View
4
Download
0
Category
Preview:
Citation preview
Prinzipien für das Monitoring, die Planung, Regelung und Diagnose von fahrerlosen Transportsystemen
Principles for the monitoring, planning, control and diagnosis of autonomous guided vehicles
Dipl.-Ing. L. Seybold, MBA, RAFI GmbH & Co KG, Berg;Mgr.-Inz. J. Krokowicz, Hochschule Ravensburg-Weingarten; Prof. Dr. A. , University of Zielona Góra, Polen; Prof. Dr.-Ing. A. Paczynski, Hochschule Ravensburg-Weingarten; Prof. Dr.-Ing. R. Stetter, Hochschule Ravensburg-Weingarten
Kurzfassung
Fahrerlose Transportsysteme sind seid vielen Jahrzehnten in der produzierenden Industrie
und zunehmend auch in weiteren Bereichen wie Hafenanlagen und großen Kliniken
erfolgreich im Einsatz. Die Analyse des Marktes der weltweiten FTS-Inbetriebnahmen
europäischer Hersteller zeigt auf, dass die Entwicklung des Marktes erheblichen
Schwankungen unterliegt. Nach einem Anstieg bis zum Ende der achtziger Jahre nahm die
Anzahl der neu in Betrieb genommenen FTS-Anlagen nahezu stetig bis Mitte der neunziger
Jahre ab. Der seit diesem Zeitpunkt zu erkennende Anstieg der Inbetriebnahmen hält bis
heute an [1]. Dabei wurden die möglichen Einsatzgebiete und Funktionalitäten stets
weiterentwickelt. Trotzdem konnten die Versprechen unbeschränkter Flexibilität und
Ökonomie bisher nicht in vollem Umfang eingelöst werden. Untersuchungen zeigen, dass
eine Integration von Monitoring, Planung, Regelung und Diagnose das Potential für eine
deutlich verbesserte Flexibilität und Ökonomie biett [2]. Hierfür sind allerdings auf allen
Ebenen der IT-Realisierung kompatible Prinzipien erforderlich [3].
Ein auf solchen Prinzipien basierendes, hierarchisches Konzept für Monitoring, Planung,
Regelung und Diagnose wird in diesem Beitrag im Detail mit Anwendungsbeispielen
vorgestellt. Dabei wird insbesondere auf die Notwendigkeit abgehoben mit übergeordneten
Systemen zu kommunizieren (Enterprise Resource Planning (ERP) and Manufacturing
Execution Systems (MES)) sowie ein flexibles, modulares System mit Echtzeitfähigkeit zu
realisieren. Im Fokus steht die Fähigkeit bei der Kommunikation mit übergeordneten
Systemen die Datenmenge gezielt zu reduzieren, um ein effektives und effizientes Arbeiten
zu ermöglichen.
Wichtiges Kernelement zu Realisierung dieses Konzepts sowie allgemein für die Umsetzung
der fortgeschrittenen Regelung und Diagnose sowie für Prädiktion sind mathematische
Modelle; im Projekt wurden bereits punktuell detaillierte Modelle zur Beschreibung der
Abläufe im einzelnen Transportsystem entwickelt [4].
Abstract
Automated guided vehicles (AGV) are well-known since many years in producing industry
and are increasingly applied in areas like harbours or large hospitals. The analysis of the
world-wide market for these vehicles shows that the market size is changing rapidly. After an
increase of the size of the market in the eighties of the last century the number of new
installations has decreased until the mid nineties. Since then the number of installations is
increasing [1]. The possible areas of application and functionalities were continuously
developed. Still, the promises of unlimited flexibility and economy were not honoured to the
full extend. Investigations show that an integration of monitoring, planning, control and
diagnosis offer the potential for considerably improved flexibility and economy [2]. For this
purpose compatible principles are necessary on all levels of the IT-realisation [3].
