sortierspeichers eine bestmögliche Lösung und stellt dieses Ergebnis als Parameterliste der Steuerungseinrichtung zur Verfügung, die den Betrieb des zumindest einen Sortierspeichers, der insbesondere ein so genannter Flächenspeicher sein kann, auf Basis der in der Parameterliste enthaltenen Steuerungsparameter steuert. Somit können Versorgungsprobleme in nachgelagerten Einzelgewerken des industriellen Fertigungsprozesses vermieden werden, so dass der gesamte Fertigungsprozess insgesamt effizienter und damit kostengünstiger gestaltet werden kann. Erfindungsgemäß ist es mittels der von dem neuronalen Netz erzeugten und der Steuerungseinrichtung zur Verfügung gestellten Parameterliste möglich, den Betrieb des zumindest einen Sortierspeichers effizienter zu gestalten, indem der Zugang der Werkstücke aus vorgelagerten Fertigungsschritten in den Sortierspeicher, der Bestand der Werkstücke innerhalb des Sortierspeichers sowie der Abgang von Werkstücken aus dem Sortierspeicher zu nachgelagerten Fertigungsschritten durch eine entsprechende Steuerung optimiert werden.
  • In einer vorteilhaften Ausführungsform kann vorgesehen sein, dass die parameterbasierte Steuerungseinrichtung als speicherprogrammierbare Steuerungseinrichtung ausgebildet ist. Eine derartige speicherprogrammierbare Steuerungseinrichtung ist relativ kostengünstig und lässt sich darüber hinaus auch relativ einfach programmieren.
  • In einer besonders vorteilhaften Ausführungsform wird vorgeschlagen, dass das Simulationsmodell dazu ausgebildet ist, den Betrieb des zumindest einen Sortierspeichers mit unterschiedlichen Steuerungsparametern der parameterbasierten Steuerungseinrichtung zu simulieren. Somit ist es insbesondere möglich, den Einfluss von Änderungen eines oder mehrerer Steuerungsparameter zu simulieren.
  • In einer bevorzugten Ausführungsform besteht die Möglichkeit, dass die aktuellen Betriebsdaten des zumindest einen Sortierspeichers Echtzeit-Betriebsdaten sind. Dieses ermöglicht in vorteilhafter Weise eine unmittelbare Reaktion des neuronalen Netzes auf die aktuelle Betriebssituation, insbesondere auch auf Störungen des aktuellen Betriebsablaufs, des zumindest einen Sortierspeichers.
  • Bei einem erfindungsgemäßen Verfahren zum Betreiben einer Sortierspeichereinrichtung mit mindestens einem Sortierspeicher, innerhalb dessen Werkstücke, insbesondere Fahrzeugkarosserien, für nachgelagerte Fertigungsschritte zwischengelagert werden und mit einer parameterbasierten Steuerungseinrichtung, in der Steueralgorithmen zum Steuern des Betriebs des zumindest einen Sortierspeichers und zum Sortieren der innerhalb des Sortierspeichers zwischengelagerten Werkstücke implementiert sind, ist vorgesehen, dass ein Simulationsmodell des zumindest einen Sortierspeichers, das in einer Simulationseinrichtung implementiert ist, auf Basis historischer Betriebsdaten, die Steuerungsparameter der Steuerungseinrichtung, Werkstückzugänge, den Werkstückbestand sowie Werkstückabgänge umfassen, den Betrieb des zumindest einen Sortierspeichers simuliert und
