Zusammenfassung
Um zukünftige Produktionssysteme und -prozesse auf Flexibilität, Interoperabilität und Anpassungsfähigkeit auszurichten, sind Konzepte zur Realisierung durchgängiger, horizontaler und vertikaler Integration von Assets (physischen Betriebsmittel) notwendig. In der vorliegenden Arbeit werden ein konventioneller und ein fähigkeitsbasierter Ansatz zur Kommunikation und Steuerung in Produktionsumgebungen mittels Open Platform Communications Unified Architecture (OPC UA) untersucht. Der Schwerpunkt liegt auf der intelligenten Orchestrierung von fähigkeitsbasierten Steuerungslogiken, die in Kombination mit Agentensystemen eine erhöhte Flexibilität und Anpassungsfähigkeit bieten. Dieser Ansatz ermöglicht es, auf Produktionsfähigkeiten rekonfigurierbar zuzugreifen und sie zu effizienten Produktionsservices zu aggregieren. Die Arbeit beleuchtet die Potenziale und Herausforderungen beider Ansätze und zeigt, wie fähigkeitsbasierte Systeme zur Evolution von Produktionssystemen im Sinne der Industrie 4.0 beitragen können. Durch die Verwendung von OPC UA und die Integration von Multi-Agenten-Systemen mit Digitalen Zwillingen stellt das eingeführte Konzept des Skill Orchestration Agenten (SkillOA) einen fortgeschrittenen Ansatz dar, der nicht nur die Effizienz und Leistungsfähigkeit von Produktionsprozessen steigert, sondern auch eine adaptive und dynamische Rekonfiguration von Produktionssystemen ermöglicht, ohne den Quellcode von Maschinensteuerungen anpassen zu müssen. Die Diskussion umfasst die Bewertung der Leistung und Effizienz von fähigkeitsbasierten Architekturen, die Wirksamkeit des Einsatzes von OPC UA zur Unterstützung dieser Architekturen und die notwendigen Anpassungen im Konzept eines Ressourcenagenten für eine effektive Selbst-Rekonfiguration.
Abstract
In order to align future production systems and processes with flexibility, interoperability and resilience, concepts for the realization of continuous, horizontal and vertical integration of assets (physical equipment) are necessary. This paper examines a conventional and a skill-based approach to communication and control in production environments using Open Platform Communications UnifiedArchitecture (OPC UA). The focus is on the intelligent orchestration ofskill-based control logics that offer increased flexibility and resilience in combination with agent systems. This approach allows reconfigurableaccess to production skills and aggregates them into efficient productionservices. The article highlights the potentials and challenges of bothapproaches and shows how skill-based systems can contribute to theevolution of production systems in the sense of Industry 4.0. Through theuse of OPC UA and the integration of multi-agent systems with DigitalTwins, the introduced concept of the Skill Orchestration Agent (SkillOA) represents an advanced approach that not only increases the efficiency and performance of production processes, but also enables adaptive and dynamic reconfiguration of production systems without having tocustomize the source code of machine controllers. The discussion includes the evaluation of the performance and efficiency of skill basedarchitectures, the effectiveness of using OPC UA to support thesearchitectures and the necessary adaptations in the concept of a resourceagent for effective self-reconfiguration.
Über die Autoren
Andreas Lober M.Eng. ist wissenschaftlicher Mitarbeiter am Institut für Kommunikationstechnik (IKT) der Technischen Hochschule Ulm. Er wurde 1991 in Heidenheim an der Brenz, Deutschland geboren und erhielt seinen Ingenieursabschluss 2017 an der Hochschule Niederrhein in Krefeld. In seinem Forschungsschwerpunkt beschäftigt er sich mit der intelligenten und fähigkeitsbasierten Steuerungslogik für Maschinen und Anlagen sowie deren Digitalen Zwillingen.
Joel Lehmann M.Sc. ist wissenschaftlicher Mitarbeiter am Center for Mass Spectrometry and Optical Spectroscopy (CeMOS) der Hochschule Mannheim. Er wurde 1996 in Speyer, Deutschland geboren und erhielt seinen Ingenieursabschluss 2021 an der Technischen Universität Kaiserslautern. In seinem Forschungsschwerpunkt beschäftigt er sich mit intelligenten Digitalen Zwillingen befähigt durch proaktive Verhandlung auf Basis von Marktplatzstrukturen.