In this paper a hierarchical concept for monitoring, planning, control and diagnosis, which is
based on these principles, is presented in detail with application examples. Special emphasis
is given to the necessity to communicate with superordinate systems (Enterprise Resource
Planning (ERP) and Manufacturing Execution Systems (MES) and to realise a flexible,
modular system with real-time capability. The focus is on the capability to reduce the amount
of data in a goal-directed manner when communicating with superordinate systems in order
to allow an effective and efficient application. Important core elements for the realisation of
this concept and in general for the realisation of advanced control and diagnosis as well as
prediction are mathematical models; in the described project first models for the description
of certain process steps were developed [4].
1. Einleitung
Arbeiten an der Hochschule Ravensburg in anderen Bereichen zeigten auf, dass für die
Erfüllung industrieller Anforderungen integrierte Konzepte für die Regelung und Diagnose
erforderlich sind [5]. Dabei bezeichnet der Begriff „Regelung“ allgemein Aktivitäten, welche
auf die Steuerung und Regulierung von Systemen zielen, und wurde in den letzten
Jahrzehnten eingehend untersucht. In den letzten drei Jahrzehnten haben basierend hierauf
die Methoden und Hilfsmittels der prädiktiven Regelung steigende Aufmerksamkeit gefunden
(vgl. [6], [7]). Prädiktive Regelung basiert typischerweise auf einem dynamischen Modell des
Prozesses; zum Einsatz kommen meist lineare, empirische Modelle, die mittels
Systemidentifikation gefunden wurden.
Unter dem Begriff „Planung“ versteht man die gedankliche, graphische oder textuelle
Vorwegnahme von zukünftigem Handeln, beispielsweise zum Zweck des Organisierens oder
des Abwägens von Vorgehensalternativen. Gerade in den betriebswirtschaftlichen Bereichen
und in der Unternehmensführung nimmt die Planung eine wichtige Rolle ein.
In den letzten drei Jahrzehnten haben stetig steigende Anforderungen in den Gebieten
Sicherheit, Zuverlässigkeit und Wartungsfreundlichkeit zu weitreichenden
Forschungsarbeiten im Bereich der Diagnose geführt (einen Überblick bieten Blanke et al.
[8], Isermann [9] und Witczak [10]; dabei zielt Diagnose in erster Linie auf die Entdeckung
und Identifizierung von Fehlern.
2. Monitoring
Der Begriff „Monitoring“ fasst all Arten systematischer Beobachtung, Überwachung und
Aufnahme von Aktivitäten und Prozessen zusammen. In führenden Industriezweigen
(Produktion von Computerchips, Automobilindustrie) werden die meisten Systeme schon
heute aus den Gründen Sicherheit, Effizienz und Planbarkeit einem intensiven Monitoring
unterzogen:
• Die Sicherheit eines Produktionssystems kann verbessert werden, da verlässliche
Sicherheitssysteme auf echtzeitfähigen Monitoring-Systemen basieren können und
da die Rolle von zufälligen Zusammentreffen bei einem kontinuierlichen Monitoring
verringert wird.
• Die Effizienz eines Produktionssystems kann verbessert werden, da jede Art von
Verschwendung aufgedeckt und damit verhindert oder zumindest verringert werden
kann.
• Die Planungsmöglichkeiten und Planungsqualität kann verbessert werden, wenn
exakte Daten eines echtzeitfähigen Monitoring-Systems vorliegen und basierend
hierauf realistische Prognosen erarbeitet werden können.
Zukünftige Methoden eines modellbasierten Monitoring sind im Moment u. A. in diesem
Projekt in Entwicklung und erlauben es bei mobilen Fahrzeugen aus Messwerten wie der
Stromaufnahme der Antriebsmotoren, das aktuelle Gewicht mit Beladung oder sogar die
ungefähre Lage des Massenschwerpunkts zu ermitteln.
