Automatisierungstechnik

Das Engineering von Produktionsanlagen in der Prozessindustrie erfordert effiziente Prozesse und Arbeitsweisen, um den hohen Anforderungen an die planerische Qualität, die Minimierung von Kosten und die projektbezogene Einhaltung von Zeiten gerecht zu werden. Die Beteiligung verschiedener Gewerke an den komplexen Prozessen zur Planung, Errichtung, Inbetriebnahme und Optimierung einer Anlage über den Lebenszyklus verstärken den Bedarf an kollaborativen Ansätzen zur Reduzierung von Aufwänden und Verbesserung des Informationsaustausches über Planungsstände. Während des Engineerings werden Anforderungen an Funktionalitäten in Lösungsvorschläge überführt und implementiert. Die Dokumentation von Engineering-Ergebnissen in geeigneten Beschreibungsmitteln dient als Kommunikationsgrundlage zwischen den beteiligten Gewerken, wobei Übergange zwischen Beschreibungsmitteln fehleranfällig sind und Mehraufwände durch ein oftmals manuelles Übertragen von Inhalten mit sich bringen. Mit fortlaufendem Reifegrad der Engineering-Ergebnissen erhöht sich auch der Detaillierungsgrad der Dokumentation in oftmals gewerkespezifischen Beschreibungsmitteln. Im späteren Verlauf des Lebenszyklus einer Anlage wird der Wechsel von detaillierten Darstellungen auf Darstellungen mit höheren Abstraktionsstufen immer relevanter um gewerkeübergreifend Funktionsweisen diskutieren zu können und Änderungen, bspw. im Rahmen von Brownfield-Projekten, zu Dokumentieren. Dies betrifft insbesondere Verriegelungen, die als wichtiger Bestandteil des Automatisierungssystems kritische Eingaben des Nutzers oder Ausgaben der Steuerung unterbinden. In der vorliegenden Arbeit wird ein Konzept für eine durchgängig konsistente Darstellung von Verriegelungen vorgestellt. Mithilfe eines entwickelten Beschreibungsmittels werden auf drei unterschiedlichen Detaillierungsstufen die Darstellung und das Editieren von Inhalten zu Verriegelungen ermöglicht. Als Basis für die unterschiedlichen Detaillierungsstufen wurde ein Informationsmodell definiert, welches die Inhalte der Verriegelungen in herstellerneutraler Form beschreibt. Durch Definieren von Regeln wird eine regelbasierte und automatisierte Aggregation und Dekomposition der Inhalte zwischen den unterschiedlichen Ebenen ermöglicht und die kausale Konsistenz der Inhalte über die unterschiedlichen Ebenen sichergestellt. Als Unterstützung für eine Anwendung des Konzeptes wurde eine methodische Vorgehensweise entwickelt, die in Form von definierten Workflows die Anwendbarkeit und Integration in bestehende Engineering-Vorgehensweisen sicherstellt. Im Rahmen von zwei unterschiedlichen Anwendungsbeispielen wurde das Konzept anhand von realen Engineering-Projekten der Prozessindustrie evaluiert und die Vorteilhaftigkeit gegenüber bestehenden Ansätzen anhand einer kritischen Betrachtung der Anforderungserfüllung bestätigt.

The energy transition towards a fully decarbonized energy system is one of society’s greatest challenges. An increasing share of variable renewable energy generation requires flexible generation and flexible consumption to counteract the associated volatility. Furthermore, providing energy flexibility holds significant financial saving potential for operators of flexible energy resources. However, the implementation of energy flexibility measures is hindered by limited personnel capacities and a lack of expertise required for developing suitable optimization models. Thus, this thesis presents a methodology for the automatic generation of optimization models for the operational planning of systems of flexible energy resources. To establish a solid methodological foundation for these models, a systematic review of existing modeling approaches for flexible energy resources is conducted. Based on this review, a suitable modeling approach has been elaborated and further refined through an analysis of the required level of detail for optimization models used in the control of flexible energy resources. The results indicate that mixed-integer linear programming optimization models with a low level of detail and temporal resolutions aligned with market intervals are sufficient to represent resource behavior and generate optimized schedules for resource operation. The methodology for automatic model generation builds on a modular generic model structure that represents the flexibility characteristics of resources. Models of individual resources are aggregated to jointly optimize the operation of a system of resources. The generic model is complemented by algorithms for deriving parameter sets from time series data. Additionally, connections between resources are extracted from an information model representing the system structure. Integrating the model structure and parameter derivation into an automated model generation methodology reduces manual effort and streamlines the creation of optimization model instances. Each component of the methodology has been independently evaluated to ensure its accuracy and applicability. Furthermore, the methodology in its entirety was applied in two case studies focusing on a combined heat and power system and a refrigeration system. These case studies demonstrate the applicability of the methodology by showcasing its ability to generate accurate optimization models without manual intervention. The automatically generated optimization models can then be used to plan resource operation within systems. For instance, during periods of high renewable energy generation, resources can be scheduled to maximize energy utilization. By enabling flexible resource operation, this approach contributes to balancing energy supply and demand, thereby supporting a successful energy transition.