    ein neuronales Netz auf Basis aktueller Betriebsdaten des zumindest einen Sortierspeichers und auf Basis von Trainingsdaten, die von dem Simulationsmodell erzeugt und dem neuronalen Netz zum Anlernen zugeführt werden, eine Parameterliste mit optimierten Steuerungsparametern zur Optimierung des Zugangs der Werkstücke aus vorgelagerten Fertigungsschritten in den Sortierspeicher, des Bestands der Werkstücke innerhalb des Sortierspeichers sowie des Abgangs von Werkstücken aus dem Sortierspeicher zu nachgelagerten Fertigungsschritten erzeugt und der parameterbasierten Steuerungseinrichtung zuführt. Das erfindungsgemäße Verfahren ermöglicht in vorteilhafter Weise eine Optimierung des Betriebs der Sortierspeichereinrichtung. Dabei können die innerhalb des Sortierspeichers zwischengelagerten Werkstücke derart sortiert werden, dass sie in einer optimierten Reihenfolge ausgegeben und nachgelagerten Fertigungsschritten zur Verfügung gestellt werden. Das erfindungsgemäße Verfahren ermöglicht in vorteilhafter Weise insbesondere eine Optimierung des Betriebs des zumindest einen Sortierspeichers bei bevorstehenden Versorgungsproblemen in den Einzelgewerken des industriellen Fertigungsprozesses, in den die Sortierspeichereinrichtung integriert ist.
  • In einer bevorzugten Ausführungsform wird vorgeschlagen, dass dem neuronalen Netz aktuelle Betriebsdaten des zumindest einen Sortierspeichers in Echtzeit zugeführt werden. Dadurch kann das neuronale Netz in vorteilhafter Weise in Echtzeit auf den aktuellen Betriebszustand des zumindest einen Sortierspeichers reagieren. Beispielsweise kann das neuronale Netz rasch auf Störungen des Betriebsablaufs des zumindest einen Sortierspeichers reagieren.
  • In einer besonders bevorzugten Ausführungsform kann vorgesehen sein, dass das Simulationsmodell den Betrieb des zumindest einen Sortierspeichers mit unterschiedlichen Steuerungsparametern der parameterbasierten Steuerungseinrichtung simuliert. Dadurch können insbesondere die Auswirkungen bestimmter Änderungen eines oder mehrerer Steuerungsparameter der parameterbasierten Steuerungseinrichtung auf den Betrieb des zumindest einen Sortierspeichers simuliert werden.
  • Vorzugsweise können die aktuellen Betriebsdaten, die dem neuronalen Netz zugeführt werden, Bestandsdaten des zumindest einen Sortierspeichers umfassen.
  • Weitere Merkmale und Vorteile der vorliegenden Erfindung werden deutlich anhand der nachfolgenden Beschreibung eines bevorzugten Ausführungsbeispiels unter Bezugnahme auf die beiliegende 1, die eine Sortierspeichereinrichtung 1 in schematisch stark vereinfachter Form zeigt.
  • Die Sortierspeichereinrichtung 1 weist zumindest einen Sortierspeicher 2 auf, innerhalb dessen Werkstücke, wie zum Beispiel Fahrzeugkarosserien, für nachgelagerte Fertigungsschritte zwischengelagert werden können. Bei dem Sortierspeicher 2 kann es sich insbesondere um einen so genannten Flächenspeicher handeln.
  • Die Sortierspeichereinrichtung 1 umfasst ferner eine parameterbasierte Steuerungseinrichtung 3, in der Steueralgorithmen zum Steuern des Betriebs des zumindest einen Sortierspeichers 2 und zum Sortieren der innerhalb des Sortierspeichers 2 zwischengelagerten Werkstücke implementiert sind. Während des Betriebs der Sortierspeichereinrichtung 1 werden der Steuerungseinrichtung 3, die vorzugsweise als speicherprogrammierbare Steuerungseinrichtung 3 ausgeführt ist, entsprechende Steuerungsparameter zugeführt, so dass der Betrieb des zumindest einen Sortierspeichers 2 gesteuert werden kann. Ein Ziel ist es