Bei Raupenfahrwerken wird das allgemeingültige Prinzip verfolgt, dass durch die scharnierbare Aneinanderreihung von Kettengliedern eine fahrzeugeigene Fahrstrecke entsteht. Dies erlaubt selbst schwere Geräte im unwegsamen, brüchigen Gelände mit großen Vortriebskräften zu mobilisieren. Jedoch wohnt, der Diskretisierung des Raupenbandes in Glieder endlicher Länge geschuldet, dem Fahrwerk eine hohe Fahrunruhe inne. Dadurch entstehen zeitvariante Lasten im Fahrwerk, welche die Lebensdauer der Kette, des Fahrwerkantriebs und der Tragstruktur des Fahrzeugs limitieren und somit regelmäßig kostenintensive Instandsetzungsmaßnahmen erzwingen. Diese Problemstellung aufgreifend beschäftigt sich die Arbeit mit der Analyse und Optimierung des fahrdynamischen Verhaltens von Raupenfahrzeugen. Zugleich werden Methoden vorgestellt, welche eine rechenzeiteffiziente Simulation von Raupenfahrzeugen und Antriebssystemen zulassen.

Die Arbeit stellt einen inhaltlichen Beitrag zur Nachhaltigkeitsdiskussion im Energiebereich dar, ordnet sich in den Forschungsstrang der Energy-Analysis ein und dient der politischen Entscheidungsvorbereitung bei Ungewissheit. Folgenden Fragen wird für die deutsche Ebene im globalen Kontext vornehmlich nachgegangen: - Welchen Kriterien muss ein zukunftsfähiges Energiesystem genügen, mit welchen Technologien und Strategien lässt es sich innerhalb welcher Zeiträume realisieren" - Wie handeln wichtige Akteure und welche Maßnahmen sind nötig" - Sind internationalen Kooperationen notwendig und nach welchen Leitlinien müssen diese gestaltet werden" Die Methode der Methode Energy-Analysis wird zudem durch die Integration aller diskutierten Nachhaltigkeitsdimensionen weiterentwickelt und aktuellen Diskussionen angepasst. Entstanden ist die Arbeit in einem Team des Wuppertal Instituts für Klima, Umwelt, Energie und muss im Kontext der anderen Arbeiten gesehen werden. Zunächst werden so genannte präventive Technologiebewertungen wichtiger technologischer Strategien vorgenommen. Dabei finden Methoden wie Ökobilanzierungen, Systemanalysen, Szenarioanalysen und ökonomische Betrachtungen Anwendung. Daran anschließend erfolgt die Analyse von Technologielinien des Energiebereichs. Diese werden anhand technischer, ökologischer, ökonomischer und sozialer Kriterien in Bezug auf die zuvor festgelegten Ziele bewertet. Der Kern der Untersuchung besteht in dem Durchführen einer systemanalytischen Untersuchung und dem Erstellen von Energieszenarien auf deutscher und globaler Ebene. Es wird damit u.a. der Frage nachgegangen, wie Klimaschutzziele zu erreichen sind. Auf den Szenarien aufbauend erfolgt eine tiefer gehende Betrachtung zweier Teilbereiche, denen eine entscheidende Rolle zukommen wird (Biomasse, Solarkooperation mit Nordafrika). Methodisch werden diese Bereiche aus akteursorientierter und systemischer Perspektive analysiert und daraus Handlungsempfehlungen abgeleitet.

Die Brennstoffzelle ist ein elektrochemischer Reaktor und wandelt chemisch gebundene Energie direkt in elektrische Energie um. In der stationären Energieerzeugung ist der Brennstoffzellenstapel selbst nur ein kleiner Bestandteil des vollständigen Systems. Die Integration aller zusätzlichen Bestandteile, der Peripheriegeräte (Balance-of-Plant) (BoP), ist eine der Hauptaufgaben in der Studie der Brennstoffzellenkraftwerke. Diese Untersuchung betrifft die Systemstudie des auf der Schmelz-Karbonat-Brennstoffzelle (MCFC) basierten Kraftwerks. Die Systemstudie ist mit dem Simulationprogramm Aspen PlusTM durchgeführt worden. Artikel I beschreibt die Implementierung eines in Aspen PlusTM entwickelten MCFC Stapelmodells, um ein MCFC Kraftwerk zu studieren, das Erdgas als Brennstoff verwendet. Artikel II beschreibt, wie unterschiedliche Prozeßparameter, wie Brenngasnutzung und dieWahl des Brennstoffes, die Leistung eines MCFC Kraftwerks / A fuel cell is an electrochemical reactor, directly converting chemically bound energy to electrical energy. In stationary power production the fuel cell stack itself is only a small component of the whole system. The integration of all the auxiliary components, the Balance-of-Plant (BoP), is one of the main issues in the study of fuel cell power plants. This thesis concerns the systems studies of molten carbonate fuel cell (MCFC) based power plants. The system studies has been performed with the simulation software Aspen PlusTM. Paper I describes on the implementation of a developed MCFC stack model into Aspen PlusTM in order to study an MCFC power plant fueled with natural gas. Paper II describes how different process parameters, such as fuel cell fuel utilization, influence the performance of an MCFC power plant. / Bränslecellen är en elektrokemisk reaktor som kan direkt omvandla kemiskt bunden energi till elektrisk energi. I stationär kraftproduktion är själva bränslecellsstapeln endast en mindre komponent i systemet. Integrationen av kringutrustningen, den s.k. Balance-of-Plant (BoP), som tex. pumpar, kompressorer och värmeväxlare är en av huvudfrågeställningarna i studierna av bränslecellskraftverk. Denna avhandling avser systemstudier av mältkarbonatbränslecellsbaserade (MCFC) kraftverk. Systemstudierna har utförts med processimuleringprogramet Aspen PlusTM. Artikel I beskriver en utvecklad MCFC-cellmodell, som implementeras som "user model" i Aspen Plus, för att studera ett naturgasbaserat bränslecellskraftverk. Artikel II beskriver hur olika processparametrar, som tex bränsleutnyttjande och val av bränsle, påverkar ett MCFC-kraftverks prestanda. / QC 20101129

