Ausschreibung Promotionsthemen

Promotionsthemen für die 3. Kohorte

Promovieren in Dortmund zum Thema Fabrikanpassungsplanung?

  • Promotion in 3 Jahren, Start: April 2022
  • Flexibel gestaltbare Promotionsthemen
  • Enge Betreuung durch Professor:innen
  • Erstklassige Forschungsbedingungen
  • Exkursionen, Social Events, u.v.m.

Jetzt auf eines der folgenden Themen bewerben und nächstes Jahr Mitglied des geförderten Graduiertenkollegs 2193 sein!
Bewerbungen laufen über das Bewerbungsportal der TU Dortmund unter Karriere TU-Dortmund.

Logistik und Supply Chain Management / Logistics and Supply Chain Management


Univ. -Prof. Dr. habil. Michael Henke
Lehrstuhl für Unternehmenslogistik
Fakultät Maschinenbau

Tel +49 231 755–5771
michael.henke@tu-dortmund.de
Leonhard-Euler-Straße 5, 44227 Dortmund

 

Thema 1: Strategische Wandlungspotentiale von Matrixsystemen für agile Supply Chains

 

Die Agilität von Supply Chains zur Anpassung an Veränderungen ist ein entscheidender Wettbewerbsfaktor in einem dynamischen und komplexen Unternehmensumfeld. Heutzutage existieren eine Vielfalt an (digitalen) Technologien und neuartigen Gestaltungs- und Organisationsprinzipien für den Shopfloor, denen das Potential zur Steigerung der Supply Chain Agilität und zum verbesserten Umgang mit Risiken in Wertschöpfungsketten zugesprochen wird.  Eine mögliche Ausprägung der Zusammenkunft dieser Entwicklungen auf dem Shopfloor stellen sogenannte Matrixsysteme dar, die bereits seit einigen Jahren als Montagekonzept im Automobilumfeld erprobt werden. Matrixsysteme sind hochflexibel, durchgehend digital und nutzen autonome KI-Systeme. Sie gelten als ein zentrales Produktionskonzept der Zukunft und die konsequente Umsetzung von Industrie 4.0 auf dem Shopfloor.

Im Rahmen dieser Promotion sollen die Wandlungspotentiale von Matrixsystemen zur Steigerung der Agilität von Supply Chains untersucht werden. Zur Erschließung der Wandlungspotentiale ist es notwendig, diese bereichsübergreifend entlang von Wertschöpfungsketten zu betrachten. Konkret soll in dieser Arbeit der Beitrag von Flexibilität und Autonomie auf dem Shopfloor (in Form von Matrixsystemen) zur Steigerung der Agilität von Supply Chains bewertet werden, wobei der Fokus auf dem Zusammenwirken von Produktionslogistik und Einkauf. Zu diesem Zweck gilt es, simulative Analysen verschiedener Supply Chain Szenarien unter Einbezug von Matrixsystemen bei Koexistenz von Fabriken mit verschiedenen Flexibilitäts- und Autonomieeigenschaften durchzuführen. Im Rahmen der Arbeit sollen weiterhin neu entstehende Risiken flexibler Produktionskonzepte identifiziert und bewertet werden. Dabei steht auch zur Diskussion, inwiefern Matrixsysteme kollaborativen Wandel – also das Zusammenwirken verschiedener Supply Chain Akteure – entlang von Supply Chains für den verbesserten Umgang mit Supply Chain Risiken unterstützen. Das Vorhaben baut auf Vorarbeiten im Graduiertenkolleg auf und knüpft an aktuell laufende Forschungsarbeiten im Themengebiet „Matrixsysteme“ am Lehrstuhl für Unternehmenslogistik an.

 

Topic 1: Strategic transformation potentials of matrix for agile supply chains
 

The agility of supply chains to adapt to change is a crucial competitive factor in a dynamic and complex business environment. Today, a variety of (digital) technologies, novel designs and organisational principles exist for shop floor environments, which promise to increase supply chain agility and to manage supply chain risks. One possible approach which combines these developments on the shop floor is represented by so-called matrix systems. These systems have already been tested as an assembly concept in the automotive environment for several years. Matrix systems are highly flexible, completely digital and use autonomous AI systems. They are considered a key production concept of the future and the consistent implementation of Industrie 4.0 on the shop floor.