dabei, den Betrieb des zumindest einen Sortierspeichers 2 möglichst effizient zu gestalten, indem zum Beispiel der Zugang der Werkstücke aus vorgelagerten Fertigungsschritten in den Sortierspeicher 2, der Bestand der Werkstücke innerhalb des Sortierspeichers 2 sowie der Abgang von Werkstücken aus dem Sortierspeicher 2 zu nachgelagerten Fertigungsschritten optimiert werden. Dieses wird vorliegend durch eine Optimierung der Steuerungsparameter erreicht, die der parameterbasierten Steuerungseinrichtung 3 zugeführt werden. Zu diesem Zweck weist die Sortierspeichereinrichtung 1 eine Simulationseinrichtung 4 sowie ein neuronales Netz 5 auf, deren Funktionen nachfolgend näher erläutert werden.
  • In der Simulationseinrichtung 4 ist ein Simulationsmodell des zumindest einen Sortierspeichers 2 implementiert, welches den Betrieb des Sortierspeichers 2 digital abbildet. Dieses Simulationsmodell ist dazu ausgebildet ist, auf Basis historischer Betriebsdaten des zumindest einen Sortierspeichers 2, die der Simulationseinrichtung 4 beispielsweise aus einer Datenbank zugeführt werden, den Betrieb des zumindest einen Sortierspeichers 2 zu simulieren. Die historischen Betriebsdaten können insbesondere Steuerungsparameter, Werkstückzugänge, den Werkstückbestand sowie Werkstückabgänge umfassen. Das Simulationsmodell kann dabei vorzugsweise den Betrieb des zumindest einen Sortierspeichers 2 mit unterschiedlichen Steuerungsparametern der parameterbasierten Steuerungseinrichtung 3 simulieren. Dadurch ist es insbesondere möglich, die Auswirkungen bestimmter Änderungen eines oder mehrerer Steuerungsparameter auf den Betrieb des zumindest einen Sortierspeichers 2 zu simulieren. Die Simulationseinrichtung 4 ist so ausgeführt, dass sie auf Basis der durchgeführten Simulationen des Betriebs des zumindest einen Sortierspeichers 2 entsprechende Trainingsdaten in maschinenlesbarer Form ausgeben kann, die dem neuronalen Netz 5 zur Verfügung gestellt werden. Auf diese Weise wird das neuronale Netz 5 angelernt.
  • Das neuronale Netz 5 ist dazu ausgebildet ist, auf Basis aktueller Betriebsdaten des zumindest einen Sortierspeichers 2, die dem neuronalen Netz 5 vorzugsweise in Echtzeit zugeführt werden, und auf Basis der Trainingsdaten, die von dem Simulationsmodell erzeugt und dem neuronalen Netz 5 zum Anlernen zur Verfügung gestellt werden, eine Parameterliste mit optimierten Steuerungsparametern zu erzeugen und der parameterbasierten Steuerungseinrichtung 3 zuzuführen. Die Betriebsdaten, die dem neuronalen Netz 5 zugeführt werden, können insbesondere aktuelle Bestandsdaten des zumindest einen Sortierspeichers 2 sein. Auf Grundlage der von dem neuronalen Netz 5 erzeugten Parameterliste mit optimierten Steuerungsparametern kann die Steuerungseinrichtung 3 zum Beispiel die innerhalb des Sortierspeichers 2 zwischengelagerten Werkstücke in einer vorgegebenen Reihenfolge sortieren. Dadurch kann insbesondere der Abgang von Werkstücken aus dem Sortierspeicher 2 zu nachgelagerten Fertigungsschritten des industriellen Fertigungsprozesses optimiert werden. Die hier vorgestellte Lösung ermöglicht in vorteilhafter Weise eine Optimierung des Betriebs des zumindest einen Sortierspeichers 2 bei bevorstehenden Versorgungsproblemen in den Einzelgewerken des industriellen Fertigungsprozesses.