Aerated treatment wetlands are an increasingly recognized nature–based technology for thetreatment of domestic and industrial wastewater. As biodegradation is the most importanttreatment mechanism in aerated wetlands, these systems heavily rely on mechanical aerationmediated oxygen transfer to supply the dissolved oxygen demand of the associated microbialcommunity. In the last decade, research on aerated wetlands has evolved, however, majorquestions on aeration, the associated oxygen transfer and the quantitative link to treatmentperformance still remain unknown. Answering these questions can further improve aeratedwetland design to optimize treatment efficacy and economical efficiency. This dissertation investigated the link of oxygen transfer to the air flow rate of aerationand elucidated the associated impact on treatment performance for organic carbon and nitrogenin horizontal flow aerated wetlands. Therefore, a numerical process model includingone dimensional reactive transport was developed. This model describes the main processesinvolved in horizontal flow aerated wetlands: water flow, heat transport, transport of solubleand particulate wastewater pollutants, biodegradation by a network of bacterial communitiesand oxygen transfer through mechanical aeration. For model calibration and validation, pilot–scale experiments in horizontal flow aerated wetlands treating real wastewater were conducted.These included conservative tracer experiments as well as monitoring steady–state operationat variable air flow rates and aeration interruption. In general, the model was able to simulate conservative tracer transport as well as treatmentperformance for organic carbon and nitrogen at steady–state operation and aeration interruptionwith sufficient accuracy. A local sensitivity analysis of the calibrated parameters revealedporosity, hydraulic permeability and dispersion length as well as the oxygen transfer coefficientkLa as most important. When operating the wetland systems at steady–state, aeration provideda mostly aerobe environment, except at the influent zone. However, when aeration wasinterrupted, anaerobe process started to take over and treatment performance declined within3–4 days. The modeling elucidated that methanogenic and sulphate reducing bacteria can playa significant role for organic carbon removal during aeration interruption. Moreover, the modelrevealed a non–linear declining relationship of the air flow rate with oxygen transfer coefficientkLa and of kLa with treatment performance. The alteration of oxygen transfer by wastewaterpollutant concentration was then investigated in a laboratory–scale column experiment. Basedon this experiment, an empirical equation describing the inhibitory effect of soluble chemicaloxygen demand (CODs) on the oxygen transfer coefficient kLa was derived and incorporatedinto the process model. With the extended model several simulation scenarios were analyzedto quantify the impact of the inhibited oxygen transfer on treatment performance. It turnedout that the reduction of oxygen transfer by CODs will, most likely, be relevant only at highinfluent wastewater strength (CODs 300 mg L-1), low aeration (air flow rate 50 L m-2h-1) or when the aerated wetland design includes zoned aeration. With respect to secondarytreatment of domestic effluents at similar strength using a spatially uniform aeration, an airflow rate of approximately 150–200 L m-2 h-1 can be recommended as a reasonable compromisebetween treatment efficiency and robustness. If zoned aeration is intended (e.g. to create a redox zonation), however, the air flow rate should be increased to approximately 400 L m-2 h-1 to supress the inhibition of oxygen transfer by CODs concentration. Furthermore, the air flow rate at steady–state operation (50–500 L m-2 h-1) did not substantially affect the response in effluent concentrations for organic carbon and nitrogen. This means that at steady–state air flow rates of 50–500 L m-2 h-1 operation, treatment efficacy during aeration interruption will deteriorate and recover in a similar time. In conclusion, this dissertation provides quantitative insights into the mechanisms of aeration and treatment performance for organic carbon and nitrogen in horizontal flow aerated treatment wetlands. The findings obtained can support aerated treatment wetland design for research experiments and engineering applications. Therefore, this dissertation represents a significant advancement in the field of aerated treatment wetland research.