3. Konzept für Monitoring, Planung, Regelung und Diagnose
Grundsätzliche Konzepte für Steuerungs- und Regelungssysteme für komplexe
Produktionsumgebungen mit fahrerlosen Transportsystemen wurden an der Hochschule
Ravensburg-Weingarten untersucht [4], [5]. Die Erfahrungen der letzten zwei Jahrzehnte
zeigen, dass rein zentral orientierte Systeme für Aufgaben dieses Komplexitätsgrads nicht
geeignet sind. Vielmehr sind hierarchisch gegliederte Systeme vonnöten, die den
gegenläufigen Anforderungen Datenmenge und Geschwindigkeit genüge tun. Bild 1 zeigt ein
Beispiel für ein solches hierarchisch gegliedertes System für Transportsysteme im
Stückgütertransport in der Produktion.
ERPMANAGEMENT
MESProduktion
MPRDSSystem für Monitoring,
Planung, Regelung und Diagnose
Transportsystem mit lokaler Intelligenz
Komponenten mit lokalerIntelligenz (z.B. Antriebsmodule)
Dat
enm
enge
Ges
chw
indi
gkei
t
>600s
<60s
<6s
<0,6s
~10ms
Bild 1: Hierarchisches, verteiltes Konzept
Aufbauend auf einem solchen vertikal unterteilten System sind auch funktionelle
Unterteilungen auf horizontaler Ebene sinnvoll und erforderlich. Erste Untersuchungen an
der Hochschule Ravensburg-Weingarten zeigen, dass eine Unterscheidung der
Schwerpunkte „Sensordaten“, „Ziele, Aufgaben und Befehle“, „Metadaten/Konfiguration“ und
„kinematisches und dynamisches Modell, Controller, Prozeduren, Regeln“ sich in diesem
Bereich anbietet (Bild 2).
Sensordaten
Aktuelle und vorherige Sensor-
Messwerte
Metadaten,Konfiguration
Transportsystem-einstellungen,
etc.
Ziele, Aufgaben,Befehle
Lokale und globaleVorgaben
Kinematisches, dynamischesModell,Controller,Prozeduren,Regeln
Bild 2: Unterscheidung der Schwerpunkte auf einer Ebene
Ein Beispiel für die unterste Ebene dieses horizontal und vertikal geordneten Systems zeigt
Bild 3 für eine intelligente Komponente eines Transportsystems, in diesem Beispiel ein
Antriebsmodul mit lokaler, dezentraler Intelligenz.
Ziele;Aufgaben;
Befehle
Konfigurations-informationen
kinematisches unddynamisches Modell
(vereinfacht, reduziert); PID-Controller
Prozeduren, Regeln
Sensor-messwerte
Antriebsmodul (Komponente) mit lokaler, dezentraler Intelligenz
Filterungund Auswahl
Zuordnung
Aktualisierungder Parameter
Austausch/Aktualisierung
Bild 3: Antriebsmodul für fahrerlose Transportsysteme mit dezentraler Intelligenz
Schon auf dieser Ebene sind nach dem vorgeschlagenen System alle vier Schwerpunkte
„Sensordaten“, „Ziele, Aufgaben und Befehle“, „Metadaten/Konfiguration“ und „kinematisches
und dynamisches Modell, Controller, Prozeduren, Regeln“ vorhanden. Jeder dieser
Schwerpunkte ist in irgendeiner Weise mit der nächst höheren Ebene, dem Transportsystem,
in Kontakt. Die Konfigurationsdaten (beispielsweise das aktuelle Gesamtgewicht des
Fahrzeugs) werden ständig ausgetauscht und aktualisiert, eine gefilterte Auswahl der
Sensormesswerte wird ans Transportsystem übertragen, die Parameter für die lokalen
Berechnungen und Regelungssysteme werden ständig aktualisiert und die Ziele, Aufgaben
und Befehle werden in vertikaler Richtung vom Transportsystem der Komponente
Antriebsmodul zugeordnet (Bild 3).