Claims (8)

  1. Sortierspeichereinrichtung (1), umfassend - zumindest einen Sortierspeicher (2), innerhalb dessen Werkstücke, insbesondere Fahrzeugkarosserien, für nachgelagerte Fertigungsschritte zwischengelagert werden können, - eine parameterbasierte Steuerungseinrichtung (3), in der Steueralgorithmen zum Steuern des Betriebs des zumindest einen Sortierspeichers (2) und zum Sortieren der innerhalb des Sortierspeichers (2) zwischengelagerten Werkstücke auf Basis von Steuerungsparametern implementiert sind, - eine Simulationseinrichtung (4), in der ein Simulationsmodell des zumindest einen Sortierspeichers (2) implementiert ist, wobei das Simulationsmodell dazu ausgebildet ist, auf Basis historischer Betriebsdaten, die der Simulationseinrichtung (4) zugeführt werden und Steuerungsparameter der Steuerungseinrichtung (3), Werkstückzugänge, den Werkstückbestand sowie Werkstückabgänge umfassen, den Betrieb des zumindest einen Sortierspeichers (2) zu simulieren, sowie - ein neuronales Netz (5), welches dazu ausgebildet ist, auf Basis aktueller Betriebsdaten des zumindest einen Sortierspeichers (2), die dem neuronalen Netz (5) zugeführt werden, und auf Basis von Trainingsdaten, die von dem Simulationsmodell erzeugt und dem neuronalen Netz (5) zum Anlernen zugeführt werden, eine Parameterliste mit optimierten Steuerungsparametern zur Optimierung des Zugangs der Werkstücke aus vorgelagerten Fertigungsschritten in den Sortierspeicher (2), des Bestands der Werkstücke innerhalb des Sortierspeichers (2) sowie des Abgangs von Werkstücken aus dem Sortierspeicher (2) zu nachgelagerten Fertigungsschritten zu erzeugen und der parameterbasierten Steuerungseinrichtung (3) zuzuführen.
  2. Sortierspeichereinrichtung (1) nach Anspruch 1, dadurch gekennzeichnet, dass die parameterbasierte Steuerungseinrichtung (3) als speicherprogrammierbare Steuerungseinrichtung ausgebildet ist.
  3. Sortierspeichereinrichtung (1) nach einem der Ansprüche 1 oder 2, dadurch gekennzeichnet, dass das Simulationsmodell dazu ausgebildet ist, den Betrieb des zumindest einen Sortierspeichers (2) mit unterschiedlichen Steuerungsparametern der parameterbasierten Steuerungseinrichtung (3) zu simulieren.
  4. Sortierspeichereinrichtung (1) nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass die aktuellen Betriebsdaten des zumindest einen Sortierspeichers (2) Echtzeit-Betriebsdaten sind.
  5. Verfahren zum Betreiben einer Sortierspeichereinrichtung (1) mit mindestens einem Sortierspeicher (2), innerhalb dessen Werkstücke, insbesondere Fahrzeugkarosserien, für nachgelagerte Fertigungsschritte zwischengelagert werden und mit einer parameterbasierten Steuerungseinrichtung (3), in der Steueralgorithmen zum Steuern des Betriebs des zumindest einen Sortierspeichers (2) und zum Sortieren der innerhalb des Sortierspeichers (2) zwischengelagerten Werkstücke implementiert sind, wobei - ein Simulationsmodell des zumindest einen Sortierspeichers (2), das in einer Simulationseinrichtung (4) implementiert ist, auf Basis historischer Betriebsdaten, die Steuerungsparameter der Steuerungseinrichtung (3), Werkstückzugänge, den Werkstückbestand sowie Werkstückabgänge umfassen, den Betrieb des zumindest einen Sortierspeichers (2) simuliert und - ein neuronales Netz (5) auf Basis aktueller Betriebsdaten des zumindest einen Sortierspeichers (2) und auf Basis von Trainingsdaten, die von dem Simulationsmodell erzeugt und dem neuronalen Netz (5) zum Anlernen zugeführt werden, eine Parameterliste mit optimierten Steuerungsparametern zur Optimierung des Zugangs der Werkstücke aus vorgelagerten Fertigungsschritten in den Sortierspeicher (2), des Bestands der Werkstücke innerhalb des Sortierspeichers (2) sowie des Abgangs von Werkstücken aus dem Sortierspeicher (2) zu nachgelagerten Fertigungsschritten erzeugt und der parameterbasierten Steuerungseinrichtung (3) zuführt.
  6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass dem neuronalen Netz (5) aktuelle Betriebsdaten des zumindest einen Sortierspeichers (2) in Echtzeit zugeführt werden.
  7. Verfahren nach einem der Ansprüche 5 oder 6, dadurch gekennzeichnet, dass das Simulationsmodell den Betrieb des zumindest einen Sortierspeichers (2) mit unterschiedlichen Steuerungsparametern der parameterbasierten Steuerungseinrichtung (3) simuliert.
  8. Verfahren nach einem der Ansprüche 5 bis 7, dadurch gekennzeichnet, dass die aktuellen Betriebsdaten, die dem neuronalen Netz (5) zugeführt werden, Bestandsdaten des zumindest einen Sortierspeichers (2) umfassen.
DE102019107209.3A 2019-03-21 2019-03-21 Sortierspeichereinrichtung und Verfahren zum Betreiben einer Sortierspeichereinrichtung Active DE102019107209B4 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102019107209.3A DE102019107209B4 (de) 2019-03-21 2019-03-21 Sortierspeichereinrichtung und Verfahren zum Betreiben einer Sortierspeichereinrichtung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102019107209.3A DE102019107209B4 (de) 2019-03-21 2019-03-21 Sortierspeichereinrichtung und Verfahren zum Betreiben einer Sortierspeichereinrichtung