The production of raw materials through mining projects is nowadays very challenging, mainly due to the rapid progress in the industrial and technological fields. On the one hand, they have to fulfill industries' requirements in their demand for materials while making a profit based on the current technologies. On the other hand, they should consider all other limitations, primarily environmental and social challenges that are confronting. The transportation system in any mining project is one of the most significant parts, especially in the technical and economic issues. It must transfer the planned volume of ore/waste that the whole stream of the mining process would not be interrupted and, it can cover the technical challenges and the costs imposed on the project. Additionally, it should be designed and selected to have the lowest environmental impact and the highest safety during the operation. Accordingly, a transportation system selection process that considers all these factors is one of the challenging issues in any mining project. Although the Truck-Shovel system is known as the conventional transportation in open-pit mines, which is preferable because of the low capital cost and high flexibility, it still imposes a high rate of operating costs, safety issues as well as environmental footprints. In-Pit Crushing and Conveying (IPCC) systems are the alternative transportation systems for the Truck-Shovel systems, in which the material is crushed inside the mine’s pit limit and transferred into the outside through conveyor belts. Although these systems are not new, they are mostly neglected as a transportation option basically due to the high capital cost and low flexibility. On the contrary, they can offer more environmentally friendly and safer working areas and a lower operating cost. According to these facts, each transportation system is preferable in a couple of technical, economic, environmental, safety, and social issues. Accordingly, in each circumstance, one or more of these systems can be used in the mining project. However, there is not yet a way or tool that investigates the transportation system selection along with the mine life that takes into account all of these factors. To fill this gap, this project aims to define a model to introduce all these elements while it is interactively connected throughout the mine life. For this and as the first step, the system dynamics modeling is defined and used to build the model for all the technical, economic, environmental, safety, and social factors. As an output of this step, software entitled “TEcESaS Indexes” is designed and produced through Venapp that makes working with the model comfortable. As the second step, a selection method based on the Analytical Hierarchy Process (AHP) is performed that the transportation system selection regarding all the mentioned factors can be made. As the output in this step, the “Sustainability Index” software programmed in the Java language is developed. Considering a hypothetical copper open-pit mine as the case study and implementing the designed software, the results show although the Truck-Shovel system should be used in the first two years of the project (2016 and 2017) in the single expert and deterministic mode, the Fully Mobile In-Pit Crushing and Conveying (FMIPCC) system shows the highest sustainability index among other transportation systems from 2018 until the end of the mine life. While in the group decision making and deterministic simulation, the Truck-Shovel system should be utilized from 2016 to 2020. Additionally, in the group decision making and stochastic mode, the FMIPCC is the selected transportation system with the highest sustainability index probability.

Bei Raupenfahrwerken wird das allgemeingültige Prinzip verfolgt, dass durch die scharnierbare Aneinanderreihung von Kettengliedern eine fahrzeugeigene Fahrstrecke entsteht. Dies erlaubt selbst schwere Geräte im unwegsamen, brüchigen Gelände mit großen Vortriebskräften zu mobilisieren. Jedoch wohnt, der Diskretisierung des Raupenbandes in Glieder endlicher Länge geschuldet, dem Fahrwerk eine hohe Fahrunruhe inne. Dadurch entstehen zeitvariante Lasten im Fahrwerk, welche die Lebensdauer der Kette, des Fahrwerkantriebs und der Tragstruktur des Fahrzeugs limitieren und somit regelmäßig kostenintensive Instandsetzungsmaßnahmen erzwingen. Diese Problemstellung aufgreifend beschäftigt sich die Arbeit mit der Analyse und Optimierung des fahrdynamischen Verhaltens von Raupenfahrzeugen. Zugleich werden Methoden vorgestellt, welche eine rechenzeiteffiziente Simulation von Raupenfahrzeugen und Antriebssystemen zulassen.:Inhaltsverzeichnis V Symbolverzeichnis VIII Abkürzungsverzeichnis XII 1 Einleitung 1 1.1 Eigenschaften und Anwendungsbereiche von Raupenfahrwerken 1 1.2 Problemstellung 2 1.3 Gesamtaufbau Bagger 293 4 1.4 Raupenfahrwerk Bagger 293 5 1.5 Raupenfahrwerk – Fahrschiff 6 1.6 Präzisierte Aufgabenstellung 7 2 Grundlagen und Stand der Technik 11 2.1 Grundlagen zur Fahrunruhe von Raupenfahrwerken 