Auch auf der nächst höheren Ebene finden sich die vier Schwerpunkte „Sensordaten“, „Ziele,
Aufgaben und Befehle“, „Metadaten/Konfiguration“ und „kinematisches und dynamisches
Modell, Controller, Prozeduren, Regeln“, die Art der Kommunikation mit der nächst höheren
Ebene - dem System für Monitoring, Planung, Regelung und Diagnose MPRDS - gleicht von
der grundsätzlichen Struktur her der Kommunikation zwischen Transportsystem und
Komponente (Bild 4).
Transportsystem mit lokaler,dezentraler Intelligenz
Ziele;Aufgaben;
BefehleKonfigurations-informationen
kinematisches unddynamisches Modell
(vereinfacht); PID-Controller
Prozeduren, Regeln
Sensor-messwerte
Austausch/Aktualisierung
Filterungund Auswahl
Zuordnung
Aktualisierungder Parameter
MPRDS
Bild 4: fahrerloses Transportsystem mit unabhängigen Komponenten
Das besondere Element des vorgeschlagenen Konzepts findet sich auf der mittleren Ebene.
Vorausgehende Untersuchungen haben aufgezeigt, dass die Aspekte Regelung und
Diagnose sehr häufig und sehr tief betrachtet werden. Ganzheitliche Ansätze, die auch den
Schwerpunkt des Monitoring, d. h. des Sammelns aller Arten von Informationen für
übergeordnete Regelungsaufgeben, beispielsweise im ERP (Enterprise Resource Planning),
beinhalten, finden sich sehr selten. Im vorgeschlagenen Konzept wird diese mittlere Ebene
durch ein System für Monitoring, Planung, Regelung und Diagnose MPRDS dargestellt.
Dieses System übernimmt den Großteil der Koordination verschiedener Transportsysteme
und des Planes der Fahrwege (Trajektorien). Auch auf dieser Ebene sind alle vier
Schwerpunkte vertreten (Bild 5).
Das System für Monitoring, Planung, Regelung und Diagnose kommuniziert mit dem
Manufacturing Execution System. Wichtige Konfigurationsinformationen, beispielweise die
Zahl der betriebsbereiten Fahrzeuge werden ausgetauscht, da diese auch für die
übergeordnete Planung von Interesse sind. Die für die übergeordnete Ebene interessanten
Sensordaten werden auf dieser Ebene mit u. A. modellgestützten Verfahren verdichtet und
gefiltert und ebenfalls an das MES übertragen (Bild 5).
MPRDS – System für Monitoring, Planung, Regelung und Diagnose
MES - Manufacturing Execution System
MPRDS
Ziele;Aufgaben;
Befehle
Konfigurations-informationen
kinematisches unddynamisches Modell;Prozeduren, Regeln
Sensor-messwerte
(gespeichert)
Austausch/Aktualisierung Filterung
und Auswahl
Zuordnung
Bild 5: System für Monitoring, Planung, Regelung und Diagnose
4. Anwendungsszenarien
In diesem Abschnitt sind zur Verdeutlichung des grundlegenden Konzepts vereinfachte
Anwendungsszenarien beschrieben. Ein naheliegendes Anwendungsszenario betrifft die
Entdeckung eines Druckverlustes am jeweiligen Rad durch das Antriebsmodul (Bild 6).
Szenario: Antriebsmodul entdecktDruckverlust im Rad
Entdeckungsmechanismus• Überwachung von Strom und Drehzahl und
Vergleich mit SimulationsergebnissenSofortige Sicherheitsreaktion:• Entscheidung:
Nothalt/Sanftstop/weiterer Betrieb• Prädiktive Regelung: LenkwinkelInformation an Fahrzeug• Sicherheitsreaktion• Sensordaten
Bild 6: Anwendungsszenario: Ebene Antriebsmodul
Die lokale Intelligenz im Antriebsmodul berechnet kontinuierlich ein (vereinfachtes) Modell,
des Antriebsmotors und des Rades und kann mittels eines Vergleichs zwischen den
Ergebnissen dieser Berechung und den aktuellen Sensor-Messwerten einen Druckverlust
entdecken, welcher zu einem Anstieg des elektrischen Stroms bei unveränderter Belastung
und Drehzahl führt (größerer Rollwiderstand). Die erste Reaktion führt die lokale Intelligenz
im Antriebsmodul selbst durch. Beispielsweise mittels eines regelbasierten Systems wird
eine erste Entscheidung für die sofortige Reaktion getroffen: bei einem großen Druckverlust,
welcher den Reifen gefährdet, wird beispielweise das Fahrzeug sofort gestoppt. Darüber
hinaus kann der Lenkwinkel am jeweiligen Antriebsmodul in dieser Situation durch eine
prädiktive Regelung korrigiert werden, um den veränderten Gegebenheit Rechnung zu
tragen und die vorgegeben Trajektorie trotzdem einzuhalten. Das Antriebsmodul
kommuniziert dann mit der nächst höheren Ebene, um die notwendigen Aktivitäten auf der
Fahrzeugebene zu ermöglichen.
