Dieses Bild zeigt Dominik Braun

Dominik Braun

M.Sc.

Akademischer Mitarbeiter
Institut für Automatisierungstechnik und Softwaresysteme

Kontakt

+49 711 685 67291
+49 711 685 67302

Pfaffenwaldring 47
70550 Stuttgart
Raum: 1.139

Zeitschriften und Konferenzen:
  1. 2022

    1. D. Braun, T. Müller, N. Sahlab, N. Jazdi, W. Schloegl, und M. Weyrich, „A graph-based knowledge representation and pattern mining supporting the Digital Twin creation of existing manufacturing systems“, in 2022 IEEE 27th International Conference on Emerging Technologies and Factory Automation (ETFA), September, 2022, 2022.
    2. D. Braun, M. Riedhammer, N. Jazdi, W. Schlögl, und M. Weyrich, „A methodology for the detection of functional relations of mechatronic components and assemblies in brownfield systems“, in 55th CIRP Conference on Manufacturing Systems, 29. Juni – 1. Juli 2022, Lugano, Juni 2022, 2022.
    3. D. Dittler, D. Braun, T. Müller, V. Stegmaier, N. Jazdi, und M. Weyrich, „A procedure for the derivation of project-specific intelligent Digital Twin implementations in industrial automation“, in EKA 2022 - Entwurf komplexer Automatisierungssysteme, 17. Fachtagung“, Magdeburg, Deutschland, Juni 2022, 2022.
    4. T. Müller, N. Sahlab, S. Kamm, D. Braun, C. Köhler, N. Jazdi, und M. Weyrich, „Context-enriched modeling using Knowledge Graphs for intelligent Digital Twins of Production Systems“, in 2022 IEEE 27th International Conference on Emerging Technologies and Factory Automation (ETFA), September, 2022, 2022.
    5. N. Sahlab, D. Braun, C. Köhler, N. Jazdi, und M. Weyrich, „Extending the Intelligent Digital Twin with a context modeling service: A decision support use case“, 55th CIRP Conference on Manufacturing Systems, 29. Juni – 1. Juli 2022, Lugano, 2022.
  2. 2021

    1. D. Braun, F. Biesinger, N. Jazdi, und M. Weyrich, „A concept for the automated layout generation of an existing production line within the Digital Twin“, 8th CIRP Conference on Assembly Technology and Systems, 29 September-1 October 2020, Athens, 2021.
    2. N. Sahlab, D. Braun, T. Jung, N. Jazdi, und M. Weyrich, „A Tier-based Model for Realizing Context-Awareness of Digital Twins“, in 26th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 07-10 Sept. 2021, Västerås, Sweden, 2021.
    3. D. Braun, W. Schloegl, und M. Weyrich, „Automated data-driven creation of the Digital Twin of a brownfield plant“, in 26th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 07-10 Sept. 2021, Västerås, Sweden, 2021.
    4. D. Braun, W. Schlögl, und M. Weyrich, „Eine Methodik zur Erstellung multi-dimensionaler Modelle des Digitalen Zwillings für automatisierte Produktionssysteme“, Automation 2021, VDI Verlag GmbH Düsseldorf, pp. 29-42, 29. und 30 June 2021, 2021.
    5. D. Braun, B. Ashtari, und M. Weyrich, Integration of data and software into the Digital Twin via AML. Rainer Drath, 2021.
    6. B. Maschler, D. Braun, N. Jazdi, und M. Weyrich, „Transfer Learning as an Enabler of the Intelligent Digital Twin“, in 31st CIRP Design Conference, Enschede, The Netherlands, May 2021, 2021.
  3. 2020

    1. B. Ashtari Talkhestani, D. Braun, W. Schloegl, und M. Weyrich, „Qualitative and quantitative evaluation of reconfiguring an automation system using Digital Twin“, in 53rd CIRP Conference on Manufacturing Systems (Virtual Conference), 1-3 July 2020, Chicago, USA, pp. 268–273, 2020.

Forschungsschwerpunkt: - Eine Methodik zur Erstellung der fachbereichsübergreifenden Relationen zwischen
den Modellen des Digitalen Zwilling eines Brownfield-Produktionssystems