Prof. Dr. Julian Reichwald studierte Wirtschaftsinformatik an der Universität Siegen. Während seiner Tätigkeit als wissenschaftlicher Mitarbeiter am Institut für Wirtschaftsinformatik forschte er an Themen des Grid Computing, verteilter simulationsbasierter Optimierung und Workflow-Abbildungen in service-orientierten Software-Umgebungen. Nach Unternehmensgründung einer Software-Firma mit Schwerpunkt auf Datenaggregation und -auswertung aus technischen Anlagen zur Entscheidungsunterstützung (speziell in den Branchen “Automotive Supply” und “Wind Energy”) nahm er 2015 einen Ruf an die Duale Hochschule Baden-Württemberg in Mannheim an, wo er den Studiengang Software Engineering leitete. 2020 folgte er dem Ruf an die Hochschule Mannheim, wo er an der Fakultät für Wirtschaftsingenieurwesen die Vertiefungsrichtung “Digital Business Technologies” vertritt und am Forschungszentrum CeMOS der Hochschule Mannheim auf dem Gebiet der Digitalen Transformation (und speziell zu Digital Twins) forscht.
Lisa Ollinger studierte Elektrotechnik an der TU Kaiserslautern und promovierte auf dem Gebiet des modellbasierten Engineerings im Bereich der Serviceorientierten Steuerungslogik für automatisierte Produktionsprozesse an der TU Kaiserslautern. Danach arbeitete Sie als Technology Engineer bei Procter & Gamble von 2014 bis 2015 im Bereich der Entwicklung von Steuerungs- und HMI-Software sowie von 2015 bis 2019 als technische Leitung von Entwicklungsprojekten im Bereich der Verpackungsmaschinen.
Seit 2019 ist sie Professorin für Automatisierungs- und Steuerungstechnik, Industrielle Kommunikationssysteme, Robotik und Industrie 4.0 an der Technischen Hochschule Ulm. In ihrer Forschung befasst sie sich mit Ansätzen des Skill-based Engineering, Industrie 4.0 und intelligenten Steuerungsansätzen.
Hartwig Baumgärtel studierte Informatik mit dem Schwerpunkt KI und Wissensbasierte Systeme an der TU Berlin und promovierte in Kooperation mit der Daimler-Benz Forschung, Bereich Systemtechnik, an der TU Berlin zu verteiltem Finite Domain Constraint Solving mit Multiagenten-Systemen im Anwendungsfeld der Produktionsplanung. In seiner anschließenden Tätigkeit als Forscher und Projektleiter in der Daimler-Forschung arbeitete er in den Bereichen dezentrale Fertigungssteuerung mit Agenten, Supply Chain Management und zielund kontextbasiertes Workflow-Management. Im Projekt Produktion 2000+ gehÖrte er dabei zu den drei Patenthaltern für den Fertigungssteuerungsansatz KoWest. 2006 wechselte er an die FH Ulm (heute: Technische Hochschule Ulm) als Professor für Logistik und SCM. Er verantwortet einen Logistik-Studiengang und leitet das Institut für Betriebsorganisation und Logistik. 2022 wechselte er in eine Professur für Digitalisierung und KI in Produktion und Logistik. Zu seinen Forschungsschwerpunkten gehÖren Service-orientierte Architekturen in CPS, Agenten, Digitale Zwillinge und semantische Technologien. Er war in EU-Projekten zur Industrie 4.0 wie Productive4.0 und Semantically Controlled Semiconductor Supply Chains (SC3) aktiv.
-
Research ethics: Not applicable.
-
Author contributions: The authors have accepted responsibility for theentire content of this manuscript and approved its submission.
-
Competing interests: The authors state no conflict of interest.
-
Research funding: None declared.
-
Data availability: Not applicable.
