Dieses Bild zeigt Daniel Dittler

Daniel Dittler

M.Sc.

Teamsprecher
Institut für Automatisierungstechnik und Softwaresysteme

Kontakt

+49 711 685 67321
+49 711 685 67302

Pfaffenwaldring 47
70550 Stuttgart
Raum: 2.139

Zeitschriften und Konferenzen:
  1. 2023

    1. M. Artelt, D. Dittler, G. Hildebrandt, D. Braun, N. Jazdi, und M. Weyrich, „Dynamic Production Scheduling with Intelligent Products in a Modular Production System“, 2023, S. 1–4.
    2. D. Dittler, P. Lierhammer, D. Braun, T. Müller, N. Jazdi, und M. Weyrich, „A Novel Model Adaption Approach for intelligent Digital Twins of Modular Production Systems“, 2023, S. 1–8.
    3. B. C. Gül, N. Devarakonda, D. Dittler, N. Jazdi, und M. Weyrich, „Using Federated Learning in the Context of Software-Defined Mobility Systems for Predictive Quality of Service“, AUTOMATION 2023, S. 591–610, 2023.
    4. G. Hildebrandt, P. Habiger, D. Dittler, R. Drath, und M. Weyrich, „Automated Integration of External Data into Digital Twins for Manufacturing Processes“, 2023, S. 1–8.
    5. P. Häbig, D. Dittler, M. Fey, T. Müller, N. Mößner, N. Jazdi, M. Weyrich, und K. Hufendiek, „A Modular System Architecture for an Offshore Off-grid Platform for Climate-neutral Power-to-X Production in H2Mare“, Mai 2023.
    6. F. Listl, J. Fischer, A. Sohr, D. Dittler, N. Jazdi, und M. Weyrich, „Utilizing ISA-95 in an Industrial Knowledge Graph for Material Flow Simulation - Semantic Model Extensions and Efficient Data Integration“, Procedia CIRP, Bd. 120, S. 1558–1563, Jan. 2023.
    7. V. Stegmaier, D. Dittler, N. Jazdi, und M. Weyrich, „Influence of Solvers and their Characteristics on Simulation Time and Accuracy Exemplified for a Vacuum Gripping System“, Procedia CIRP, Bd. 120, S. 714–719, Jan. 2023.
  2. 2022

    1. 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.
    2. D. Dittler, P. Häbig, G. Demirel, N. Mößner, T. Müller, N. Jazdi, K. Hufendiek, und M. Weyrich, „Digitaler Zwilling für eine modulare Offshore-Plattform: Effizienzsteigerung grüner Power-to-X-Produktionsprozesse“, atp magazin, Vol. 63, No. 6-7, pp. 72-80, June 2022, 2022.
    3. D. Dittler, T. Müller, V. Stegmaier, N. Jazdi, und M. Weyrich, „Anwendungsoptimierte Modelladaption des Digitalen Zwillings eines modularen Produktionssystems während der Betriebsphase“, in Automation 2022 At: Baden-Baden, Deutschland, Juni, 2022, 2022.
    4. T. Müller, B. Maschler, D. Dittler, N. Jazdi, und M. Weyrich, „Intelligent Exploration of Solution Spaces Exemplified by Industrial Reconfiguration Management“, Juli 2022.
    5. V. Stegmaier, D. Dittler, N. Jazdi, und M. Weyrich, „A structure of modelling depths in behavior models for Digital Twins“, in 27th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), Stuttgart, Germany, September 2022, 2022.

Forschungsschwerpunkt: - Anwendungsoptimierte Modelladaption des Digitalen Zwillings während der Betriebsphase

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, Kosten und Qualität bewertet. Die für die Anwendung geeignetste Modellkonfiguration wird dann im Act Schritt aktiv geschaltet.

Forschungsportal:
https://www.researchgate.net/profile/Daniel-Dittler
https://scholar.google.com/citations?user=f-LQK3EAAAAJ&hl=de

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