11 2.1.1 Allgemeine Einteilung der Fahrunruhe 11 2.1.2 Innere Fahrwiderstände 12 2.1.3 Äußere Fahrwiderstände 18 2.1.4 Kettenvorspannung 19 2.2 Arbeiten zur Beschreibung der Fahrunruhe von Raupenfahrwerken 20 2.3 Ganzheitliche Analyse von Raupenfahrzeugen 22 2.3.1 Ganzheitliche Systembetrachtung 22 2.3.2 Beiträge zur ganzheitlichen Raupenfahrzeuganalyse 22 3 Detaillierte Modellfindung von Raupenfahrzeugkomponenten 26 3.1 Hintergrund 26 3.2 Elektrisch-Regelungstechnisches System 27 3.2.1 Regelungsprinzip für das einzelne Fahrschiff 27 3.2.2 Regelungsprinzip für das gesamte Fahrwerk 27 3.2.3 PI-Drehzahlregelung 29 3.2.4 P-Drehzahldifferenzregelung 30 3.2.5 Lenkwinkelkorrektur 31 3.2.6 Asynchronmaschine 33 3.2.7 Feldorientierte Regelung 37 3.2.8 Frequenzumrichter 40 3.2.9 Simulation und Analyse des Einzelraupenmodells der Regelung 41 3.3 Fahrwerksmodell 43 3.3.1 Modellbildung und Topologie 43 3.3.2 Fahrsimulation ohne Schakentäler 46 3.3.3 Fahrsimulation mit Schakentälern 51 3.3.4 Fahrsimulation Hangfahrt mit Schakentälern 54 3.3.5 Fahrsimulation Kurvenfahrt mit Schakentälern 56 3.3.6 Sensitivität des Fahrverhaltens 59 3.3.7 Fazit zur Fahrdynamik eines Fahrschiffes 63 3.4 Mechanisches System – Getriebe 63 3.4.1 Modellbildung und Topologie 63 3.4.2 Simulation mit synthetischem Lastfall 67 3.5 Mechanisches System – Unterwagen und Oberbau 69 3.5.1 Modellbildung 69 3.5.2 Simulation im Frequenzbereich 71 4 Rechenzeiteffiziente Ersatzmodelle von Raupenfahrzeugkomponenten 72 4.1 Hintergrund 72 4.2 Elektrisch-Regelungstechnisches System 72 4.2.1 Methodik 72 4.2.2 Simulation und Bewertung 73 4.3 Fahrwerksmodell 74 4.3.1 Methodik 74 4.3.2 Simulation und Bewertung ohne Schakentäler 87 4.3.3 Simulation und Bewertung mit Schakentälern 90 4.4 Getriebemodell 92 4.4.1 Methodik 92 4.4.2 Simulation und Bewertung 96 4.5 Unterwagen- und Oberbaumodell 98 4.5.1 Methodik 98 4.5.2 Simulation und Bewertung 99 5 Ganzheitliche Fahrdynamik-Simulation und Messdatenabgleich 101 5.1 Modellstufen 101 5.1.1 Rheonom betriebenes Fahrschiffmodell 101 5.1.2 Ganzheitliches Fahrschiffmodell 101 5.1.3 Ganzheitliches Fahrzeugmodell 102 5.2 Simulation 103 5.2.1 Vergleich des rheonomen mit dem ganzheitlichen Fahrschiffmodell 103 5.2.2 Einfluss der Oberbauelastizität auf das Fahrverhaltens 104 5.2.3 Einfluss der Phasenlage (Parallelfahrt) 105 5.2.4 Vergleich Messung und Simulation 108 6 Ganzheitliche Optimierung am Fahrschiffmodell 115 6.1 Methodik 115 6.2 Kontinuierliche Rollbahn 115 6.2.1 Hintergrund 115 6.2.2 Erprobung am Ersatzmodell des Fahrwerkes 116 6.2.3 Erprobung am MKS-Kontaktmodell des Fahrwerkes 117 6.3 PI-Motordrehzahlregelung 118 6.3.1 Hintergrund 118 6.3.2 Erprobung am Ersatzmodell mit Schakental-Design 119 6.3.3 Erprobung am MKS-Kontanktmodell mit Schakental-Design 122 6.3.4 Erprobung am Ersatzmodell mit kontinuierlicher Rollbahn 124 6.3.5 Erprobung am MKS-Kontaktmodell mit kontinuierlicher Rollbahn 126 6.3.6 Fazit PI-Drehzahlregelung 127 6.4 PI-Zustandsregelung 127 6.4.1 Methodik 127 6.4.2 Erprobung am Ersatzmodell mit Schakental-Design 133 6.4.3 Erprobung am MKS-Kontaktmodell mit Schakental-Design 135 6.4.4 Erprobung am Ersatzmodell mit kontinuierlicher Rollbahn 135 6.4.5 Erprobung am MKS-Kontaktmodell mit kontinuierlicher Rollbahn 137 6.4.6 Fazit PI-Zustandsregelung 138 6.5 Statische und statisch-dynamische Kettenvorspannung 139 6.5.1 Hintergrund 139 6.5.2 Erprobung am Ersatzmodell 140 6.5.3 Erprobung am MKS-Kontaktmodell 142 6.5.4 Kritische Bewertung 143 7 Ganzheitliche Optimierung am Fahrzeugmodell 144 7.1 Methodik 144 7.2 Kontinuierliche Rollbahn 144 7.3 Kontinuierliche Rollbahn und statische Kettenvorspannung 145 8 Zusammenfassung und Ausblick 146 Literatur 149 Abbildungsverzeichnis 154 Tabellenverzeichnis 159 A Auswertungsgrößen 160 A.1. Amplitudensignal 160 A.2. Schwingungseffektivwert 160 A.3. Kreuzkorrelationskoeffizient 161 B Analytische Berechnung der Lasten bei Kurvenfahrt 162 C Korrelationen CB-Set 164

Die Dissertation liefert einen Beitrag zur Modellierung und optimalen Ansteuerung von vernetzten hybriden Energiesystemen. Die Arbeit beschreibt die Entwicklung einer modellprädiktiven Regelung (MPC) für konkrete Energiesysteme. Dafür wird eine Betrachtung zu berücksichtigender wirtschaftlicher und technischer Rahmenbedingungen vorgenommen, die zur Formulierung notwendiger Nebenbedingungen für die MPC genutzt wird. Für den Umgang mit dem ansteigenden Rechenbedarf der MPC bei steigender Systemzahl wird ein alternativer Ansatz auf Basis eines auktionsbasierten Algorithmus vorgestellt. Die Modellierung der Energiesysteme wird ausgehend von einer bestehenden Laboranlage vorgenommen. Die Erprobung der vorgestellten Ansätze erfolgt in einer Simulationsumgebung, die die Untersuchung verschiedener Szenarien erlaubt. Im Rahmen der Simulationsszenarien mit unterschiedlicher Systemzahl und Zusammensetzung der Energie-systeme wird eine Sensibilitätsanalyse der vorgestellten MPC vorgenommen. Die Interpretation der Ergebnisse erfolgt auf Basis numerischer und empirischer Bewertungskriterien.