This PhD project aims to analyse the potential of matrix systems to increase the agility of supply chains. In order to utilise the potential of this new revolutionary concept, it is necessary to consider them along all divisions of the supply chain and not isolated. Specifically, the project will evaluate the contribution of flexibility and autonomy of matrix systems to increasing the agility of supply chains, focusing on the interaction of production logistics and purchasing. For this purpose, simulations of different supply chain scenarios with coexistence of factories with different flexibility and autonomy levels should be performed and analysed. Furthermore, emerging risks of flexible production concepts should be identified and evaluated. Additionally, the extent to which matrix systems support collaborative change (i.e., the collaboration of different supply chain actors) along supply chains for improved management of supply chain risks should be assessed. The project builds on preliminary work in the Research Training Group and ties into the current research work in the field of “matrix systems” at the Chair of Enterprise Logistics.

 

Topic 2: Smart Contracts für die Koordination dezentraler, autonomer Systeme in der Logistik im Kontext plattformbasierter Geschäftsmodelle

 

Im Kontext der Digitalen Transformation der produzierenden Industrie versprechen Distributed Ledger Technologien (DLT), allen voran die Blockchain-Technologie, große Potentiale in Logistik und Supply Chain Management. Hierbei steht eine transparente, manipulationssichere und vertrauensvolle Prozessabwicklung in durchgängig digitalisierten Supply Chains unter Einsatz von DLT-basierten Smart Contracts im Vordergrund. Neben den logistischen Informationsflüssen rücken hierbei insbesondere die Finanzflüsse in Wertschöpfungsketten zunehmend in den Fokus der Betrachtung. Smart Contracts bieten hier das Potential, Leistungen und Services von IoT-Devices autonom zu verbuchen. Es wird davon ausgegangen, dass eine DLT-basierte Orchestrierung von Logistiksystemen neuartige Möglichkeiten für plattformbasierte Geschäftsmodelle im IoT eröffnet.

Im Rahmen dieses Promotionsvorhabens sollen geeignete Anwendungsfälle für die plattformbasierte, dezentrale Koordination autonomer Logistiksysteme mittels Smart Contracts im Fabrikumfeld identifiziert werden. Das Ziel ist die prototypische Digitalisierung und Autonomisierung der logistischen Informationsflüsse und der Finanzflüsse in mindestens einem exemplarischen Anwendungsfall unter Einsatz von Blockchain-/DLT-Technologien. Als vielversprechende Integrationsrichtung soll die Beschaffungsseite der Supply Chain (upstream) fokussiert werden. Für die Realisierung von Anwendungsfällen besteht die Möglichkeit zur Umsetzung in einem Großdemonstrator an der Technischen Universität Dortmund und in Zusammenarbeit mit einem interdisziplinären, hochmotivierten Team. Als wesentlicher Erkenntnisgewinn sollen auf Basis der umgesetzten Lösung(en) die Potentiale von DLT-Technologien für die Veränderungs- und Leistungsfähigkeit von Fabriken und Supply Chains bewertet werden. Als weiterer wesentlicher Aspekt soll das entwickelte, dem Use-Case zugrunde liegende, plattformbasierte Geschäftsmodell ökonomisch bewertet werden. Das Promotionsvorhaben bietet eine spannende Gelegenheit für technologisch versierte Teamplayer mit Interesse an Geschäftsmodellen und Ökonomie.

 
Topic 2: Smart contracts for the coordination of decentralised, autonomous systems in logistics in the context of platform- based business models

 

In the context of the digital transformation of the manufacturing industry, distributed ledger technologies (DLT), especially blockchain technology, show great potential in logistics and supply chain management. The focus here is on transparent, tamper-proof and trustworthy process handling in end-to-end digitalised supply chains using DLT-based smart contracts. In addition to logistical information flows, the focus has increasingly been extended to financial flows in value chains. Smart contracts offer the potential for autonomous processing of services from IoT devices. The introduction of DLT-based logistics systems is expected to provide new opportunities for platform-based business models in the IoT.