Ein weiteres Anwendungsszenario betrifft die zentrale Ebene der Pyramide (Bild 7).
Szenario: MPRDS erfährt von einem Hindernis
MPRDS
Sofortige Sicherheitsreaktion:• Entscheidung: Nothalt/Sanftstop/weiterer BetriebBerechung / Simulation / Prädiktion• Anpassung der Trajektorie prüfen (Makro)Information von weiteren Fahrzeugen anfragen• Plausibilitätscheck/SensorfusionInformation an Fahrzeug• Anpassung der Trajektorie (Makro)• Anpassung der Ziele / Aufgaben / BefehleInformation an MES• Erwartete Produktionsverringerung
Bild 7: Anwendungsszenario: Ebene MPRDS
Durch Sensoren auf Systemebene, beispielsweise einer Kamera oder einem Laser-Scanner
an der Hallendecke entdeckt das MPRDS ein nicht erwartetes Hindernis auf der Trajektorie
eines Fahrzeugs. Vor aufwendigen Rechenoperationen muss das MPRDS sofort eine
Entscheidung treffen: muss das Fahrzeug gestoppt werden oder kann eine Alternativ-
Trajektorie berechnet und umgesetzt werden? Im weiteren Ablauf können eine optimierte
Trajektorie für die Fahrzeuge im entsprechenden Fertigungssegment generiert,
Plausibilitätsprüfungen durchgeführt und angepasste Missionen berechnet werden. Die auf
dieser Basis prognostizierte Produktionsverringerung wird an das MES gemeldet.
5. Realisierungskonzept
Die Kommunikation auf den höheren, nicht zeitkritischen Ebenen der Pyramide wird teilweise
schon heute mittels OPC (OLE - Object Linking and Embedding - for process control)
realisiert [11]. OPC ist ein offener Kommunikationsstandard, der in der Industrieautomation
und bei Informationssystemen für Prozessmanagement und betriebswissenschaftlichen
Anwendungen eingesetzt wird. OPC ermöglicht die Benutzung einheitlicher
Zugangsmethoden und Datenbeschreibungen für technologische Prozesse. Auf den unteren
Ebenen des hierarchischen, verteilten Konzepts ist Echtzeitfähigkeit unverzichtbar aufgrund
der erforderlichen Reaktionszeiten beispielsweise in Gefahrensituationen. Ford et al. [12]
sehen zwei grundlegende Ansätze für hoch zuverlässige, echtzeitfähige Systeme – Real-
time CORBA und DDS. CORBA (Common Object Request Broker Architecture) ist ein
Standard der Object Management Group (OMG) welcher dazu dient Funktionalitäten über
ein System zu verteilen [13]. Der Standard Real-time CORBA der OMG beinhaltet unter
Anderem vorhersagbares Speichermanagement. DDS (Data Distribution Service) ist
ebenfalls ein Standard der OMG [14]. Dieser Ansatz basiert auf einer echtzeitfähigen,
datenzentrierten „Publish-Subscribe“-Systemarchitektur (vgl. [15] - Bild 8).