Literatur
[1] G. Schuh, R. Anderl, R. Dumitrescu, and A. Krüger, Using the Industrie 4.0 Maturity Index in Industry. Current Challenges, Case Studies and Trends (acatech COOPERATION), Munich, Deutsche Nationalbibliothek, 2020.Search in Google Scholar
[2] OPC Foundation, OPC UA Part 1 – Overview and Concepts Release 1.05.02, Scottsdale, Arizona, OPC Foundation, 2022.Search in Google Scholar
[3] A. Lober, J. Lehmann, T. Hausermann, J. Reichwald, and H. Baumgartel, “Improving the engineering process of control systems based on digital twin specifications,” in 2022 4th International Conference on Emerging Trends in Electrical, Electronic and Communications Engineering (ELECOM), IEEE, 2022.10.1109/ELECOM54934.2022.9965259Search in Google Scholar
[4] J. Lehmann, et al.., “The anatomy of the internet of digital twins: a symbiosis of agent and digital twin paradigms enhancing resilience (not only) in manufacturing environments,” Machines, vol. 11, no. 5, p. 504, 2023. https://doi.org/10.3390/machines11050504.Search in Google Scholar
[5] B. Vogel-Heuser, F. Ocker, and T. Scheuer, “An approach for leveraging digital twins in agent-based production systems,” at – Automatisierungstechnik, vol. 69, no. 12, pp. 1026–1039, 2021. https://doi.org/10.1515/auto-2021-0081.Search in Google Scholar
[6] J. Lehmann, A. Lober, T. Häußermann, A. Rache, H. Baumgärtel, and J. Reichwald, “Domain-agnostic intelligent digital twins: merging of application-near knowledge representations with the proactive internet of digital twins (iodt),” in INFORMATIK 2023 – Designing Futures: Zukünfte gestalten, Bonn, Gesellschaft für Informatik e.V., 2023, pp. 1725–1738.Search in Google Scholar
[7] K. Dorofeev, “Skill-based engineering in industrial automation domain: skills modeling and orchestration,” in Proceedings of the ACM/IEEE 42nd International Conference on Software Engineering: Companion Proceedings, Association for Computing Machinery, 2020.10.1145/3377812.3381394Search in Google Scholar
[8] L. Ramos, “Semantic web for manufacturing, trends and open issues: toward a state of the art,” Comput. Ind. Eng., vol. 90, pp. 444–460, 2015. https://doi.org/10.1016/j.cie.2015.10.013.Search in Google Scholar
[9] A. Köcher, et al.., “A reference model for common understanding of capabilities and skills in manufacturing,” at – Automatisierungstechnik, vol. 71, no. 2, pp. 94–104, 2023. https://doi.org/10.1515/auto-2022-0117.Search in Google Scholar
[10] M. Schleipen, A. Lüder, O. Sauer, H. Flatt, and J. Jasperneite, “Requirements and concept for plug-and-work: adaptivity in the context of industry 4.0,” at – Automatisierungstechnik, vol. 63, no. 10, pp. 801–820, 2015. https://doi.org/10.1515/auto-2015-0015.Search in Google Scholar
[11] L. Ribeiro and L. Gomes, “Describing structure and complex interactions in multi-agent-based industrial cyber-physical systems,” IEEE Access, vol. 9, pp. 153126–153141, 2021. https://doi.org/10.1109/access.2021.3127344.Search in Google Scholar
[12] B. Caesar, A. Hänel, E. Wenkler, C. Corinth, S. Ihlenfeldt, and A. Fay, “Information model of a digital process twin for machining processes,” in 2020 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), vol. 1, 2020, pp. 1765–1772.10.1109/ETFA46521.2020.9212085Search in Google Scholar
[13] Y. Al-Safi and V. Vyatkin, “An ontology-based reconfiguration agent for intelligent mechatronic systems,” in Holonic and Multi-Agent Systems for Manufacturing, V. Mařík, V. Vyatkin, and A. W. Colombo, Eds., Berlin, Heidelberg, Springer, 2007, pp. 114–126.10.1007/978-3-540-74481-8_12Search in Google Scholar
[14] W. Lepuschitz, A. Zoitl, M. Vallée, and M. Merdan, “Toward self-reconfiguration of manufacturing systems using automation agents,” IEEE Trans. Syst. Man Cybern. Part C, vol. 41, no. 1, pp. 52–69, 2011. https://doi.org/10.1109/tsmcc.2010.2059012.Search in Google Scholar
[15] C. Alexakos, M. Georgoudakis, A. Kalogeras, and S. Likothanassis, “Adaptive manufacturing utilizing ontology-driven multi-agent systems: extending pabadis’ promise approach,” in 2012 IEEE International Conference on Industrial Technology, 2012, pp. 42–47.10.1109/ICIT.2012.6209911Search in Google Scholar
