UdZ 2-2015

42 UdZ – Unternehmen der Zukunft 2/2015 FIR-Forschungsprojekte Identifizierung eines geeigneten Zielsystems. Dazu folgt über einen Bottom-up-Ansatz die Definition der Energieeffizienz als Oberziel. Damit einher geht die simulative und experi- mentelle Identifikation der Wechselwirkung mit bestehenden produktionslogistischen Zielgrößen wie Durchlaufzeit oder Termintreue. Im Cluster Smart Logistik auf dem RWTH Aachen Campus dient die Demonstrationsfabrik als Experimentier- und Simulationsumgebung. Ziele sind die Ableitung einer energieeffizi- enten Reihenfolgeplanung unter Rückgriff auf Echtzeitdaten sowie die Synchronisation von Energieangebot und Nachfrage. Zur Quantifizierung der Energieeffizienz findet ein Kennzahlensystem Anwendung. Mittels des Energy-Efficiency-of-Equipment (EEE) wird der Energieverbrauch auf Maschinenebene un- tersucht. Zusätzlich werden die Hilfsprozesse (Technische Gebäudeausrüstung, Intralogistik, Prozessmittel etc.) energetisch überwacht und mit den Sollverbräuchen verglichen. Die auf dem Shopfloor erzeugten Sensor- und Prozessdaten werden bottom-up in relevante Ereignisse klassifiziert. So werden beispiels- weise Informationen zur Leistungsaufnahme einzelner Bauteile oder Prozesse, aber auch Prozessdaten wie Zustandsdaten zu einfachen Ereignissen zusammengefasst. Werden diese einfachen Ereignisse miteinander in Verbindung gebracht und so in ihrer Aussagekraft er- höht, spricht man von aggregierten komple- xen Ereignissen [8]. Aus den vergangenen Ereignissen der Leistungsaufnahme beispielswei- se kann als Ereignis der Energieverbrauch eines Zeitabschnitts generiert werden. In Verbindung mit dem erfassten Maschinenzustand und alten Energieverbräuchen kann verglichen werden, ob der Verbrauch zum Maschinenzustand passt und ob eventuell ein Fehler vorliegt oder eine Optimierung angestoßen werden kann. Diese Mechanismen werden über so- genannte Ereignismuster definiert. So wird der Ereignisstrom durchgehend nach diesen Mustern untersucht und eine Echtzeitsteuerung ist gewährleistet. Im Forschungsprojekt „Eco2Production“ defi- nierte das FIR anhand des oben beschriebenen Ziel-systems und der Untersuchung der Sensor- und Prozessdaten ein Energie-Ereignismodell. Die bestehende Ähnlichkeit zwischen Objektklassen der UML (Unified-Modeling-Language) und Ereignistypen legt die Modellierung in UML nahe, da derzeit keine spezifischen Standards existieren [8]. Innerhalb der Modellierungssprache wird ein Ereignistyp als Klasse aufgefasst. Die Attribute der Klasse beschreiben den Inhalt des Ereignisses. Unterschieden wird dabei zwischen Metadaten, wie der Ereignis-ID, und Kontextdaten, beispiels- weise demMaschinenzustand. Im Ereignismodell werden auch die hierarchischen Abhängigkeiten und Beziehungen zwischen den Ereignissen darge- stellt. Aus diesem generischen Modell lassen sich leicht prozessspezifische Verarbeitungsmuster ab- leiten, die für eine echtzeitfähige, energieeffiziente Produktionsplanung und -regelung notwendig sind. Die im Forschungsprojekt „Eco2production" erarbeiteten Erkenntnisse finden Anwendung im Aachener Energieinformationsmanagementmodell und liefern die Grundlage für weitere zukünftige Projekte am FIR . Literatur [1] Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU) (Hrsg.): Neues Denken – Neue Energie: Roadmap Energie- politik 2020. http://www.algore2008.de/ roadmap_energiepolitik_bund_2020.pdf (letzter Zugriff: 19.11.2015) [2] Gottstein,M.; Skillings, S.: Kapazitätsmechanis- men im Kontext der Energiewende. Über Kapazitätsmärkte hinaus denken: Flexibilität als Kernelement. In: Kapazitätsmarkt oder stra- tegische Reserve: Was ist der nächste Schritt? Eine Übersicht über die in der Diskussion befindlichen Modelle zur Gewährleistung der Versorgungssicherheit in Deutschland. Hrsg.: agora Energiewende. Berlin, März 2013, S. 15 – 27. http://www.agora -energiewende. de /fileadmin /downloads /publikationen / Hintergrund/Kapazitaetsmarkt_oder_stra- tegische_Reserve /Agora_Hintergrund_ Kapazitaetsmarkt _oder_ strategische_ Reserve_web.pdf (letzter Zugriff: 19.11.2015) [3] Döring, S.: Energieerzeugung nach Novellier- ung des EEG. Konsequenzen für rege- nerative und nicht-regenerative Energie- erzeugungsanlagen. Springer Vieweg, Berlin [u. a.] 2015, S. 50 – 67. [4] Ganschar, O.; Gerlach, St.; Hämmerle, M.; Krause, T.; Schlund, S.: Produktionsarbeit der Zukunft – Industrie 4.0. Hrsg.: D. Spath. Fraunhofer IAO, Stuttgart 2013. [5] Brosze, T.: Kybernetisches Management wandlungsfähiger Produktionssysteme. Schriftenreihe Rationalisierung; Bd. 104. RHrsg.: G. Schuh. Apprimus, Aachen 2011. – Zugl.: Aachen, Techn. Hochsch., Diss., 2011. [6] Anicic, D.: Event Processing and Stream Reasoning with ETALIS. Südwestdeutscher Verlag für Hochschulschriften, Saarbrücken 2012. – Zugl.: Karlsruhe, Univ., Diss., 2011. [7] Hering, N.; Brandenburg, U.; Kropp, S.: Energie- effiziente Produktionsplanung und -regelung. In: ZWF – Zeitschrift für wirtschaftlichen Fabrik- betrieb 108 (2013) 10, S. 783 – 786. [8] Bruns, R . ; Dunkel, J. : Event- Dri ven Architecture. Softwarearchitektur für er- eignisgesteuer te Geschäf t sprozesse. Springer, Berlin [u. a.] 2010. Dipl.-Wi.-Ing. Marco Roscher (o.) FIR, Bereich Informations- management Fachgruppe Informations- technologiemanagement Tel.: +49 241 47705-511 E-Mail: Marco.Roscher@fir. rwth-aachen.de Roman Benteler (u. li.) FIR, Bereich Dienstleistungsmanagement Studentische Hilfskraft David Holtkemper, B. Sc. (u. re.) FIR, Bereich Produktionsmanagement Studentische Hilfskraft