Aktuelle Entwicklungen führen zu komplexeren Produktionssystemen, insbesondere in der variantenreichen Serienfertigung. Als Folge bestehen erhebliche Herausforderungen darin, die technische Kapazität mit strategischem Zeithorizont effizient, transparent und flexibel zu planen. Da zahlreiche Abhängigkeiten berücksichtigt werden müssen, ist in der Praxis festzustellen, dass sich Vollständigkeit und Verständlichkeit der Modelle ausschließen. Zur Lösung dieses Zielkonflikts wird ein softwaregestützter Workflow vorgeschlagen, welcher in der neu entwickelten Software AURELIE realisiert wurde. Der Workflow basiert auf der grafischen Modellierung eines geplanten Systems von Wertströmen, der automatischen Validierung und Transformation des grafischen Modells und der automatischen Optimierung des resultierenden mathematischen Modells. Den Ausgangspunkt bildet ein grafisches Modell, das nicht nur verständlich ist, sondern auch das System in seiner Komplexität vollständig widerspiegelt. Aus Sicht der Forschung liegt der wesentliche Beitrag neben einer formalen Systembeschreibung und dem Aufzeigen der Forschungslücke in der Entwicklung der notwendigen Modelle und Algorithmen. Der Neuheitsgrad ist durch den ganzheitlichen Lösungsansatz gegeben, dessen Umsetzbarkeit durch die Software AURELIE belegt wird. Aus Sicht der Praxis werden die Effizienz, Transparenz und Flexibilität im Planungsprozess signifikant gesteigert. Dies wird durch die weltweite Einführung der Software AURELIE an den Standorten der Bosch Rexroth AG bestätigt.:Vorwort Referat Abbildungsverzeichnis Tabellenverzeichnis Algorithmenverzeichnis 1 Einführung 1.1 Ausgangssituation: Potenziale in der Planung 1.2 Problembeschreibung und Einordnung der Dissertation 1.3 Lösungsansatz: softwaregestützter Workflow 1.4 Forschungsfragen und Aufbau der Arbeit 2 Lösungsvorbereitung: Systemanalyse 2.1 Kontext: strategische Planung technischer Kapazität in der Serienfertigung 2.2 Systemstruktur: rekursive Zusammensetzung von Wertströmen 2.2.1 Prozessschritte, Stückzahlverteilung und Verknüpfungstypen 2.2.2 Prozesse und Wertströme 2.3 Systemschnittstelle: Funktionen der Eingaben und Ausgaben 2.3.1 Materialfluss: Bereitstellung von Komponenten für Produkte 2.3.2 Informationsfluss: Planung der Produktion 2.4 Grundlagen der Kalkulation: einfacher Fall eines Prozessschritts 2.4.1 Taktzeiten, Nutzungsgrad und Betriebsmittelzeit 2.4.2 Kapazität, Auslastung und Investitionen 2.5 Erweiterung der Kalkulation: allgemeiner Fall verknüpfter Prozessschritte 2.5.1 Sequenzielle Verknüpfung Beispiel SQ1 Beispiel SQ2 Beispiel SQ3 2.5.2 Alternative Verknüpfung Beispiel AL1 Beispiel AL2 Beispiel AL3 2.5.3 Selektive Verknüpfung Beispiel SL1 Beispiel SL2 2.6 Anforderungen in Bezug auf die Modellierung und die Optimierung 2.6.1 Kategorisierung möglicher Anforderungen 2.6.2 Formulierung der essenziellen Anforderungen 3 Stand der Technik 3.1 Auswahl zu evaluierender Softwaretypen 3.2 Software zur Erstellung von Tabellenkalkulationen 3.2.1 Beispiel: Microsoft Excel 3.2.2 Erfüllungsgrad der Anforderungen 3.3 Software zur Materialflusssimulation 3.3.1 Beispiel: Siemens Plant Simulation 3.3.2 Erfüllungsgrad der Anforderungen 3.4 Software für Supply Chain Management 3.4.1 Beispiel: SAP APO Supply Network Planning 3.4.2 Erfüllungsgrad der Anforderungen 3.5 Software zur Prozessmodellierung 3.5.1 Beispiel: BPMN mit idealem Interpreter und Optimierer 3.5.2 Erfüllungsgrad der Anforderungen 3.6 Fazit: Bedarf nach einer neuen Entwicklung 4 Lösungsschritt I: grafische Modellierung und Modelltransformation 4.1 Kurzeinführung: Graphentheorie und Komplexität 4.1.1 Graphentheorie 4.1.2 Komplexität von Algorithmen 4.2 Modellierung eines Systems durch Wertstromgraphen 4.2.1 Grafische Modellstruktur: Knoten und Kanten 4.2.2 Modellelemente: Quellen, Senken, Ressourcen und Flusspunkte 4.3 Validierung eines grafischen Modells 4.3.1 Ziel, Grundidee und Datenstrukturen 4.3.2 Beschreibung der Algorithmen 4.3.3 Beweis der Zeitkomplexität 4.4 Transformation eines grafischen Modells in ein mathematisches Modell 4.4.1 Mathematische Modellstruktur: Matrizen und Folgen 4.4.2 Ziel, Grundidee und Datenstrukturen 4.4.3 Beschreibung der Algorithmen 4.4.4 Beweis der Zeitkomplexität 4.5 Umsetzung in der Software AURELIE 4.5.1 Funktionsübersicht und Benutzerführung 4.5.2 Erfüllungsgrad der Anforderungen 4.