Herausgeber
Anwendung 1
Abonnent
Anwendung 2
Herausgeber
Anwendung 3
Abonnent
Anwendung 5
Herausgeber
Anwendung 4
Abonnent
THEMA 1 THEMA 2
Herausgeber
Anwendung 1
Abonnent
Anwendung 2
Herausgeber
Anwendung 3
Abonnent
Anwendung 5
Herausgeber
Anwendung 4
Abonnent
THEMA 1 THEMA 2THEMA 1 THEMA 2
Bild 8: „Publish-Subscribe“-Systemarchitektur [15]
Hierbei können Klienten eines Systems gewisse Informationsbereiche (beispielsweise eine
Temperaturinformation) abonnieren („subscribe“ - Abonnent). Diese Informationsbereiche
werden dann von anderen Klienten bereitgestellt bzw. veröffentlicht („publish“ -
Herausgeber). Besondere Vorteile dieses Ansatzes sind das modulare Design, die lose
Kopplung der Klienten, die offenen Schnittstellen und die Möglichkeit besondere
Leistungsanforderungen zu garantieren („Quality of Service“). Somit eignet sich der Ansatz
sehr gut für die Realisierung der MPRDS-Ebene und der Ebenen unter dieser Ebene. Bild 9
zeigt ein mögliches Konzept für die Realisierung der MPRDS-Ebene.
Datenbasis System Archiv
Missions-kernel
DDS
Optimierungs-kernel
Trajektorien-kernel
Prädiktions-kernel
Diagnose-kernel
OPCGateway
Bild 9: Realisierungsmöglichkeit der Ebene MPRDS mittels DDS
Das MPRDS realisiert mehrere unterschiedliche Funktionalitäten, welche unterschiedliche
Algorithmen und komplexe Funktionsbausteine (als sog. Kernel) erfordern, beispielsweise für
die Berechnung und Optimierung von Trajektorien mobiler Fahrzeuge. Zur Realisierung der
Funktionalitäten müssen in diesem System Daten verschiedener Qualität und Quantität in
Datenbanken gespeichert und bereit gestellt werden. Einen möglichen Ansatz zur
Verknüpfung bildet der Standard DDS.
Schon heute konnten mehre Implementierungen von DDS realisiert werden; DDS wird
beispielsweise durch das US-amerikanische Verteidigungsministerium als verbindlicher
Standard vorgegeben. Das Potential für die Realisierung kann damit als sehr hoch betrachtet
werden. Durch diesen Service können die unterschiedlichsten Anwendungen und
Datenbanken echtzeitfähig miteinander verbunden werden.
6. Zusammenfassung
Im vorliegenden Beitrag wurden Arbeiten zur Analyse, Adaption und Integration
fortgeschrittener Regelungs- und Diagnosesysteme für fahrerlose Transportsysteme
beschrieben. Für diesen Einsatzzweck wurde ein hierarchisches, verteiltes Konzept
vorgeschlagen und mit Anwendungsbeispielen beschrieben. Zur Realisierung dieser
abstrakten Prinzipien müssen eine Reihe an Anforderungen beachtet werden. Zunächst
muss ein zukünftiges System offene Schnittstellen zu den in allen Arten von
Produktionsstätten bereits existierenden IT-Strukturen aufweisen. Auf den höheren Ebenen
mit hohen Datendurchsätzen aber geringeren Anforderungen an die Geschwindigkeit
kristallisiert sich OPC (OLE - Object Linking and Embedding - for process control) als
möglicher Standard heraus. Die zentrale Ebene des entworfenen Konzeptes bildet ein
System für Monitoring, Planung, Regelung und Diagnose (MPRDS). In diesem System
vereinigen sich mehrer unterschiedliche Funktionalitäten, welche unterschiedliche
Algorithmen und komplexe Funktionsbausteine für verschiedene Aufgaben erfordern,
beispielsweise für die Berechnung und Optimierung von Trajektorien mobiler Fahrzeuge.
