Browsing by Author "Bauer, Dennis"

Now showing 1 - 4 of 4

Open Access
Complex job shop simulation “CoJoSim” : a reference model for simulating semiconductor manufacturing
(2023) Bauer, Dennis; Umgelter, Daniel; Schlereth, Andreas; Bauernhansl, Thomas; Sauer, Alexander
The manufacturing industry is facing increasing volatility, uncertainty, complexity, and ambiguity, while still requiring high delivery reliability to meet customer demands. This is especially challenging for complex job shops in the semiconductor industry, where the manufacturing process is highly intricate, making it difficult to predict the consequences of changes. Although simulation has proven to be an effective tool for optimizing manufacturing processes, reference data sets and models often produce disparate and incomparable results. CoJoSim is introduced in this article as a reference model for semiconductor manufacturing, along with an associated reference implementation that accelerates the implementation and application of the reference model. CoJoSim can serve as a testbed and gold standard for other implementations. Using CoJoSim, different dispatching rules are evaluated to demonstrate an improvement of almost 15 percentage points in adherence to delivery dates compared to the reference. Findings emphasize the importance of optimizing setup time, particularly in products with high variance, as it significantly impacts adherence to delivery dates and throughput. Moving forward, future applications of CoJoSim will evaluate additional dispatching rules and use cases. Combining CoJoSim with dispatching methods that integrate manufacturing and supply networks to optimize production planning and control through reinforcement-learning-based agents is also planned. In conclusion, CoJoSim provides a reliable and effective tool for optimizing semiconductor manufacturing and can serve as a benchmark for future implementations.
Open Access
Improvement of delivery reliability by an intelligent control loop between supply network and manufacturing
(2021) Bauer, Dennis; Bauernhansl, Thomas; Sauer, Alexander
Manufacturing companies operate in an environment characterized as increasingly volatile, uncertain, complex and ambiguous. At the same time, their customer orientation makes it increasingly important to ensure high delivery reliability. Manufacturing sites within a supply network must therefore be resilient against events from the supply network. This requires deeper integration between the supply network and manufacturing control. Therefore, this article presents a concept to connect supply network and manufacturing more closely by integrating events from the supply network into manufacturing control’s decisions. In addition to the requirements, the concept describes the structure of the system as a control loop, a reinforcement learning-based controlling element as the central decision-making component, and the integration into the existing production IT landscape of a company as well as with latest internet of things (IoT) devices and cyber-physical systems. The benefits of the concept were elaborated in expert workshops. In summary, this approach enables an effective and efficient response to events from the supply network through smarter manufacturing control, and thus more resilient manufacturing.
Open Access
Increased resilience for manufacturing systems in supply networks through data-based turbulence mitigation
(2021) Bauer, Dennis; Böhm, Markus; Bauernhansl, Thomas; Sauer, Alexander
In manufacturing systems, a state of high resilience is always desirable. However, internal and external complexity has great influence on these systems. An approach is to increase manufacturing robustness and responsiveness-and thus resilience-by manufacturing control. In order to execute an effective control method, it is necessary to provide sufficient information of high value in terms of data format, quality and time of availability. Nowadays, raw data is available in large quantities. An obstacle to manufacturing control is the short-term handling of events induced by customers and suppliers. These events cause different kinds of turbulence in manufacturing systems. If such turbulences could be evaluated in advance, based on data processing, they could serve as aggregated input data for a control system. This paper presents an approach how to combine turbulence evaluation and the derivation of measures into a learning system for turbulence mitigation. Integrated in manufacturing control, turbulence mitigation increases manufacturing resilience and strengthens the supply network’s resilience.
Open Access
Lernende ereignisbasierte Optimierung der Produktionssteuerung für die komplexe Werkstattfertigung
(Stuttgart : Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, 2022) Bauer, Dennis; Bauernhansl, Thomas (Univ.-Prof. Dr.-Ing.)
Für produzierende Unternehmen steht heute der Kundennutzen und damit auch die Liefertermineinhaltung im Fokus der unternehmerischen Aktivitäten. Parallel steigt die Komplexität des Umfelds und der Märkte sowie innerhalb des Unternehmens. Deshalb ist bei der Leistungserstellung in Wertschöpfungsnetzwerken ein systematischer Umgang mit unvorhergesehenen Ereignissen im Fokus. Eine besondere Herausforderung ist dies für komplexe Werkstattfertigungen mit ihrer immanenten statischen und dynamischen Komplexität. Die vorliegende Arbeit adressiert die Forschungsfrage, wie eine lernende, auf Ereignissen aus dem Wertschöpfungsnetzwerk basierte Optimierung der Produktionssteuerung für die komplexe Werkstattfertigung gestaltet werden kann. Die in der vorliegenden Arbeit entwickelte Lösung optimiert die Liefertermineinhaltung bei Ereignissen aus dem Wertschöpfungsnetzwerk durch Korrekturmaßnahmen auf der Ebene der Produktionssteuerung in komplexen Werkstattfertigungen. Hierfür ist ein lernfähiges Entscheidungsmodell notwendig, das eine kontinuierliche Anpassung über die Zeit ermöglicht. Bislang bei Ereignissen aus dem Wertschöpfungsnetzwerk übliche manuelle Eingriffe in die Produktionssteuerung werden dadurch vermieden und die Resilienz des Produktionssystems gesteigert. Ergebnisse der vorliegenden Arbeit sind die Artefakte des Regelkreises, der Methode und der Architektur sowie der Implementierung als Softwareartefakt. Die Halbleiterfertigung ist die industriell wichtigste Anwendung der komplexen Werkstattfertigung. Hier zeigt sich, dass durch die lernende ereignisbasierte Optimierung der Produktionssteuerung die Liefertermineinhaltung bei Ereignissen aus dem Wertschöpfungsnetzwerk signifikant verbessert werden kann. Eine hohe Liefertermineinhaltung sorgt dabei für eine höhere Kundenzufriedenheit, der systematische Umgang mit Ereignissen sorgt für Resilienz. Beides ermöglicht perspektivisch einen Abbau von Sicherheitsbeständen im Wertschöpfungsnetzwerk.