Beschreibung: - In der Entwicklungsphase werden Digitale Zwillinge und deren Modelle (z.B. Struktur- oder Verhaltensmodelle) für die vorhergesehenen Anwendungs- und Betriebsszenarien entwickelt. Nach der Übergabe der Anlage und des Digitalen Zwillings an den Kunden entsteht ein sogenannter Modelldrift, der die Realitätsnähe des Digitalen Zwillings zur physischen Anlage verschlechtert. Eine Verschlechterung der Realitätsnähe hat zur Folge, dass die unterschiedlichsten Anwendungen (z.B. Virtuelle Inbetriebnahme, betriebsparallele Simulation, Optimierung, Prognose, etc.) keine realitätstreuen Ergebnisse liefern können. Der Grund für diesen Modelldrift ist die aufwendige Modellpflege in der Betriebsphase, die bei Veränderungen (z.B. unerwartete Umwelteinflüsse, neue Anwendungsszenarien, der Verschleiß oder Umbau von Komponenten, etc.) notwendig wird und in einer heterogenen Modelllandschaft manuell kostenintensiv und fehleranfällig ist. Dieses Forschungsvorhaben beschäftigt sich daher mit der kontinuierlichen Modelladaption des Digitalen Zwillings, um die anwendungsgerechte Realitätsnähe in der Betriebsphase zu halten. Der Ansatz erweitert das am IAS entwickelte Konzept des Digitalen Zwillings um eine anwendungsoptimierte Modelladaption, sodass dieser in einer heterogenen Modelllandschaft auf unvorhergesehene Veränderungen reagieren kann. Dazu wird eine Methodik basierend auf dem Plan-Do-Check-Act-Zyklus dem Ansatz zu Grunde gelegt. In dieser Methodik werden zunächst die Informationen der Erkennung der Abweichung verarbeitet sowie die Anforderungen der Anwendung mit den aktiven Modellkonfigurationen auf die funktionale Eignung geprüft, um einen Adaptionsbedarf zu ermitteln. Der zweistufige Modelladaptionsansatz im Do-Schritt ist in die Parameter- und Strukturanpassung gegliedert, um auf Basis aktiver Modellkonfigurationen oder des strukturierten Modellpools anwendungsgerechte Modellkonfigurationen zu generieren. Diese werden im Check-Schritt nach den Kriterien Zeit, Der Digitale Zwilling als verbreitetes Konzept besitzt eine Vielzahl von Einsatzmöglichkeiten, wie die virtuelle Inbetriebnahme oder prädiktive Wartung. Diese bieten viele Vorteile beispielsweise hinsichtlich der Anlagenverfügbarkeit, der Optimierung oder auch der Fehlerbeseitigung. Im Zuge der modellbasierten Entwicklung werden die Modelle und deren Relationen eines Digitalen Zwillings erstellt. Jedoch existieren bereits viele Produktionsanlagen, sogenannte Brownfield Anlagen, für die kein Digitaler Zwilling erstellt wurde. Aktuelle Trends, wie die individualisierte Massenproduktion, führen zu einer häufigeren Änderung der Steuersoftware und erhöht den Nutzten eines Digitalen Zwillings für Brownfield Systeme. Die aufwändige Erstellung eines Digitalen Zwillings steht daher zunehmend im Fokus von Anlagenmodernisierungen und Erweiterungen. Hierfür werden unterschiedliche Modelle aus den Disziplinen Mechanik, Elektrotechnik und Software benötigt, um das mechatronische System zu modellieren. Des Weiteren müssen die Relationen zwischen den einzelnen Modellen und Komponenten nachvollzogen und abgebildet werden. Diese sind meist nicht dokumentiert und daher schwierig in den bestehenden Anlagen zu erkennen. Deshalb stellen diese Relationen gerade für große automatisierte Industrieanlagen eine Herausforderung bei der Erstellung eines Digitalen Zwillings dar. In diesem Forschungsprojekt werden aus dem SPS-Code und der SPS Konfiguration die funktionalen Abhängigkeiten extrahiert. Der SPS Code muss dazu lediglich in einer der standardisierten SPS Sprachen vorliegen, wodurch die Methodik für bestehende Anlagen einsetzbar ist. Zusätzlich werden aus den Materialbewegungsdaten und den Signalverläufen von Sensoren und Aktoren ungefähre Positionen dieser Komponenten bestimmt. Alle Informationen werden in einem Graph zusammengeführt, über Ontologien angereichert und mittels Algorithmen repetitive Muster identifiziert. Diese werden als Engineering Template gekennzeichnet und können anschließend in einen Digitalen Zwilling eingespeist werden. Die daraus resultierende Struktur eines Digitalen Zwillings und seine Modellrelationen werden im Projekt „Flexible Produktionsanlage“ in der ARENA2036 evaluiert.

Forschungsportal:
https://www.researchgate.net/profile/Dominik-Braun-3
https://scholar.google.com/citations?user=OPoMxtEAAAAJ&hl=de&oi=ao



Institutsleitung

Lehrbeauftragter

Sekretariat

Angestellte

Akademische Mitarbeiter

Digitaler Zwilling für die Automatisierungstechnik

Intelligente und lernende Automatisierungssysteme

Komplexitätsbeherrschung in der Automatisierungstechnik

Risikoanalyse und Anomalieerkennung für vernetzte Automatisierungssysteme

Stipendiat Graduate School of Excellence advanced Manufacturing Engineering (GSaME)

Auszubildende

Zum Seitenanfang