Integrative condition-based production scheduling and maintenance planning: Development of a procedural model and a physical demonstrator

Abstract

Die fortschreitende Entwicklung von Zustandsüberwachungssystemen, sowie dafür notwendigen Sensortechnologien und zur Informationsverwertung verwendeten IoT-Plattformen ermöglichen datengeriebene Ansätze in der Produktionsplanung, Instandhaltung und im Qualitätsmanagement. Während der Bereich der Instandhaltung mit den Schlagwörtern „predictive maintenance“ und „prescriptive maintenance“, sowie dem Forschungsbereich prognostics and health management (PHM) bereits ausführlich in Bezug auf Verwertung von Zustandsdaten diskutiert wird, bleiben solche Ansätze für die Produktionsplanung- und Steuerung überschaubar. Die Forschungsbereiche der zustandsbasierten Reihenfolgeplanung, sowie deren Integration mit zustandsbasierter Instandhaltung stehen noch am Anfang. Diese Arbeit fokussiert sich auf die Integration von Zustandsdaten in der Produktionsplanung und eine ganzheitliche Betrachtung von Produktionsplanung und Instandhaltung. Ziel ist es, Verbesserungen für bestehende Ansätze aufzuzeigen, indem Fachgebietsübergreifendes Wissen zusammengeführt und nutzbar gemacht wird. Die analysierten Ansätze, Modelle und Methoden fließen in das vorgestellte Vorgehensmodell ein, das die Implementierung einer zustandsbasierten Produktionsplanung in der Praxis erleichtern soll. Das vorgestellte Modell wird dann auf einen Anwendungsfall in Form eines physischen Demonstrators angewendet. Die erhaltenen Ergebnisse lassen Rückschlüsse auf Optimierungspotentiale für die integrative Betrachtung von Produktionsplanung und Instandhaltung, sowie datengetriebene Methoden zur Zustandsermittlung zu. Für weiterführende Arbeiten bildet der vorgestellte Ansatz eine Orientierung am Stand der Technik und kann als Grundlage für die Entwicklung neuer Modelle und Methoden dienen, die die ganzheitliche Betrachtung neuer Produktionssysteme fokussieren. Die Implementierung einer zustandsdatengetriebenen Produktionsplanung und deren ganzheitliche Integration mit der Instandhaltungsplanung birgt größere Kostensenkungspotentiale als die getrennte Optimierung dieser Fachgebiete. Darüber hinaus könnte der Ansatz verwendet werden, um in der Literatur bereits diskutierte Ansätze in praktische Anwendungen zu bringen.

The progressive development of condition monitoring systems, as well as the necessary sensor technologies and IoT-platforms used for information processing, enable data-driven approaches in production planning, maintenance, and quality management. Considering the keywords “predictive maintenance” and “prescriptive maintenance” and the research area prognostics and health management (PHM), maintenance is already discussed in detail regarding the utilization of condition data. Nevertheless, such approaches remain limited in production planning and control. The research areas of condition-based production scheduling and its integration with condition-based maintenance are still in an early stage. This thesis focuses on integrating condition data in production planning and a holistic view of production planning and maintenance. The goal is to show improvements for existing approaches by bringing together cross-disciplinary knowledge and making it usable. The approaches, models, and methods analyzed are incorporated into the procedural model presented, which intends to facilitate the implementation of condition-based production planning in practice. The presented model is then applied to a use case in the form of a physical demonstrator. The results obtained allow conclusions to be drawn about optimization potential for the integrative consideration of production planning and maintenance, as well as data-driven methods for condition determination. For further work, the approach presented provides an orientation to the cross-disciplinary state-of-the-art. It can serve as a basis for developing new models and methods that focus on the holistic consideration of new production systems. Implementing a condition data-driven production planning and its holistic integration with maintenance planning holds greater cost reduction potentials than the separate optimization of these disciplines. Furthermore, the approach could support implementing approaches already discussed in the literature into practical applications.