 

This PhD project aims to identify suitable use cases for the platform-based, decentralised coordination of autonomous logistics systems using smart contracts in factory environments. The goal is to propose a prototype to digitalise and autonomise logistics information and financial flows in at least one exemplary use case using blockchain/DLT technologies. The research should focus on the procurement side of the supply chain (upstream) as a promising integration direction. There is a possibility of use case implementation in a large-scale demonstration at the TU Dortmund University and in collaboration with an interdisciplinary, highly motivated team. In this project, the potential of DLT technologies for increasing changeability and performance of factories (and supply chains) shall be evaluated, based on the implemented solutions. Additionally, the developed platform-based business model should also be evaluated economically. This PhD project offers an exciting opportunity for technologically skilled team players with an interest in business models and economics.

 
 

Operations Research


Jun.-Prof. Dr.-Ing. Anne Meyer
Juniorprofessur für Digitalisierung in Unternehmenslogistik und Supply Chain Management
Fakultät Maschinenbau

Tel +49 231 755–5473
anne2.meyer@tu-dortmund.de
Leonhard-Euler-Straße 5, 44227 Dortmund

 

Adaptive Entscheidungsfindung in Produktion und Logistik

 

Entscheidungen in Produktion und Logistik müssen häufig wiederkehrend und unter unsicherer Informationslage getroffen werden, d.h. die ohnehin schwierig lösbaren kombinatorischen Optimierungsprobleme sind in ihrer Natur dynamisch und stochastisch. In diesem Umfeld ändern sich Eingangsdaten und in Abhängigkeit des Systemzustandes oft auch die kurzfristigen Zielkriterien. So gibt es meist keine Optimierungsmethode, die in jeder Situation die bestmögliche Lösung liefert. Ein möglicher Ansatz, diesen Herausforderungen zu begegnen ist, kombinatorische Optimierungsmethoden mit Methoden aus dem statistischem und maschinellen Lernen zu verknüpfen, um kontextabhängig die bestmögliche Entscheidung zu treffen.

Ziel dieses Dissertationsvorhabens ist es an einem konkreten dynamischen Optimierungsproblem (Produktionssteuerung oder Transport Roboter Dispatching) zunächst verschiedene Arten der Adaptivität in bestehenden Methoden zu identifizieren. In einem zweiten Schritt sollen neue Methoden entwickelt werden, die sich an die aktuelle Situation anpassen, d.h. adaptiv hinsichtlich Datenlage und Zielsystem sind. Dabei kann auf umfassende Vorarbeiten aus der zweiten Kohorte aufgebaut werden, zum Beispiel Python-basierte Trainings- und Evaluationsumgebungen für das Produktionsscheduling (FabricatioRL) und das Transport Roboter Dispatching sowie auf Portfolios von Optimierungsmethoden in beiden Anwendungsbereichen.

 

Adaptive Decision Making in Production and Logistics

 

Decision-making in production and logistics must often be done repeatedly within environments characterized by information uncertainty. This is because the combinatorial optimization problems serving as models for the logistic processes, which are difficult to solve even in their deterministic form, are dynamic and stochastic. Within this context, the planning input, and often the short-term planning goals, change with the system state. As such, no single method can hope to achieve the best results in all situations. Rather than that, methods should be chosen adaptively to fit an ever-changing environment. To this end, a possible approach could be the combined deployment of combinatorial optimization methods with methods of statistical and machine learning.

Given a concrete optimization problem (either production scheduling or transport dispatching), the goal of this dissertation project is to firstly identify different types of method adaptivity. As a second goal, methods that better fit a dynamic and stochastic environment, i.e. methods that are adaptive in terms of the available data and the target system, should be developed. The project can lean on the wide-ranging prior work from the 2nd cohort, such as a training and evaluation framework for production scheduling implemented in Python (FabricatioRL), an analogous framework for the transport robot dispatching problem, as well libraries of associated optimization methods for both application areas.

Soziologie


Prof. Dr. Jürgen Howaldt
Sozialforschungsstelle Dortmund
Fakultät Sozialwissenschaften

Tel +49 231 755–90261
juergen.howaldt@tu-dortmund.de
Evinger Platz 17 , 44339 Dortmund

 

Fabrikplanung als sozialer Prozess

 