Die Realisierung sogenannter Smart Grids, also intelligenter Stromnetze, ist ein wesentlicher Beitrag zur Erreichung der Klimaziele. Die Vielzahl und Dynamik der zu koordinierenden Elemente in einem Smart Grid machen es jedoch zu einem komplexen System, für das zentrale Automatisierungsansätze nur bedingt geeignet sind. Eine vielversprechende Alternative hierzu stellen dezentrale Architekturen und insbesondere Agentensysteme dar. Die Vorteile von Agentensystemen bestehen unter anderem in ihrer Verteiltheit, Flexibilität, Ausfallsicherheit und Skalierbarkeit. Zwei Kerneigenschaften von Agentensystemen sind lokales Wissen und die Fähigkeit zur Kommunikation. Für beides stellen Ontologien ein geeignetes Mittel dar, denn sie ermöglichen eine formale Beschreibung von Wissen und darüber hinaus logisches Schließen in Bezug auf dieses Wissen. Zudem existiert eine Vielzahl an frei nutzbaren Ontologien, die wiederverwendet werden können. Entsprechend gibt es viele Arbeiten, die sich mit dem Einsatz von Ontologien in Agentensystemen befassen. Demgegenüber steht allerdings ein Mangel an geeigneten Methoden. Bestehende Engineering-Methoden für Agentensysteme behandeln die Ontologie-Entwicklung nur oberflächlich und Ontologie-Entwicklungsmethoden berücksichtigen nicht die spezifischen Anforderungen von Agentensystemen. Die vorliegende Arbeit verfolgt das Ziel, diese Lücke zu schließen, um so einen Beitrag zur Effizienzsteigerung im Engineering von Agentensystemen zu leisten. Die hierzu entwickelte Methode stellt eine Ergänzung zu existierenden Engineering-Methoden für Agentensysteme dar und besteht aus drei Bausteinen. Zuerst werden die Anforderungen an die zu entwickelnde Ontologie systematisch aus dem UML-basierten Entwurf eines Agentensystems abgeleitet. Hierbei wird eine Semi-Formalisierung der erhobenen Anforderungen vorgenommen, um eine adäquate Grundlage für die spätere Ontologie-Verifizierung zu schaffen. Anschließend erfolgt die Ontologie- Entwicklung. Hervorzuhebende Merkmale hiervon sind der Fokus auf die Wiederverwendung von existierenden Ontologien, die zentrale Rolle von Domänenexperten und die Automatisierung von Teilschritten. Zuletzt erfolgt die Ontologie-Integration im Rahmen der Implementierungsphase des Agentensystems, um den Agenten Zugriff auf die Ontologie als lokale Wissensbasis zu geben und eine Ontologie-basierte Kommunikation untereinander zu ermöglichen. Zu diesem Zweck wurden eine Software-Bibliothek (Semantic Agent Framework) und ein dazugehöriges Vorgehen entwickelt, mit denen die Nutzung von Ontologien in Agentensystemen vereinfacht und somit der Implementierungsaufwand reduziert wird. Im Rahmen von drei Fallstudien aus der Smart Grid Domäne sowie einer Reihe von Experteninterviews konnte gezeigt werden, dass die entwickelte Methode das Forschungsziel der vorliegenden Arbeit erfüllt und einen Beitrag zu Effizienzsteigerung im Engineering von Agentensystemen leisten kann.