Publications (2)

Publication Number Publication Date
DE102019107209A1 DE102019107209A1 (de) 2020-09-24
DE102019107209B4 true DE102019107209B4 (de) 2024-02-15

Family

ID=72334247

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019107209.3A Active DE102019107209B4 (de) 2019-03-21 2019-03-21 Sortierspeichereinrichtung und Verfahren zum Betreiben einer Sortierspeichereinrichtung

Country Status (1)

Country Link
DE (1) DE102019107209B4 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6236908B1 (en) 1997-05-07 2001-05-22 Ford Global Technologies, Inc. Virtual vehicle sensors based on neural networks trained using data generated by simulation models
DE10342677B4 (de) 2003-09-16 2006-04-20 Holger Sprenger Entkopplungs- und Synchronisationsmodul
DE102007016234A1 (de) 2007-04-04 2008-10-09 Toyoda Mitsuiseiki Europe Gmbh Steuerung von Werkzeugmaschinen
DE102016010983A1 (de) 2016-09-10 2018-03-15 Audi Ag Verfahren zum Montieren eines Objekts

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6236908B1 (en) 1997-05-07 2001-05-22 Ford Global Technologies, Inc. Virtual vehicle sensors based on neural networks trained using data generated by simulation models
DE10342677B4 (de) 2003-09-16 2006-04-20 Holger Sprenger Entkopplungs- und Synchronisationsmodul
DE102007016234A1 (de) 2007-04-04 2008-10-09 Toyoda Mitsuiseiki Europe Gmbh Steuerung von Werkzeugmaschinen
DE102016010983A1 (de) 2016-09-10 2018-03-15 Audi Ag Verfahren zum Montieren eines Objekts

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Pulungan et al.: „Design of an Intelligent Warehouse Management System", erschienen in: „Proceedings of the Information Systems International Conference 2013, 2-4 December 2013", S. 263-268
PULUNGAN, Reza [et al]: Design of an intelligent warehouse management system. In: Proceedings of the Information Systems International Conference 2013, 2-4 December 2013, S. 263-268. – ISBN 978-979-18985-7-7.

Also Published As

Publication number Publication date
DE102019107209A1 (de) 2020-09-24

Similar Documents

Publication Publication Date Title
DE112009003656B4 (de) Verfahren und System zur In-Produktionsoptimierung der Parameter eines zur Montage verwendeten Roboters
EP2392981B1 (de) Verfahren zur Steuerung einer getakteten Fertigungsstraße
EP2954467A1 (de) Verfahren und vorrichtung zur steuerung einer mit einer erneuerbaren energiequelle betreibbaren energieerzeugungsanlage
WO2018068944A1 (de) Verfahren und vorrichtung zur fahrdynamikregelung für ein kraftfahrzeug
DE3631621C2 (de)
WO2021190921A1 (de) Computerimplementiertes verfahren für eine produktionsplanung und/oder -steuerung eines produktionssystems und produktionsplanung und/oder-steuerungssystem zur produktionsoptimierung
WO2018050252A1 (de) Verfahren und vorrichtung zum planen eines produktionsprozesses aus einer spezifikation und basifunktionen
DE102019107209B4 (de) Sortierspeichereinrichtung und Verfahren zum Betreiben einer Sortierspeichereinrichtung
DE102019206541A1 (de) Verfahren zum Durchführen von computerunterstützten XiL-Simulationen
DE102004046351A1 (de) Verfahren zur automatischen Konservierung der Hohlräume eines Kraftfahrzeugs
EP3474650B1 (de) Verfahren zur erstellung eines rüstsatzes für eine bestückungsmaschine
DE102004040976A1 (de) Rechnergestützte Erzeugung und Änderungsmanagement für Bedienoberflächen
EP1297458A2 (de) Verfahren zur automatischen erstellung eines arbeitsplans
EP1611491A1 (de) Verfahren zur steuerung der fertigungsreihenfolge
WO2019057284A1 (de) Automatisierbares generieren von fähigkeiten von produktionseinheiten
DE10153447B4 (de) Verfahren und Vorrichtung zur Programmierung eines Steuergeräts eines Fahrzeugs, insbesondere eines Kraftfahrzeugs
EP3726319A1 (de) Verfahren, vorrichtungen und system zum bearbeiten eines werkstücks
DE3609925C2 (de)
DE102019128101A1 (de) Fertigungssteuerungssystem
DE102018111603A1 (de) Verfahren und Vorrichtung zum Konfigurieren eines roboter-gestützten Bearbeitungssystems
DE102015003573B4 (de) Verfahren zur Durchführung eines Produktionsprozesses mittels einer Bearbeitungsstation, sowie Anordnung zur Durchführung des Verfahrens
EP2908197A1 (de) Verfahren und Engineering-System zum Laden von Objekten eines Steuerprogramms in ein Automatisierungsgerät
DE102008063684A1 (de) Basisaktivität, Verfahren zur Bestimmung von Basisaktivitäten sowie ein Verfahren und System zur automatisierten Generierung von Workflows
DE10316102A1 (de) Verfahren zur Steuerung und Planung der Fertigungsreihenfolge
EP3871480B1 (de) Verfahren zur bestimmung von rüstfamilien für eine bestückungslinie zur bestückung von leiterplatten mit elektronischen bauteilen

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division