Im Rahmen des Promotionsvorhabens soll der Blick auf den Gesamtprozess der Optimierung von Anpassungsprozessen in intelligenten Fabriksystemen ausgeweitet werden. Im Mittelpunkt steht in diesem Kontext das Spannungsfeld zwischen der Planung- und Anpassung als sozialem Prozess, der von unterschiedlichen betrieblichen Akteuren gestaltet wird, und der Nutzung digitaler Technologien, die neue (und KI-basierte) Möglichkeiten der Simulation und Virtualisierung eröffnen. Ausgehend vom sozio-technischen Systemansatz sollen die Schnittstellen zwischen Mensch, Organisation und digitaler Technik unter den Bedingungen der Digitalisierung ausgelotet und unterschiedliche Gestaltungsoptionen aufgezeigt werden. Dazu wird über die erwähnten organisationstheoretischen Ansätze hinaus auf das in den letzten Jahren entwickelte Konzept der Workplace Innovation zurückgegriffen. Die digitalen Technologien werden dabei als Enabler für neue Formen partizipativer Arbeits- und Fabrikplanung gesehen, die neue Anforderungen an die Organisation der Prozesse sowie an die Kompetenzen der Prozessbeteiligten auf den unterschiedlichen Hierarchieebenen der Fabrik stellen. Die in der zweiten Kohorte zu erwartenden Erkenntnisse bilden in der dritten Kohorte wichtige Bezugspunkte für die Untersuchung des Gesamtprozesses. Anknüpfungspunkte für eine interdisziplinäre Themenbearbeitung lassen sich insbesondere innerhalb der Forschungsgruppe zu dem Arbeitsfeld Produktionsmanagement (Henke) sowie dem Lehrstuhl Unternehmensrechnung und -controlling (Hoffjan) identifizieren.

 

Factory planning as a social process

 

In the context of the PhD project, the view on the overall process of optimization of adaptation processes in smart factory systems will be extended. In this context, the focus is on the area of tension between planning and adaptation as a social process, which is shaped by different operational actors, and the use of digital technologies, which open up new (and AI-based) possibilities for simulation and virtualization. Based on the socio-technical systems approach, the interfaces between people, organization and digital technology under the conditions of digitalization will be explored and different design options will be shown. To this end, the concept of workplace innovation, which has been developed in recent years, will be used in addition to the organizational theory approaches mentioned above. In this context, digital technologies are seen as enablers for new forms of participatory work and factory planning, which place new demands on the organization of processes as well as on the competencies of those involved in the process at the various hierarchical levels of the factory. The findings to be expected in the second cohort form important reference points for the investigation of the overall process in the third cohort. Points of contact for an interdisciplinary treatment of topics can be identified in particular within the research group on the field of production management (Henke) and the chair of corporate accounting and controlling (Hoffjan).

Elektro- und Energietechnik


Prof. Dr.- Ing. Christian Rehtanz
Lehrstuhl für Energiesysteme und Energiewirtschaft
Fakultät für Elektrotechnik und Informationstechnik

Tel +49 231 755–2396
christian.rehtanz@tu-dortmund.de
Emil- Figge- Straße 70 , 44227 Dortmund

 

Vergütungskonzepte für Flexibilitätsmärkte im Energiebereich

 

Das Forschungsvorhaben verfolgt das Ziel, neue technische Anforderungen und Vergütungs-konzepte für weitergehende Flexibilitätsmärkte zu entwickeln. Das Wechselspiel zwischen Flexibilitätsbereitstellung (Kohorte 2), Energieeffizienz (Kohorte 1) und wirtschaftlicher Vergütung durch Marktmechanismen und -gestaltung muss hierbei besonders berücksichtigt werden. Ins-besondere ist das Wechselspiel zwischen flexibler Gestaltung der Produktionsplanung und Ein-bußen bezüglich der klassischen, produktionslogistischen Kenngrößen wie der produzierten Stückzahl oder der Durchlaufzeit zu modellieren und zu untersuchen. Voraussetzung für die Teilnahme am Energiemarkt für Unternehmen ist, dass sich die flexible Bereitstellung von elektrischer Leistung positiv auf die Unternehmensbilanz auswirkt. Zur Analyse der wirtschaftlichen Auswirkungen eines elektrischen Lastmanagements auf die Produktion kann der zuvor entwickelte intelligente Energieeffizienzzyklus angewendet werden. Dieser realisiert einerseits die Analyse der Energieeffizienz und andererseits die Bereitstellung von energetischen Flexibilitäten. Durch die Definition von technischen Anforderungen und Vergütungskonzepten wird das Wechselspiel zwischen den internen und externen Zielgrößen, welche in Konkurrenz zueinander stehen, innerhalb des Zyklus aufgegriffen.