Darüber hinaus müssen in diesem System Daten verschiedener Qualität und Quantität (von
Konfigurationsinformation wie dem aktuellen Gewicht (mit Ladung) eines Fahrzeugs bis zu
Beschreibungen der aktuellen und geplanter Missionen des Fahrzeugs) gespeichert und
bereit gestellt werden. Schließlich ist schon in diesem Bereich aus Sicherheitsgründen
Echtzeitfähigkeit gefordert. Einen möglichen Ansatz zur Verknüpfung unterschiedlichster
Komponenten (Algorithmen und Funktionsbausteine als sog. „Kernel“; Datenbanken, Aktoren
und untergeordnete Systeme sowie eine Schnittstelle zu OPC) bildet der Standard DDS
(Data Distribution Service). Auf dieser Basis wurde ein erstes Realisierungskonzept
entworfen. Im Moment wird dieses Konzept prototypisch realisiert.
7. Literaturangaben
[1] Schulze, L.; Lucas, M.; Runge, J.: „Zukunftsprognosen für die FTS-Technik“. In:
Industrie-Forum – Online – Nr. 2809272, 2010.
[2] Seybold,
monitoring, planning, control and diagnosis system for autonomous vehicles.
Proceedings of the 8th Workshop on Advanced Control and Diagnosis, ACD’2010,
Ferrara, Italy.
[3] Seybold, L., Krokowicz, J., Stetter R., Paczynski, A.: Control of independent mobile
robots by means of advanced monitoring, diagnosis and prediction. Proceedings of the
8th Workshop on Advanced Control and Diagnosis, ACD’2010, Ferrara, Italy.
[4] Seybold, L., Krokowicz, J., Stetter R.: Advanced Control and Diagnosis for Mobile
Robots. In: Kluger, K.; Mache, E.; Pawliczek, R. (Eds.): Proceedings of the 6th
Conference on Mechatronic Systems and Materials, MSM’20010, 5. to 8. July 2009,
Opole, Poland (pp. 184 – 185).
[5] Kleinmann, S.; Koscielny, J.; Koller-Hodac, A.; Paczynski, A.; Stetter, R.: „Concept of
an advanced monitoring, control and diagnosis system for positive displacement
pumps“. Proceedings of SysTol 2010, Oktober 2010 in Nizza.
[6] Camacho, E., Bordons, C.: Model Predictive Control. Berlin: Springer, 2004.
[7] Wang, Y., Boyd, S.: Fast Model Predictive Control using Online Optimization. In:
Proceedings of the 17th World Congress. The International Federation of Automatic
Control. Seoul, Korea, July 6-11, 2008.
[8] Blanke, M., Kinnaert, M., Lunze, J., and Staroswiecki, M.: Diagnosis and Fault–
Tolerant Control. Berlin: Springer, 2006.
[9] Isermann, R.: Fault–Diagnosis Systems: An Introduction from Fault Detection to Fault
Tolerance. Berlin: Springer 2005.
[10] Witczak, M.: Modelling and Estimation Strategies for Fault Diagnosis of Non–Linear
Systems: From Analytical to Soft Computing Approaches. Lecture Notes in Control &
Information Sciences. Berlin: Springer 2007.
[11] Iwanitz, F., Lange, J.: OPC: Grundlagen, Implementierung und Anwendung.
Heidelberg: Hüthig, 2005.
[12] Ford, B.; Bull, P.; Grigg, A.; Guan, L.; Phillips, I.: Adaptive Architectures for Future
Highly Dependable, Real-Time Systems. 7th Annual Conference on Systems
Engineering Research 2009 (CSER 2009)
[13] Object Management Group, Inc.: CORBA Basics.
[14] Gerardo Pardo-Castellote. OMG data-distribution service: Architectural overview. In
ICDCSW '03: Proceedings of the 23rd International Conference on Distributed
Computing Systems, Washington, DC, USA, 2003. IEEE Computer Society.
[15] Ryll, M.; Ratchev, S.: Towards a publish/subscribe control architecture for precision
assembly with the Data Distribution Service. RTI-White-Paper – Zugriff 2011.
Recommended