[16] M. Wooldridge, N. R. Jennings, and D. Kinny, “The gaia methodology for agent-oriented analysis and design,” Auton. Agents Multi Agent Syst., vol. 3, no. 3, pp. 285–312, 2000https://doi.org/10.1023/a:1010071910869.10.1023/A:1010071910869Search in Google Scholar
[17] M. Obermeier, S. Braun, and B. Vogel-Heuser, “A model-driven approach on object-oriented plc programming for manufacturing systems with regard to usability,” IEEE Trans. Industr. Inform., vol. 11, no. 3, pp. 790–800, 2015. https://doi.org/10.1109/tii.2014.2346133.Search in Google Scholar
[18] J. Zhang, B. Ahmad, R. Harrison, A. W. Colombo, and S. Raasch, “An approach for resource function block generation: towards rami4.0-compliant plc programming,” in 2020 IEEE 18th International Conference on Industrial Informatics (INDIN), vol. 1, 2020, pp. 595–600.10.1109/INDIN45582.2020.9442201Search in Google Scholar
[19] U. Gangoiti, A. López, A. Armentia, E. Estévez, and M. Marcos, “Model-driven design and development of flexible automated production control configurations for industry 4.0,” Appl. Sci., vol. 11, no. 5, p. 2319, 2021. https://doi.org/10.3390/app11052319.Search in Google Scholar
[20] C. Binder, C. Neureiter, and A. Lüder, “Towards a domain-specific approach enabling tool-supported model-based systems engineering of complex industrial internet-of-things applications,” Systems, vol. 9, no. 2, p. 21, 2021. https://doi.org/10.3390/systems9020021.Search in Google Scholar
[21] M. Witsch and B. Vogel-Heuser, “Towards a formal specification framework for manufacturing execution systems,” IEEE Trans. Industr. Inform., vol. 8, no. 2, pp. 311–320, 2012. https://doi.org/10.1109/tii.2012.2186585.Search in Google Scholar
[22] S. Rehberger, L. Spreiter, and B. Vogel-Heuser, “An agent-based approach for dependable planning of production sequences in automated production systems,” at – Automatisierungstechnik, vol. 65, no. 11, pp. 766–778, 2017. https://doi.org/10.1515/auto-2017-0040.Search in Google Scholar
[23] I. Kovalenko, K. Barton, and D. Tilbury, “Design and implementation of an intelligent product agent architecture in manufacturing systems,” in 2017 22nd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2017, pp. 1–8.10.1109/ETFA.2017.8247652Search in Google Scholar
[24] I. Kovalenko, D. Tilbury, and K. Barton, “The model-based product agent: a control oriented architecture for intelligent products in multi-agent manufacturing systems,” Control Eng. Pract., vol. 86, pp. 105–117, 2019. https://doi.org/10.1016/j.conengprac.2019.03.009.Search in Google Scholar
[25] E. Trunzer, A. Wullenweber, and B. Vogel-Heuser, “Graphical modeling notation for data collection and analysis architectures in cyber-physical systems of systems,” J. Ind. Inf. Integr., vol. 19, p. 100155, 2020. https://doi.org/10.1016/j.jii.2020.100155.Search in Google Scholar
[26] D. Hujo, B. Vogel-Heuser, and L. Ribeiro, “Toward a graphical modeling tool for response-time requirements based on soft and hard real-time capabilities in industrial cyber-physical systems,” IEEE J. Emerg. Sel. Topics Ind. Electron., vol. 3, no. 1, pp. 13–22, 2022. https://doi.org/10.1109/jestie.2021.3093248.Search in Google Scholar
[27] L. A. C. Salazar and B. Vogel-Heuser, “Industrial artificial intelligence: a predictive agent concept for industry 4.0,” in 2022 IEEE 20th International Conference on Industrial Informatics (INDIN), 2022, pp. 27–32.10.1109/INDIN51773.2022.9976159Search in Google Scholar
[28] D. Berardi, F. Callegati, A. Giovine, A. Melis, M. Prandini, and L. Rinieri, “When operation technology meets information technology: challenges and opportunities,” Future Internet, vol. 15, no. 3, p. 95, 2023. https://doi.org/10.3390/fi15030095.Search in Google Scholar
[29] S. Bader, et al.., “Details of the asset administration shell: specification, part 1: the exchange of information between partners in the value chain of industrie 4.0; (version 3.0RC01),” Tech. Rep., Berlin, 2020.Search in Google Scholar