Die Modernisierung der industriellen Wertschöpfung hin zur Industrie 4.0 erfordert eine Digitalisierung der Produktionssysteme und ihrer Produktionskomponenten. Digitale Zwillinge nehmen als digitale Abbildung der Komponenten eine besondere Rolle ein und bieten eine hohe Anwendungsbreite für unterschiedliche industrielle Produkte. Ihre Dienstleistungen und ihre Anwendungen sind auf die Produkte, die sie abbilden, zugeschnitten, so dass im Zuge des Entwicklungsvorgehens der Anwendungskontextes des Digitalen Zwillings in der Form von Use Cases festzulegen und aus diesem Kontext die Anforderungen zu erheben sind. Diese Arbeit zielt darauf ab, eine Methode für eine zielorientierte Erhebung der Informationsanforderungen an den Digitalen Zwilling eines industriellen Produktes zu entwickeln. Eine erste Teilmethode zur zielgerichteten Auswahl ermöglicht es, Use Cases für die eigene Zielumgebung zu spezifizieren. Zugleich wird auch eine Sammlung produktunabhängiger Beschreibungen hergeleitet, um bestehende Entwicklungsergebnisse als Informationsquelle erneut zu verwenden. Mit der zweiten Teilmethode zur modellbasierten Identifikation der Informationsanforderungen werden die ausgewählten Use Cases als UML/SysML-Modelle abgebildet und schlussendlich die Informationsanforderungen an den Digitalen Zwilling erhoben.

This report summarizes the workshop on “Learning Approaches for Hybrid Dynamical Systems”, held at the 2025 Conference on Machine Learning for Cyber-Physical Systems (ML4CPS). The workshop aimed to strengthen collaboration and foster exchange between institutions engaged in research on model learning methods for hybrid CPSs. The participating research groups approach the topic from diverse perspectives, for example, from an application perspective, from a tool perspective, or from a fundamental and formal perspective. Accordingly, this paper synthesizes the discussions from the workshop and presents an overview of key perspectives on several central topics, including the taxonomy of hybrid systems, current learning paradigms and techniques, and particularly representative use cases.

A large palette of models and their corresponding learning algorithms have been applied to time series observed from cyber-physical systems (CPSs). For some use cases, simple linear methods are sufficient, while for others, even sophisticated machine learning approaches fail to extract subtle patterns in system behavior. To date, the literature has not examined this phenomenon adequately and lacks a comprehensive analysis linking the characteristics of CPSs with the suitability of different models and learning algorithms. In this work, after examining the complexity of multiple real-world and artificial CPS use cases, we identify several key aspects that distinguish them: 1) the number of system variables, 2) the degree of interdependence between discrete-event part and continuous part of the system, and 3) the number of unobserved system inputs. By analyzing the approaches successfully applied in the respective use cases, we were able to distill preferred techniques for addressing systems of different complexity levels.

The integration of increasing shares of intermittent renewable energy necessitates flexibility in both energy generation and consumption. Typically, the operation of flexible energy resources is orchestrated through optimization models. However, the manual creation of these models is a complex and error-prone task, often requiring the expertise of domain specialists. This work introduces a methodology for the automatic generation of optimization models for systems of flexible energy resources to simplify the modeling process and increase the use of energy flexibility. This methodology utilizes a modular, generic model structure designed to depict systems of flexible energy resources. It incorporates algorithms for model parameter derivation from operational data and an information model that represents the system’s structure and dependencies of resources. The efficacy of this methodology is demonstrated in two case studies, highlighting its relevance and ability to significantly streamline the optimization modeling process by minimizing the need for manual intervention.

Das Kaltgasspritzen entwickelt sich zu einem Verfahren mit großem Potenzial für die Reparatur metallischer Bauteile, insbesondere für das Aufbringen von hitze- und oxidationsempfindlichen Materialien. In diesem Zusammenhang ermöglicht der Einsatz von Automatisierung und Robotik eine flexible Steuerung des Reparaturprozesses. Um einen optimalen Reparaturprozess zu gewährleisten, müssen die verschiedenen Anforderungen des robotergeführten Kaltgasspritzens bereits in der simulativen Planungsphase berücksichtigt werden. Herkömmliche Trajektorien zum Materialauftrag berücksichtigen jedoch oft nicht die bei Reparaturen zu beachtenden geometrischen Randbedingungen des Materialaufbaus, den effizienten Materialeinsatz und die zugrundeliegenden Einschränkungen der Roboterkinematik. In dieser Arbeit wird daher ein Konzept zur automatisierten Trajektorienplanung und anschließenden Trajektorienoptimierung zur Reparatur durch robotergeführtes Kaltgasspritzen beschrieben. Das Ziel ist es, eine optimierte Trajektorie zu erzeugen, die die Anforderungen des Kaltgasspritzens und der Roboterkinematik berücksichtigt, um eine qualitativ hochwertige Reparatur und einen effizienten Materialeinsatz zu gewährleisten. Dazu gehören die Minimierung des überschüssigen Materials und die Minimierung des Rucks bei der Roboterbewegung. Die Ergebnisse zeigen die erfolgreiche Anwendung der initialen Trajektorienplanung und der anschließenden Trajektorienoptimierung für die Bauteilreparatur durch Kaltgasspritzen.