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 5 Lösungsschritt II: mathematische Optimierung 5.1 Kurzeinführung: lineare Optimierung und Korrektheit 5.1.1 Lineare Optimierung 5.1.2 Korrektheit von Algorithmen 5.2 Maximierung der Kapazitäten 5.2.1 Ziel, Grundidee und Datenstrukturen 5.2.2 Beschreibung des Algorithmus 5.2.3 Beweis der Korrektheit und Zeitkomplexität 5.3 Minimierung der Investitionen 5.3.1 Ziel, Grundidee und Datenstrukturen 5.3.2 Beschreibung des Algorithmus 5.3.3 Beweis der Korrektheit und Zeitkomplexität 5.4 Optimierung der Auslastung 5.4.1 Ziel, Grundidee und Datenstrukturen 5.4.2 Beschreibung des Algorithmus 5.4.3 Beweis der Korrektheit und Zeitkomplexität 5.5 Umsetzung in der Software AURELIE 5.5.1 Funktionsübersicht und Benutzerführung 5.5.2 Erfüllungsgrad der Anforderungen 5.5.3 Wesentliche Erweiterungen 5.5.4 Validierung der Optimierungsergebnisse 5.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 6 Schluss 6.1 Zusammenfassung der Ergebnisse 6.2 Implikationen für Forschung und planerische Praxis 6.3 Ausblick: mögliche Weiterentwicklungen A Technische Dokumentation A.1 Algorithmen, Teil I: grafische Modellierung und Modelltransformation A.1.1 Nichtrekursive Breitensuche von Knoten in einem Graphen A.1.2 Rekursive Breitensuche von Knoten in einem Graphen A.1.3 Nichtrekursive Tiefensuche von Knoten in einem Graphen A.1.4 Rekursive Tiefensuche von Knoten in einem Graphen A.1.5 Traversierung der Kanten eines grafischen Modells A.1.6 Validierung eines grafischen Modells A.1.7 Traversierung der Knoten eines grafischen Modells A.1.8 Transformation eines grafischen Modells A.2 Algorithmen, Teil II: mathematische Optimierung A.2.1 Minimierung einer allgemeinen linearen Zielfunktion A.2.2 Maximierung der technischen Kapazitäten A.2.3 Minimierung der Überlastung (Komponenten größer als eins) A.2.4 Optimierung der Auslastung (alle Komponenten) Abkürzungsverzeichnis Symbolverzeichnis Index Literaturverzeichnis / Recent developments lead to increasingly complex production systems, especially in the case of series production with a great number of variants. As a result, considerable challenges exist in planning the technical capacity with strategic time horizon efficiently, transparently and flexibly. Since numerous interdependencies must be considered, it can be observed in practice that completeness and understandability of the models are mutually exclusive. To solve this conflict of objectives, a software-based workflow is proposed, which was implemented in the newly developed software AURELIE. The workflow relies on the graphical modeling of a planned system of value streams, the automated validation and transformation of the graphical model and the automated optimization of the resulting mathematical model. The starting point is a graphical model, which is not only understandable, but also reflects the system completely with respect to its complexity. From a research perspective, the essential contribution, besides a formal system description and the identification of the research gap, lies in the development of the required models and algorithms. The degree of novelty is given by the holistic solution approach, which is proven feasible by the software AURELIE. From a practical perspective, efficiency, transparency and flexibility in the planning process are significantly increased. This is confirmed by the worldwide implementation of the software AURELIE at the locations of Bosch Rexroth AG.:Vorwort Referat Abbildungsverzeichnis Tabellenverzeichnis Algorithmenverzeichnis 1 Einführung 1.1 Ausgangssituation: Potenziale in der Planung 1.2 Problembeschreibung und Einordnung der Dissertation 1.3 Lösungsansatz: softwaregestützter Workflow 1.4 Forschungsfragen und Aufbau der Arbeit 2 Lösungsvorbereitung: Systemanalyse 2.1 