 

Remuneration concepts for flexibility markets in the energy sector

 

The research project aims to develop new technical requirements and remuneration concepts for more advanced flexibility markets. The interplay between flexibility provision (cohort 2), energy efficiency (cohort 1) and economic remuneration through market mechanisms and design must be given special consideration. In particular, the interplay between flexible design of production planning and losses in terms of classical, production logistic parameters such as the number of units produced or the throughput time must be modeled and investigated. A prerequisite for participation in the energy market for companies is that the flexible provision of electrical power has a positive effect on the company balance sheet. To analyze the economic impact of electrical load management on production, the previously developed intelligent energy efficiency cycle can be applied. This realizes on the one hand the analysis of energy efficiency and on the other hand the provision of energetic flexibilities. By defining technical requirements and remuneration concepts, the interplay between the internal and external target variables, which are in competition with each other, is taken up within the cycle.

 

Informatik / Software Engineering


Prof. Dr. Peter Buchholz
Informatik IV
Fakultät für Informatik

Tel +49 231 755–4746
peter.buchholz@cs.tu-dortmund.de
Emil- Figge- Straße 70 , 44227 Dortmund

 

Automatische Synthese von Scheduling- Verfahren und deren Analyse

 

Im Rahmen des Promotionsprojekts soll der Prozess der Modellerstellung sowie der Auswahl und Einbindung von Maschinenbelegungsalgorithmen automatisiert und algorithmisiert werden. Dazu sind Ansätze zur Synthese von Simulationsexperimenten und mathematischen Optimierungsalgorithmen auf Basis vorhandener Komponenten zu entwickeln. Weiterhin ist eine Klassifizierung vorhandener Maschinenbelegungsalgorithmen vorzunehmen und eine entsprechende Datenbasis zu generieren, so dass auf Basis der System- und Anforderungsspezifikation ein passender Algorithmus synthetisiert und in die Modellbildung eingebunden werden kann. Im Idealfall soll zu dem Maschinenbelegungsalgorithmus gleichzeitig ein Analysealgorithmus oder zumindest Hinweise auf mögliche Analysealgorithmen mitgeliefert werden. Die Dissertation erfordert einerseits eine theoretische Fundierung vorhandener Maschinenbelegungsalgorithmen, sodass aus einer Anforderungsspezifikation ein Algorithmus ausgewählt oder synthetisiert werden kann. Dazu ist ein flexibles Format zur Spezifikation von Maschinenbelegungsalgorithmen und von Anforderungen an solche Algorithmen zu entwickeln. Gleichzeitig soll das Konzept praktisch umgesetzt werden, sodass es in vorhandene Simulationssysteme im Produktionsbereich eingebunden werden kann. Das Thema stellt eine Ergänzung des im Kolleg zu bearbeitenden Vorhabens zur automatischen Komposition von Simulationsmodellen dar (Prof. Rehof) und baut methodisch auf den bisherigen Vorarbeiten aus der ersten Kohorte und auch insgesamt in diesem Fachbereich auf.

 

Automatic synthesis of scheduling methods and their analysis

 

Within the scope of the PhD project, the process of model generation as well as the selection and integration of machine assignment algorithms is to be automated and algorithmized. For this purpose, approaches for the synthesis of simulation experiments and mathematical optimization algorithms are to be developed on the basis of existing components. Furthermore, a classification of available machine assignment algorithms has to be made and a corresponding database has to be generated, so that a suitable algorithm can be synthesized on the basis of the system and the requirement specification and can be integrated into the modeling. Ideally, an analysis algorithm or at least hints for possible analysis algorithms should be provided simultaneously with the machine assignment algorithm. On the one hand, the dissertation requires a theoretical foundation of existing machine assignment algorithms to select and synthesize algorithms from a requirement specification. For this purpose, a flexible format for the specification of machine assignment algorithms and requirements for such algorithms is to be developed. At the same time, the concept is to be implemented practically so that it can be integrated into existing simulation systems in the production area. The topic is related to the project on the automatic composition of simulation models to be worked on in the Kolleg (Prof. Rehof) and methodically builds on the previous work from the first cohort and also overall in this subject area.

