[Zurück]

B. Vogel-Heuser, C. Fantuzzi, M. Wimmer, M. Böhm, A. Fay:
"Herausforderungen in der interdisziplinären Entwicklung von Cyber-Physischen Produktionssystemen";
at - Automatisierungstechnik, 67 (2019), 6; S. 445 - 454.

Modellbasierte Systementwicklung hat bereits Anwendung in der industriellen Entwicklung einer Vielzahl technischer Systeme gefunden. Die Verwendung verschiedener Modelle, z.B. für mechanische, elektrotechnische und automatisierungstechnische Systemaspekte sowie deren Varianten und Versionen unterstützt interdisziplinäre Innovationen, führt jedoch zuvielen Herausforderungen. Eine davon ist die heterogene Modelllandschaft, die insbesondere von überlappenden, teilweise redundant modellierten Informationen geprägt ist. Zudem unterliegen Entwicklungs-, Produktions- und Serviceprozesse ständig internen sowie auch externen Entwicklungszyklen. Zur Bewältigung dieser Herausforderungen können verschiedene Methoden und Techniken eingesetzt werden. In diesem Beitrag werden einige dieser Ansätze hinsichtlich ihrer Vorteile und Grenzen untersucht, und zwar das Konsistenz- bzw. Inkonsistenzmanagement von gekoppelten Modellen im Engineering, das disziplin-übergreifende Management des Engineering-Workflows sowie die Bedeutung von Smart Data Ansätzen bzw. modellbasiertem Wissen.

Model-based systems engineering has gained increasing application in the industrial development of a large number of technical systems. The use of various models is decisive for interdisciplinary innovations. However, it also comprises many challenges. The first challenge is the heterogeneous model landscape, which is characterized in particular by overlapping, partially re-dundantly modelled information. Second, the development, production and service processes are constantly subject to internal and external development cycles. To overcome these challenges, various methods and techniques can be used. In this paper, different approaches are investigated regarding their advantages and limitations: inconsistency management of coupled models in engineering, cross-disciplinary management of the engineering workflow, and the importance of smart data approaches.

model coupling, inconsistency management, model-spanning optimization

http://dx.doi.org/10.1515/auto-2018-0144

https://publik.tuwien.ac.at/files/publik_285359.pdf