SPECTRUM – APPLIED RESEARCH 64 / UdZ 02.22 schiedenen proprietären betrieblichen Anwendungssystemen, entspricht der Zielsetzung der Referenzarchitektur des „Internet of Production“. Diese Referenzarchitektur besteht aus den vier horizontalen Schichten der Applikationssoftware, der Middleware+, der Smart-Data-Schicht und der SmartExpert-Schicht10, und kann zur Strukturierung des DSS zur nachhaltigen Konfiguration der Parameter der Produktions- planung verwendet werden (s. Figure 2). Dem Anwender des DSS wird es ermöglicht, die Auswirkungen von verändertenParametern auf ökologische undökonomische Zielgrößen der Produktion zu analysieren, um so Entscheidungen über die Auslegung der Parameter treffen zu können. Diese datenbasierte Entscheidungsunterstützung wird mittels eines diskreten Simulationsmodells realisiert, das die Kernkomponente der Smart-Data-Schicht bildet. Ziel der Smart-Data-Schicht ist die Bereitstellung der Information en über die Auswirkung variierter Parameter der Produktionsplanung auf ökonomische und insbesondere ökologische Zielgrößen der Produktion. Das Simulationsmodell ist dabei unternehmensspezifisch modelliert und stellt eine Abstraktion des realen Produktionssystems dar. Die Individualität des Simulationsmodells wird durch eine unternehmensspezifische Verknüpfung generischer Prozesselemente hergestellt. Die Ausprägung der Eigenschaften einzelner Prozesselemente, wie z. B. der Energieverbrauch eines Produktionsprozesses, resultiert aus den Daten der proprietären Anwendungssysteme. Die Verknüpfung und Aggregation der benötigten Daten des Simulationsmodells erfolgen innerhalb der Middelware+-Schicht. Dort werden Informationen und Daten aus den monolithischen Informationssystemen verknüpft und aggregiert, um eine domänenübergreifende Entscheidungsunterstützung zu ermöglichen11. Dies erfolgt im Kontext des DSS 10 s. Pennekamp 2019, S. 36, Schuh 2020, S. 469, Brauner 2020, S. 4 11 s. ebda., a. a. O. User Cycle Production Cycle Development Cycle Test Data Customer Data Supply Chain Data Machine Data Process Data Simulation Data CAD Data Product Data Expert System CRM MES APS ERP/ SCM FEM Middleware+ Management of data access to proprietary systems Smart Data Meta Heuristics Learning Algorithms Cluster Algorithms Correlation Analysis Analytics Context sensitive processing Data Storage and Caching Data Model Data Integration Digital Shadow Smart Expert Event-driven Decisions A Autonomous Actions Adaptive Processes Agent Decision Support Multi-Modal Information Access Aggregation and Synchronization Data Provision and Access Operational application systems: Provision of the required data and information from, among others: Enterprise-Resource-Planning System Manufacturing Execution System Machine data acquisition Semantic data model: Description of the required data and cause-effect relationships for the simulation model. Description of the cause-effect relationships between the required data and the data structures of the operational application systems Discrete simulation model: • Integration of the data into the corresponding simulation model Generation of information regarding the effect of changed parameters of production planning on ecological and economic target values Decision-Support-System: Selection of the production planning parameters to be investigated Visualization of information regarding the impact of changed parameters of production planning on ecological and economic target values Figure 2: Structuring of the DSS for the sustainable configuration of production planning parameters in the "Internet of Production" (own representation, based on Schuh 2020, p. 469). 10 Pennekamp 2019, p. 36, Schuh 2020, p. 469, Brauner 2020, p. 4 11 ibid to structure the DSS to obtain a sustainability-optimized configuration of production planning parameters (see Figure 2). The user of the DSS is empowered to analyze the impact of changed parameters on environmental and economic targets in production in order to make decisions about the configuration of the parameters. This data-based decision support is realized by means of a discrete simulation model, which is the core component of the smart data layer. The aim of the smart data layer is to provide information about the impact of variations in production planning parameters on economic and, in particular, environmental production targets. The simulationmodel is designed specifically for the company and represents an abstraction of the real-world production system. The uniqueness of the simulation model is created by a company-specific interlinkage of generic process elements. The characteristics of the individual process elements, such as the energy consumption of a production process, result from the data of the proprietary application systems.The linkage and aggregation of the required data of the simulation model takes place within the Middelware+ layer, where information and data from the monolithic information systems are linked and aggregated to enable cross-domain decision support. This is done in the context of the DSS for a sustainable configuration of production planning parameters through a semantic data model. The data model describes the necessary information fromthe proprietary information systems and its interaction with the modular process elements of the simulation model. The lowest level of the DSS is the layer of expert systems, where data and information from various information
RkJQdWJsaXNoZXIy NzcyMw==