 

Technische Logistik


Prof. Dr. Dr. h. c. Michael ten Hompel
Lehrstuhl für Förder- und Lagerwesen
Fakultät Maschinenbau

Tel +49 231 9743–600
michael.tenHompel@tu-dortmund.de
Joseph- von- Fraunhofer- Straße 2-4, 44227 Dortmund

 

KI- basierte Entscheidungsfindung autonomer cyber- physischer Objekte

 

Einhergehend mit einem zunehmend dynamischen Produktionsumfeld steigen auch die Anforderungen an die Anpassungsintelligenz produktionslogistischer Ökosysteme. Um diesen Herausforderungen gerecht zu werden, wird in der dritten Kohorte auf Basis der Erkennt-nisse der ersten beiden Kohorten ein KI-basiertes Modell zur Automatisierung und Selbstoptimierung der Entscheidungsfindung innerhalb des zu untersuchenden cyber-physischen Produktionssystems entwickelt. Die in der ersten und zweiten Kohorte implementierten Optimierungsalgorithmen und Smart Contracts zeichnen sich durch ein deterministisches Verhalten aus, sodass der Programmcode bei starken Veränderungen des dynamischen Produktionsumfelds gegebenenfalls angepasst werden muss. Durch eine intelligente Lösung hingegen, umgesetzt mithilfe ausgewählter Machine- und Deep-Learning-Methoden, können die cyber-physischen Objekte unabhängig vom Produktionsumfeld die optimale Entscheidung zur Auftragsaus-führung treffen. Das Vorhaben basiert auf Vorarbeiten der ersten und zweiten Kohorte zur autonomen Produktionssteuerung, sodass von Synergieeffekten auszugehen ist.

 

AI- based decision making of autonomous cyber- physical objects

 

Along with an increasingly dynamic production environment, the demands on the adaptive intelligence of production logistics ecosystems are also increasing. To meet these challenges, the third cohort will develop an AI-based model for the automation and selfoptimization of decision-making within the cyber-physical production system under investigation, based on the findings of the first two cohorts. The optimization algorithms and smart contracts implemented in the first and second cohorts are characterized by deterministic behavior, so that the program code may need to be adapted in the event of major changes in the dynamic production environment. By contrast, an intelligent solution, implemented with the help of selected machine and deep learning methods, enables the cyber-physical objects to make the optimal decision for order execution, regardless of the production environment. The project is based on the preliminary work of the first and second cohorts on autonomous production control, so that synergy effects can be assumed.

Maschinenbau


Prof. Dr.-Ing. Petra Wiederkehr
Lehrstuhl für Software Engineering
Fakultät für Informatik

Tel +49 231 755–7208
petra.wiederkehr@tu-dortmund.de
Otto- Hahn- Str. 12, 44227 Dortmund



Prof. Dr.-Ing. Prof. h. c. Dirk Biermann (beratend)
Institut für Spanende Fertigung
Fakultät Maschinenbau

Tel +49 231 755–2782
dirk.biermann@tu-dortmund.de
Baroper Straße 303, 44227 Dortmund

 

Anpassungsplanung von Fertigungsketten unter besonderer Berücksichtigung von Aufspannvorrichtungen

 

Im Fokus des Promotionsthemas steht die simulationsgestützte Anpassungsplanung von Fertigungsketten. Aufbau-end auf den Ergebnissen der ersten und zweiten Kohorte sollen hierbei ebenfalls die Verfahren der additiven Fertigung sowie der NC-Fräsbearbeitung und zusätzlich auch der Schleifbearbeitung einbezogen werden. Bei der Analyse und Auslegung der Fertigungsroute spielen nicht nur die Wahl der Bearbeitungsmaschine und die Prozessauslegung, sondern insbesondere auch die Spannvorrichtungen eine besondere Rolle. Durch die auf die Werkstücke wirkenden Spann-kräfte entstehen Deformationen, die das Bearbeitungsergebnis beeinträchtigen. Auch die dynamischen Eigenschaften des Systems, welche einen wesentlichen Einfluss auf das Bearbeitungsergebnis haben können, hängen von den eingesetzten Spannvorrichtungen ab (Kolar et al. 2016). Darüber hinaus beeinflussen Spannvorrichtungen die Rolle des Menschen beim Ein-spannen der Werkstücke sowie die benötigten Rüstzeiten und die mit der Bearbeitung verbun-denen Nebenzeiten. Diese können beispielsweise mithilfe von Festkörpersimulationen (Wang et al. 2003) oder durch Modellierung der elastischen Deformationen der Spannkomponenten und des Werkstücks (Li und Melkote 1999; Kashyap und DeVries 1999; Siebenaler und Melkote 2006) untersucht werden. Aufbauend auf detaillierten empirischen Untersuchungen sollen Mo-delle für die Aufspannvorrichtungen der Bauteile exemplarisch entwickelt und in die bereits in der ersten Phase entwickelte Prozesssimulation integriert werden.

