Gesamtheitliche Anlagenmodellierung und -analyse auf Basis stochastischer Netzverfahren

Abstract

Das heutige Wirtschaftsumfeld produzierender Unternehmen ist gekennzeichnet durch einen hohen Wettbewerb, der unter anderem einen hohen Kostendruck bedingt. Über die Optimierung der Instandhaltungsprozesse von Produktionsanlagen steht den Unternehmen ein hohes Kostensenkungspotential zur Verfügung. Die Komplexität dieser Problemstellung erfordert es, diese Optimierungen anhand von realitätsnahen Modellen zu untersuchen und die Ergebnisse auf das reale System zu übertragen. Kernpunkt dieser Arbeit bildet daher die Entwicklung eines Verfahrens, das es ermöglicht, Produktionsanlagen gesamtheitlich unter Berücksichtung von Produktionsprozess, verschiedenen Verlustquellen sowie möglicher Instandhaltungsstrategien zu modellieren und zu analysieren. Dafür werden zunächst bekannte Modellierungs- und Analyseverfahren bezüglich ihrer Anwendbarkeit auf die Problemstellung untersucht sowie deren Vor- und Nachteile bestimmt. Viele der Verfahren sind dadurch gekennzeichnet, dass sie das stochastische Verhalten der Produktionssysteme und die zu Grunde liegende Datenbasis nur unzu-reichend abbilden können. Im Folgenden wird die Vorgehensweise für die Analyse von Produktionsanlagen mit Hilfe von Modellierung und folgender Analyse der Modelle vorgestellt sowie die einzelnen Arbeitspakete für eine solche Untersuchung festgelegt. Als erstes erfolgt die Abgrenzung des Systems Produktion. Danach wird auf Basis der Systemtheorie das abgegrenzte System über seine vier Bestandteile Hierarchie, Elemente, Relationen und Struktur sowie Attribute näher beschrieben. Bevor eine Systemmodellierung und -analyse erfolgt, muss festgelegt werden, welche Bewertungsgrößen die Fragestellung beantworten. Dafür werden die gängigen Kennwerten wie z. B. Durchlaufzeiten, Overall Equipment Effectiveness, usw. um, aus der finanzwirtschaftlichen Risikotheorie abgeleitete, Bewertungsgrößen, wie z.B. die Reparaturwürdigkeit, erweitert. Im nächsten Schritt werden die mögliche Herkunft und die damit Eigenschaften der Eingangsinformationen untersucht. Viele dieser Informationen sind mit Unschärfen behaftet. Je nach Herkunft und Art der Informationen handelt es sich dabei um aleato-rische sowie epistemische Unschärfen. Da in vielen Fällen nicht nur eine Informati-onsbasis zur Verfügung steht, sondern die Informationen beispielsweise aus Datenbanken und Expertenwissen vorliegen können, wurden verschiedene Verfahren unter-sucht, um diese Informationen zu kombinieren. Nach der Kombination der Informationen liegen weiterhin mit Unschärfe behaftete Daten vor, die im Folgenden als Eingangsgrößen für das Modell zielführend genutzt werden müssen. Dafür wird neben den reinen Randbetrachtungen noch ein Verfahren entwickelt, das es ermöglicht, die Unschärfe direkt über eine zweistufige Monte-Carlo-Simulation mit zu betrachten. Aus der Problemstellung, der Systemabgrenzung und -beschreibung sowie den Eingangsinformationen werden die Anforderungen an ein Modellierungs- und Analyseverfahren definiert. Dabei zeigt sich, dass die erweiterten farbigen stochastischen Petrinetze (ECSPN) diese am besten, jedoch nicht vollständig erfüllen. Daher wurden die-se um verschiedene Eigenschaften erweitert, wie weitere Verteilungsfunktionen, stochastische Kostenvariablen, Zufallsvariablen auf Kanten sowie die Verwendbarkeit von unscharfen Eingangsparametern. Als Analyseverfahren für diese zusätzlich erweiterten ECSPN wird eine zweistufige Monte-Carlo-Simulation entwickelt. Die Modellierung und Analyse dieser ECSPN kann mit Hilfe des Programmpaketes REALIST erfolgen. Um die Anwendbarkeit dieses Verfahrens in der Produktions- und Instandhaltungsplanung zu untersuchen, werden für zwei verschieden Arten an Produktionssystemen exemplarisch Modelle aufgebaut und analysiert. Dabei wird zum einen eine Bandsägenfertigung auf Basis einer Job-Shop-Struktur und zum anderen eine Zahnradfertigung auf Basis einer Flow-Shop-Struktur betrachtet. Hierzu werden jeweils die Produktionsstrukturen aufgebaut und verschiedene Verlustquellen wie Anlagen- und Werkzeugausfälle, kurzzeitige Störungen sowie Qualitätsverluste berücksichtigt. Um die optimale Produktionsstruktur und Instandhaltungsstrategie zu ermitteln, werden Simulationsläufe für verschiedene Kombinationen der beiden durchgeführt und somit das Optimum ermittelt. Dabei zeigt sich, dass das vorgestellte Verfahren prinzipiell zur Optimierung der Produktions- und Instandhaltungsplanung herangezogen werden kann.

Today’s business environment for manufacturing companies is becoming increasingly competitive which is amongst others due to the high cost pressure the companies are facing. Optimizing the maintenance process of production facilities allows companies to achieve a high cost reduction potential. However, the complexity of this problem requires an optimization using a close-to-reality model to allow that the results can be transferred to the real system. The aim of this thesis is to develop a proceeding which makes it possible to model and analyse the production process, taking into account different sources of potential losses and possible maintenance strategies in an holisitic way. In a first step known techniques of modelling and analysing are examined with regard to their applicability to solve the problem. Most of the methods are not able to model the stochastic behaviour of production systems or the underlying data basis. Afterwards the procedure for system modelling and analysis is discussed and the necessary work packages are deduced. After defining the scope of the model the system is being described, according to the system theory by its hierarchy, elements, relation, structure and attributes. Before the model is developed commonly used evaluation parameters for maintenance processes such as processing time, Overall Equipment Effectiveness and different kind of cost are defined. Furthermore cost is being extended by financial risk measures, such as worthiness to repair and value-at-risk. The next step concerns data acquisition and preparation. Most of the accessible infor-mation is afflicted with uncertainties. This can be either aleatoric or epistemic uncer-tainty depending on the data source. In most instances several data sources are available such as data bases, test results or expert knowledge. Several methods to combine data from different sources are examined and applied. To use this uncertain data a procedure is developed using a two-step Monte Carlo simulation to get risk based results in addition to boundary value considerations. The requirements for the modelling and analysis procedure are defined according to the underlying problem, the system components as well as the input data. The Extended Coloured Stochastic Petri Nets (ECSPN) prove to be the most suitable modelling tool but need to be extended for other features such as additional distribution func-tions, stochastic cost variables as well as the usage of imprecise input parameters. A two-step Monte Carlo simulation is developed to model these extended ECSPN. The modelling is done with the programme REALIST. The applicability of this procedure for production and maintenance planning is exam-ined by modelling two different production systems. The first example considers a production system for band saws based on a job-shop structure; the second example examines a production system for gear wheels based on a flow-shop structure. Different sources for losses have been built into the model, such as failures of machines and tools. In order to determine the best production structure based on an optimized main-tenance strategy several simulations with different manufacturing strategies were done. Thus it could be proved; that the simulation model developed in this thesis can be used to optimize production and maintenance processes.