Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-3384
Autor(en): Wörner, Michael
Titel: Visual analytics for production and transportation systems
Sonstige Titel: Visual Analytics für Produktions- und Verkehrssysteme
Erscheinungsdatum: 2014
Dokumentart: Dissertation
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-95088
http://elib.uni-stuttgart.de/handle/11682/3401
http://dx.doi.org/10.18419/opus-3384
Zusammenfassung: The manufacturing sector, as any major part of the economy, is facing new challenges in the increasing pace at which its business environment changes on both the local and the global scale. Globalization increases competition, but it also opens up new markets with customers that may have very different needs and expectations. Emerging markets typically offer inexpensive labour and low production costs whereas the established markets focus on technological sophistication and highly qualified workers. To remain competitive, manufacturers look for ways to increase their efficiency by reducing costs, delays, and throughput times while increasing product quality and other customer benefits such as customization options. Advanced manufacturing engineering designs future factories as complex systems under technological, organizational, and social considerations. These systems exist in an ever-changing environment that dictates raw material prices and customer demands, brings occasional technological advances, and imposes restrictions through laws and regulations. To ensure their long-term survival, they need to be flexible and adaptable. They must be able to react to sudden changes in these environmental factors and to adapt their inner structure to evolve along with the world they exist in. Information technology plays an important role in reaching these goals. The advent of digital engineering has now introduced various ways of collecting and processing data on the manufacturing process. There is, however, a certain lack in the ability to analyse this data in order to understand and improve the process and to ensure its flexibility and adaptability. Visual analytics is a technique that combines the processing power of automatic data analysis algorithms with the creativity and implicit knowledge of human analysts. Its application to the manufacturing domain can contribute to a successful exploitation of the available data. As an example of how visual analytics may be implemented in future, flexible manufacturing systems, this thesis applies the technique to the task of planning process layouts in a reconfigurable manufacturing system. Process simulation is used as an automatic analysis component and its results are presented visually to aid the human process planner in the search for suitable process layouts. An evolutionary algorithm is used to automatically find and suggest layout variations. This is proposed as an alternative to the traditional process planning and control, which plans for weeks in advance and is not generally meant to take full advantage of the flexibility of a reconfigurable manufacturing system. The layout planning prototype operates on implicit data, given by the specification of the available process elements, their behaviour, and their interactions. The challenge in handling this data lies not in accessing a large volume of stored data but in evaluating a given point in a virtual data space. Handling an explicit data set is discussed in the context of another system for the classification of machine conditions based on pre-recorded diagnostic data. Issues of increasing response times when handling large volumes of explicit data are then addressed in a system for the exploration of a large real-world data set from the public transport domain. The thesis also includes the proposition of a novel way of navigating through data ordered along one dimension such as time, as analysing data over time is very common in both manufacturing and public transport. The contribution of this thesis is a classification of visual analytics data space types and analysis tasks, each derived from one of the presented systems. It is shown how this classification can be extended to other works of contemporary visual analytics research.