[30] W. Motsch, K. Dorofeev, K. Gerber, S. Knoch, A. David, and M. Ruskowski, “Concept for modeling and usage of functionally described capabilities and skills,” in 2021 26th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2021, pp. 1–8.10.1109/ETFA45728.2021.9613306Search in Google Scholar
[31] K. Dorofeev, S. Bergemann, T. Terzimehić, J. Grothoff, M. Thies, and A. Zoitl, “Generation of the orchestrator code for skill-based automation systems,” in 2021 26th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2021, pp. 1–8.10.1109/ETFA45728.2021.9613728Search in Google Scholar
[32] J. Gampig, T. Terzimehić, and K. Dorofeev, “Plc integration into industry 4.0 middleware: function block library for the interaction with rest and opc ua asset administration shells,” in 2021 26th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2021, pp. 1–8.10.1109/ETFA45728.2021.9613267Search in Google Scholar
[33] L. Sakurada, P. Leitao, and F. De La Prieta, “Engineering a multi-agent systems approach for realizing collaborative asset administration shells,” in 2022 IEEE International Conference on Industrial Technology (ICIT), 2022, pp. 1–6.10.1109/ICIT48603.2022.10002770Search in Google Scholar
[34] M. Hoffmann, “Adaptive and scalable information modeling to enable autonomous decision making for real-time interoperable factories,” Dissertation, Aachen, RWTH Aachen University, 2017.Search in Google Scholar
[35] K. Dorofeev and M. Wenger, “Evaluating skill-based control architecture for flexible automation systems,” in 2019 24th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), IEEE Press, 2019, pp. 1077–1084.10.1109/ETFA.2019.8869050Search in Google Scholar
[36] P. Jhunjhunwala, U. D. Atmojo, and V. Vyatkin, “Applying skill-based engineering using opc-ua in production system with a digital twin,” in 2021 IEEE 30th International Symposium on Industrial Electronics, 2021.10.1109/ISIE45552.2021.9576342Search in Google Scholar
[37] K. Dorofeev and A. Zoitl, “Skill-based engineering approach using opc ua programs,” in 2018 IEEE 16th International Conference on Industrial Informatics, 2018.10.1109/INDIN.2018.8471978Search in Google Scholar
[38] S. Profanter, A. Perzylo, M. Rickert, and A. Knoll, “A generic plug produce system composed of semantic opc ua skills,” IEEE Open J. Ind. Electron. Soc., vol. 2, pp. 128–141, 2021. https://doi.org/10.1109/ojies.2021.3055461.Search in Google Scholar
[39] A. Kocher, T. Jeleniewski, and A. Fay, “A method to automatically generate semantic skill models from PLC code,” in IECON 2021 – 47th Annual Conference of the IEEE Industrial Electronics Society, IEEE, 2021, pp. 1–6.10.1109/IECON48115.2021.9589674Search in Google Scholar
[40] P. Zimmermann, E. Axmann, B. Brandenbourger, K. Dorofeev, A. Mankowski, and P. Zanini, “Skill-based engineering and control on field-device-level with opc ua,” in 2019 24th IEEE International Conference on Emerging Technologies and Factory Automation, 2019.10.1109/ETFA.2019.8869473Search in Google Scholar
[41] A. G. Siemens, “Verfahren und industrielle steuerung zum aufruf einer funktion eines steuerungsprogramms mittels eines OPC UA aufrufs,” 2017, 21.06.2017 Patentblatt 2017/25. Europ. Patentmitteilung EP 3 182 235 A1.Search in Google Scholar
[42] H. Baumgärtel, A. Lober, J. Som, S. Völker, and L. Ollinger, “Design of a wms with opc ua-based control of an automated rack storage as study project in computer science and proof-of-concept for skill-based engineering,” SSRN Electron. J., 2023. https://doi.org/10.2139/ssrn.4469248.Search in Google Scholar
[43] A. Lober, L. Ollinger, S. Völker, and H. Baumgärtel, “Towards logistics 4.0: a skill-based OPC UA communication between WMS and the PLC of an automated storage and retrieval system,” Teh. Glas., vol. 17, no. 3, pp. 383–390, 2023. https://doi.org/10.31803/tg-20230511165415.Search in Google Scholar
© 2024 Walter de Gruyter GmbH, Berlin/Boston