Kontext: strategische Planung technischer Kapazität in der Serienfertigung 2.2 Systemstruktur: rekursive Zusammensetzung von Wertströmen 2.2.1 Prozessschritte, Stückzahlverteilung und Verknüpfungstypen 2.2.2 Prozesse und Wertströme 2.3 Systemschnittstelle: Funktionen der Eingaben und Ausgaben 2.3.1 Materialfluss: Bereitstellung von Komponenten für Produkte 2.3.2 Informationsfluss: Planung der Produktion 2.4 Grundlagen der Kalkulation: einfacher Fall eines Prozessschritts 2.4.1 Taktzeiten, Nutzungsgrad und Betriebsmittelzeit 2.4.2 Kapazität, Auslastung und Investitionen 2.5 Erweiterung der Kalkulation: allgemeiner Fall verknüpfter Prozessschritte 2.5.1 Sequenzielle Verknüpfung Beispiel SQ1 Beispiel SQ2 Beispiel SQ3 2.5.2 Alternative Verknüpfung Beispiel AL1 Beispiel AL2 Beispiel AL3 2.5.3 Selektive Verknüpfung Beispiel SL1 Beispiel SL2 2.6 Anforderungen in Bezug auf die Modellierung und die Optimierung 2.6.1 Kategorisierung möglicher Anforderungen 2.6.2 Formulierung der essenziellen Anforderungen 3 Stand der Technik 3.1 Auswahl zu evaluierender Softwaretypen 3.2 Software zur Erstellung von Tabellenkalkulationen 3.2.1 Beispiel: Microsoft Excel 3.2.2 Erfüllungsgrad der Anforderungen 3.3 Software zur Materialflusssimulation 3.3.1 Beispiel: Siemens Plant Simulation 3.3.2 Erfüllungsgrad der Anforderungen 3.4 Software für Supply Chain Management 3.4.1 Beispiel: SAP APO Supply Network Planning 3.4.2 Erfüllungsgrad der Anforderungen 3.5 Software zur Prozessmodellierung 3.5.1 Beispiel: BPMN mit idealem Interpreter und Optimierer 3.5.2 Erfüllungsgrad der Anforderungen 3.6 Fazit: Bedarf nach einer neuen Entwicklung 4 Lösungsschritt I: grafische Modellierung und Modelltransformation 4.1 Kurzeinführung: Graphentheorie und Komplexität 4.1.1 Graphentheorie 4.1.2 Komplexität von Algorithmen 4.2 Modellierung eines Systems durch Wertstromgraphen 4.2.1 Grafische Modellstruktur: Knoten und Kanten 4.2.2 Modellelemente: Quellen, Senken, Ressourcen und Flusspunkte 4.3 Validierung eines grafischen Modells 4.3.1 Ziel, Grundidee und Datenstrukturen 4.3.2 Beschreibung der Algorithmen 4.3.3 Beweis der Zeitkomplexität 4.4 Transformation eines grafischen Modells in ein mathematisches Modell 4.4.1 Mathematische Modellstruktur: Matrizen und Folgen 4.4.2 Ziel, Grundidee und Datenstrukturen 4.4.3 Beschreibung der Algorithmen 4.4.4 Beweis der Zeitkomplexität 4.5 Umsetzung in der Software AURELIE 4.5.1 Funktionsübersicht und Benutzerführung 4.5.2 Erfüllungsgrad der Anforderungen 4.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 5 Lösungsschritt II: mathematische Optimierung 5.1 Kurzeinführung: lineare Optimierung und Korrektheit 5.1.1 Lineare Optimierung 5.1.2 Korrektheit von Algorithmen 5.2 Maximierung der Kapazitäten 5.2.1 Ziel, Grundidee und Datenstrukturen 5.2.2 Beschreibung des Algorithmus 5.2.3 Beweis der Korrektheit und Zeitkomplexität 5.3 Minimierung der Investitionen 5.3.1 Ziel, Grundidee und Datenstrukturen 5.3.2 Beschreibung des Algorithmus 5.3.3 Beweis der Korrektheit und Zeitkomplexität 5.4 Optimierung der Auslastung 5.4.1 Ziel, Grundidee und Datenstrukturen 5.4.2 Beschreibung des Algorithmus 5.4.3 Beweis der Korrektheit und Zeitkomplexität 5.5 Umsetzung in der Software AURELIE 5.5.1 Funktionsübersicht und Benutzerführung 5.5.2 Erfüllungsgrad der Anforderungen 5.5.3 Wesentliche Erweiterungen 5.5.4 Validierung der Optimierungsergebnisse 5.6 Fazit: Erreichen des vorgegebenen Entwicklungsziels 6 Schluss 6.1 Zusammenfassung der Ergebnisse 6.2 Implikationen für Forschung und planerische Praxis 6.3 Ausblick: mögliche Weiterentwicklungen A Technische Dokumentation A.1 Algorithmen, Teil I: grafische Modellierung und Modelltransformation A.1.1 Nichtrekursive Breitensuche von Knoten in einem Graphen A.1.2 Rekursive Breitensuche von Knoten in einem Graphen A.1.3 Nichtrekursive Tiefensuche von Knoten in einem Graphen A.1.4 Rekursive Tiefensuche von Knoten in einem Graphen A.1.5 Traversierung der Kanten eines grafischen Modells A.1.6 Validierung eines grafischen Modells A.1.7 Traversierung der Knoten eines grafischen Modells A.1.8 Transformation eines grafischen Modells A.2 Algorithmen, Teil II: mathematische Optimierung A.2.1 Minimierung einer allgemeinen linearen Zielfunktion A.2.2 Maximierung der technischen Kapazitäten A.2.3 Minimierung der Überlastung (Komponenten größer als eins) A.2.4 Optimierung der Auslastung (alle Komponenten) Abkürzungsverzeichnis Symbolverzeichnis Index Literaturverzeichnis

In the present work a simulation model for examining the fundamental dynamic behaviour of a servo driven powertrain is developed. This powertrain consists of a permanent magnet synchronous motor, a cycloidal gearbox and a torque motor to apply a load. On basis of this model the selection of components for the design of a test rig is possible. This leads to the constructive draft of the test rig. In order to model the system, the fundamentals give a brief overview of the components incorporated in the test rig system. With ais of the specified task the simulation purpose is defined and the modelling process enabled. The subsequent system analysis is performed intensively to decompose the system into subsystems, which are then investigated to find the optimal modelling approach for the given simulation task. Particular emphasis is put on the investigation of the cycloidal gearbox subsystem and it shows, that approaches for modelling the dynamic behaviour of the gearbox as a whole have only been published partially. Therefore, the available modelling approaches are analysed and suitable models are developed as conceptual models. Those will be formalised and implemented in Matlab/Simulink. The model is verified and simulation experiments are performed, that help in the selection of suitable test rig components. On basis of a flexible test rig, finally the constructive draft is presented.

In the present work a simulation model for examining the fundamental dynamic behaviour of a servo driven powertrain is developed. This powertrain consists of a permanent magnet synchronous motor, a cycloidal gearbox and a torque motor to apply a load. On basis of this model the selection of components for the design of a test rig is possible. This leads to the constructive draft of the test rig. In order to model the system, the fundamentals give a brief overview of the components incorporated in the test rig system. With ais of the specified task the simulation purpose is defined and the modelling process enabled. The subsequent system analysis is performed intensively to decompose the system into subsystems, which are then investigated to find the optimal modelling approach for the given simulation task. Particular emphasis is put on the investigation of the cycloidal gearbox subsystem and it shows, that approaches for modelling the dynamic behaviour of the gearbox as a whole have only been published partially. Therefore, the available modelling approaches are analysed and suitable models are developed as conceptual models. Those will be formalised and implemented in Matlab/Simulink. The model is verified and simulation experiments are performed, that help in the selection of suitable test rig components. On basis of a flexible test rig, finally the constructive draft is presented.:1 Introduction 1.1 Motivation 1.2 Procedure 2 Fundamentals 2.1 Definitions 2.2 Modelling 2.3 Servo Drive 2.3.1 Introduction 2.3.2 Permanent Magnet Synchronous Motor 2.3.3 Servo Inverter 2.3.4 Control System 2.4 Torque Motor 2.5 Gearbox 3 Specified Task 4 System Analysis 4.1 Introduction 4.2 Servo Inverter 4.3 Control System 4.4 Servo Motor 4.5 Transmission Elements 4.6 Cycloidal Gearbox 5 Model Formalisation 5.1 Introduction 5.2 Servo Inverter 5.3 Control System 5.4 Servo Motor 5.5 Transmission Elements 5.6 Cycloidal Gearbox 6 Model Implementation 6.1 Introduction 6.2 Servo Inverter 6.3 Control System 6.4 Servo Motor 6.5 Transmission Elements 6.6 Cycloidal Gearbox 7 Simulation 7.1 Introduction 7.2 Solver 7.3 Verification 7.4 System Evaluation 7.4.1 Sensitivity Analysis 7.4.2 Stability Analysis 8 Design of the Test Rig 8.1 Selection of the components 8.2 Constructive Draft 9 Summary and Outlook