 

Adaptation planning of production chains with special consideration of clamping devices

 

The focus of the doctoral thesis is the simulation-based adaptation planning of manufacturing chains. Building on the results of the first and second cohorts, the processes of additive manufacturing and NC milling, as well as grinding, will also be included. In the analysis and design of the manufacturing route, not only the choice of the processing machine and the process design, but also the clamping devices in particular play a special role. The clamping forces acting on the workpieces cause deformations that impair the machining result. The dynamic properties of the system, which can have a significant influence on the machining result, also depend on the clamping devices used (Kolar et al. 2016). In addition, clamping devices influence the role of humans in clamping the workpieces as well as the setup times required and the non-productive times associated with machining. These can be studied, for example, using solid-state simulations (Wang et al. 2003) or by modeling the elastic deformations of the clamping components and the workpiece (Li and Melkote 1999; Kashyap and DeVries 1999; Siebenaler and Melkote 2006). Based on detailed empirical investigations, models for the clamping devices of the components will be developed exemplarily and integrated into the process simulation already developed in the first phase.

Bauingenieurwesen und -prozessmanagement


Univ.- Prof. Dr.-Ing. Mike Gralla
Lehrstuhl Baubetrieb und Bauprozessmanagement
Fakultät Architektur und Bauingenieurwesen

Tel +49 231 755–2073
baubetrieb.bauwesen@tu-dortmund.de
August- Schmidt- Straße 8, 44227 Dortmund

 

Algorithmische Entscheidungsunterstützung auf Basis der BIM- Methode

 

Mithilfe der in der ersten Kohorte entwickelten Datenbasis einer singulären Fabrik sowie der Weiterentwicklung dieser in der zweiten Kohorte in Bezug auf einen gesamten Produktionsstandort können KI-Techniken dazu beitragen, Entscheidungen automatisiert ableiten zu können. Dabei sollen die auf Erfahrung basierenden Entscheidungen während der Planung und Realisierung einer Anpassungsmaßnahme innerhalb der Datenbasis ergänzt und mittels Algorithmen effizient genutzt werden. Zudem sollen Chancen und Herausforderungen der An-wendung künstlicher neuronaler Netze und maschineller Lernverfahren in diesem Zusammen-hang erforscht werden. Eine effiziente Datennutzung auf Basis der BIM-Methode in Verbindung mit automatischen Datenanalyseverfahren birgt mit Fokus auf die bauliche Perspektive (Produktionsstätte, Produktionsstandort, Projekttypen, Gebäudearten etc.) immense Potenziale. Diese Ansätze können die disziplinübergreifende Kollaboration durch die Möglichkeiten der Kombinatorik bzw. Synthese der Datenstrukturen verschiedener Disziplinen deutlich vereinfachen, eine ganzheitliche Wissensbasis zur Entscheidungsunterstützung erzeugen, die Prognosefähigkeit erhöhen und damit die Geschwindigkeit und Effizienz des Anpassungsprozesses maximieren.

 

Algorithmic decision support based on the BIM method

 

With the help of the database of a singular factory developed in the first cohort and the further development of this in the second cohort in relation to an entire production site, AI techniques can contribute to being able to derive decisions automatically. In this context, the experience-based decisions during the planning and realization of an adaptation measure are to be supplemented within the database and efficiently used by means of algorithms. In addition, opportunities and challenges of the application of artificial neural networks and machine learning methods will be explored in this context. Efficient data utilization based on the BIM method in conjunction with automatic data analysis methods holds immense potential with a focus on the construction perspective (production site, production location, project types, building types, etc.). These approaches can significantly simplify cross-discipline collaboration through the possibilities of combinatorics or synthesis of data structures from different disciplines, generate a holistic knowledge base for decision support, increase predictive capability, and thus maximize the speed and efficiency of the adaptation process.