Wie alle großen Wirtschaftszweige sieht sich die Fertigungsindustrie neuen Herausforderungen gegenüber, die sich aus dem schneller werdenden Wandel des Geschäftsumfeldes im lokalen wie globalen Maßstab ergeben. Globalisierung verstärkt den Wettbewerb, öffnet aber auch neue Märkte mit Kunden, die möglicherweise andere Bedürfnisse und Erwartungen haben. Die Emerging Markets bieten meist geringe Lohn- und Produktionskosten. Die Stärken der etablierten Märkte sind Hochtechnologie und hochqualifizierte Fachkräfte. Um wettbewerbsfähig zu bleiben, suchen Fertigungsunternehmen nach Möglichkeiten, einerseits durch Verringerung von Kosten, Verzögerungen und Durchlaufzeiten ihre Effizienz zu steigern und andererseits die Produktqualität zu verbessern oder Kundenvorteile wie eine kundenindividuelle Variantenfertigung zu schaffen. Das Advanced Manufacturing Engineering entwirft Fabriken der Zukunft unter technologischen, organisatorischen und sozialen Gesichtspunkten als komplexe Systeme. Diese Systeme existieren in einem sich ständig verändernden Umfeld, das Rohstoffpreise und Kundenanforderungen vorgibt, gelegentlich technische Fortschritte liefert und Beschränkungen in Form von Gesetzen und Vorschriften mit sich bringt. Um ihr langfristiges Bestehen zu sichern, müssen die Systeme flexibel und wandlungsfähig sein. Sie müssen auf plötzliche Veränderungen in diesen Umfeldfaktoren reagieren und ihre innere Struktur daran anpassen können, um sich gemeinsam mit ihrem Umfeld fortzuentwickeln. Die Informationstechnik spielt bei der Erreichung dieser Ziele eine wichtige Rolle. Mit dem Aufkommen des digitalen Engineerings sind zahlreiche Möglichkeiten entstanden, Daten über den Herstellungsprozess zu erfassen und zu verarbeiten. Es besteht jedoch ein gewisses Defizit im Hinblick auf die Fähigkeit, diese Daten zu analysieren, um so den Prozess zu verstehen und zu verbessern und seine Flexibilität und Wandlungsfähigkeit sicherzustellen. Visual Analytics ist eine Methode, die die Verarbeitungsleistung automatischer Datenanalyse-Algorithmen mit der Kreativität und dem impliziten Wissen menschlicher Analysten kombiniert. Sie auf die Fertigungstechnik anzuwenden, kann dazu beitragen, die verfügbaren Daten besser nutzbar zu machen. Als Beispiel dafür, wie Visual Analytics in zukünftigen, flexiblen Fertigungssystemen verwendet werden kann, nutzt diese Arbeit es für die Entwicklung eines Prozessplanungs-Systems für ein rekonfigurierbares Fertigungssystem. Das System enthält eine Prozesssimulation als automatische Analysekomponente und erstellt Visualisierungen der Ergebnisse, um den menschlichen Prozessplaner bei der Suche nach einem geeigneten Prozesslayout zu unterstützen. Ein evolutionärer Algorithmus ermöglicht es dem System, Layoutvarianten automatisch zu finden und vorzuschlagen. Dieser Ansatz wird als Alternative zur traditionellen Produktionsplanung und -steuerung vorgestellt, bei der für Wochen im Voraus geplant wird und die Ausnutzung der Flexibilität eines rekonfigurierbaren Fertigungssystems üblicherweise nicht im Vordergrund steht. Die Layoutplanung arbeitet auf impliziten Daten, die sich aus der Definition der verfügbaren Prozesselemente und deren Verhaltens- und Interaktionsmodellen ergeben. Bei der Handhabung dieser Daten liegt die Herausforderung nicht darin, auf einen großen Datensatz effizient zugreifen zu müssen, sondern in der Auswertung eines gegebenen Datenpunktes in einem virtuellen Datenraum. Die Handhabung eines expliziten Datensatzes wird im Rahmen eines Systems zur Klassifikation von Maschinenzuständen anhand zuvor aufgezeichneter Diagnosedaten behandelt. Mit dem Problem der langen Antwortzeiten bei der Analyse großer, expliziter Datensätze befasst sich schließlich ein System zur Exploration eines sehr umfangreichen Datensatzes aus dem öffentlichen Nahverkehr. Die Arbeit stellt auch eine neue Art der Navigation durch eindimensional geordnete Daten vor. Dies können beispielsweise zeitabhängige Daten sein, wie sie sowohl in der Produktionstechnik als auch im öffentlichen Nahverkehr häufig anfallen. Der Forschungsbeitrag dieser Arbeit besteht in einer Klassifikation von Datenraum-Typen und Analyse-Aufgaben für Visual Analytics, wobei jede der Klassen aus einem der vorgestellten Systeme abgeleitet wird. Es wird gezeigt, wie diese Klassifikation auf andere aktuelle Arbeiten zum Thema Visual Analytics übertragen werden kann.
Enthalten in den Sammlungen:05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Visual_Analytics_for_Production_and_Transportation_Systems.pdf12,79 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.