Anzeige
Anzeige
Anzeige
Anzeige
Beitrag drucken

Reinforced Learning in der Fertigungsplanung

Ablösung für die Heuristik

Ein wesentliches Ziel der Fertigungsplanung ist die optimale Auslastung der Produktion. Mit Algorithmen zum Reinforcement Learning lassen sich hervorragende Planungsergebnisse erzielen.

 (Bild: ©ipopba/stock.adobe.com)

(Bild: ©ipopba/stock.adobe.com)

Muss ein Fertigungsplaner 500 Arbeitsgänge einplanen, stehen ihm 101000 mögliche Reihenfolgen für die Arbeitsgänge zur Verfügung. Das sind mehr, als es Atome im Universum gibt. Weitere Faktoren, welche die Produktion beeinflussen, sind beispielsweise Werkzeuge, Material und Personal. Diese Restriktionen müssen für eine optimale Auslastung ebenfalls berücksichtigt werden.

Heutige Fertigungsplanung

Bereits heute bieten Manufacturing-Execution-Systeme (MES) Funktionen zur automatischen Planung von Fertigungsaufträgen an. Auf Basis von Heuristiken kann eine automatische Zuweisung von Aufträgen und deren Arbeitsgängen auf die Arbeitsplätze und Maschinen erfolgen. Heuristiken haben das Ziel, mit begrenztem Wissen und wenig Zeit ein praktikables Ergebnis zu erzielen. Aufgrund der in der Vergangenheit verfügbaren Rechnerleistungen war die heuristische Planung lange Zeit die beste mathematische Herangehensweise, die für die automatische Planung einsetzbar war. Die Heuristik setzt dabei im Wesentlichen auf eine Schritt-für-Schritt-Planung. Demnach wird ein Arbeitsgang nach dem anderen bestmöglich gemäß feststehender Vorgaben eingeplant. Hierbei wird nur bedingt berücksichtigt, welche Arbeitsgänge noch einzuplanen sind und wie sich die Planungsaktion des aktuellen Arbeitsgangs auf zukünftige Arbeitsgänge auswirkt. Auch werden bereits getroffene Planungsentscheidungen nur unter bestimmten Bedingungen hinterfragt oder rückgängig gemacht. Das resultierende Planungsergebnis kennzeichnet sich oftmals durch hohe Rüstaufwände, lange Durchlaufzeiten und daraus resultierend Terminverzüge.

Fertigungsplanung mit KI

In der heutigen Zeit sind jedoch deutlich leistungsfähigere Rechner verfügbar als früher, mit denen signifikant größere Datenmengen verarbeitet und immer bessere Algorithmen entwickelt werden können. Mit der Weiterentwicklung der Technik kann nun ein entscheidender Schritt in Richtung optimale Fertigungsplanung gemacht werden. Durch die Integration von KI ins MES kann eine Automatisierung von intelligentem Verhalten umgesetzt werden. Reinforcement Learning ermöglicht eine intelligente und ganzheitliche Planung der Fertigung. Im Gegensatz zum schrittweisen Vorgehen der Heuristik, werden nun zahlreiche Entscheidungsmöglichkeiten geprüft, bevor eine endgültige Planungsentscheidung getroffen wird. Reinforcement Learning, was als verstärkendes Lernen übersetzt werden kann, bewertet die getroffenen Entscheidungen, hinterfragt diese und lernt daraus. Der Algorithmus lernt somit mit jeder Entscheidung Neues über die vorhandenen Daten und kann bei jeder durchzuführenden Planungsentscheidung bessere Entscheidungen treffen. Hierbei werden nicht alle Planungsentscheidungsmöglichkeiten geprüft, sondern aktiv nur diejenigen, die gute Ergebnisse liefern werden. Daraus resultiert eine weitsichtige Entscheidungsfindung unter Berücksichtigung von noch durchzuführenden Planungsaktionen.


Das könnte Sie auch interessieren:

Teubert Maschinenbau entwickelt, konstruiert und baut Maschinen zur Verarbeitung von Partikelschäumen und faserverstärkten Thermoplasten. Seit 2017 setzt Teubert auf das ERP-System AMS.ERP. Die Lösung ist auf die besonderen Ansprüche der Losgröße 1+ zugeschnitten und sorgt für transparente Prozesse.‣ weiterlesen

Eine als Netzwerktreiber getarnte Schadesoftware ermöglicht Hackern die Manipulation des Datenverkehrs. Dabei trägt die Schadsoftware ein gültiges Microsoft-Zertifikat.‣ weiterlesen

PTC hat die achte Version der CAD-Software Creo vorgestellt. Zu den Neuerungen zählen Updates in Bereichen wie Bohrungen, Kabel- und Rohrnetzen, Blechbearbeitung und Rendering.‣ weiterlesen

Lange war die Unternehmensgruppe Corestruc auf papierbasierte Verwaltungsprozesse angewiesen. Aufgaben wie das Controlling waren sehr mühsam und Rechnungen wurden teils erst nach vier Wochen bearbeitet. Die Einführung eines Dokumentenmanagementsystems (DMS) konnte viele dieser Abläufe deutlich beschleunigen.‣ weiterlesen

Produzierende Unternehmen könnten künftig die Analyse-Funktionen ihrer Fertigungssoftware etwa dazu nutzen, Ausschuss und Arbeitsplatzstörungen vorherzusagen, um dies mit den passenden Gegenmaßnahmen zu verhindern. Ein solches KI-getriebenes Predictive-Analytics-System wird gerade in einem praxisnahen Forschungsprojekt weiterentwickelt.‣ weiterlesen

Ein Forschungsteam vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA hat ein Monitoringsystem für den niederschwelligen Einstieg in die digitale Produktion entwickelt. Damit können alten Bestandsmaschinen Daten entlockt werden. IT-Fachkenntnisse und Prozesswissen sind dafür nicht nötig.‣ weiterlesen

Jan-Dirk Henrich wird ab September als CFO und COO zum Führungsteam des Datenbank-Spezialisten Exasol gehören. Er tritt die Nachfolge von Michael Konrad an.‣ weiterlesen

Der MES-Hersteller GFOS mbH hat seine ergänzende App grundlegend überarbeitet, um Unternehmen besser bei den aktuellen Herausforderungen in Bezug auf Mobilität und Flexibilität zu unterstützen.‣ weiterlesen

Mehr als 3.700 SAP-Anwenderunternehmen vertritt die DSAG. Viele davon haben ihre Produktionsprozesse bereits digitalisiert. Doch es gibt nach wie vor Hürden - seitens der Anwender und SAP. Welche dies sind und wie sie sich überwinden lassen, beschreibt Michael Moser, Fachvorstand Produktion und Supply Chain Management bei die DSAG.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige