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:

Siemens stellt das Vorstandsteam des Unternehmens zum Oktober neu auf. U.a. verabschiedet sich Digital Industries-CEO Klaus Helmrich in den Ruhestand.‣ weiterlesen

In der aktuellen Wirtschaftskrise rücken die industriellen Lieferketten in den Fokus. Dabei arbeiten die Unternehmen seit Jahren daran, mit Soft- und Hardware Transparenz und Effizienz in der Supply Chain herzustellen. Maximilian Brandl erläutert als neuer CEO des SCM-Spezialisten Salt Solutions, was das SAP Hana-Portfolio dabei leisten kann.‣ weiterlesen

Die durch Handelsstreitigkeiten und politische Verwerfungen geschwächte Weltkonjunktur wurde durch die Covid-19-Pandemie zusätzlich getroffen. Das zeigt sich auch am deutlichen Orderminus im Maschinen- und Anlagenbau.‣ weiterlesen

Die Ansätze für industrielle Instandhaltung sind mal mehr und mal weniger geeignet. Das Ziel dabei: Instandhaltungs- und Produktionspläne möglichst in Einklang zu bringen. Da kommt Adaptive Maintenance Scheduling ins Spiel.‣ weiterlesen

Aimtec hat die neue Produktgeneration Sappy4x4 auf den Markt gebracht hat. Sie ist auf SAP S/4Hana vorbereitet, soll aber weiterhin an die Anforderungen spezifischer Prozesse in Automobil- (SappyCar) oder Fertigungsunternehmen (SappyManufacturing) anpassbar bleiben.‣ weiterlesen

ERP-Projekte müssen keine Ewigkeit dauern. In nur sechs Wochen implementierte Sven Mahn IT ein Dynamics 365 von Microsoft als Minimum Viable Product bei der jungen Sanivac GmbH. Das ging nur, weil die Teams beider Firmen eng und mit agiler Methodik kooperierten.‣ weiterlesen

Mit Alexander Kläger hat SAP Deutschland seit dem 1. August einen neuen Geschäftsführer. Der 49-Jährige ist seit 2012 für den Software-Konzern tätig.‣ weiterlesen

Der Werkzeughersteller Perschmann hat die Lösung Smartblick zur Erfassung von Maschinen-Leistungsdaten auf den Markt gebracht.‣ weiterlesen

In der Associazione Liutaria Italiana haben sich Geigenbauer, Wissenschaftler und Musiker zusammengeschlossen, um historische Instrumente zu erhalten und um moderne Nachfolger zu entwickeln. Mit Siemens-Software untersuchen die Experten die Klangqualität antiker Streichinstrumente und geben Herstellern Tipps zur Verbesserung ihrer Produktion.‣ weiterlesen

Zum 30. Juni nächsten Jahres wird Finanzvorstand Harald Fuchs das Softwareunternehmen PSI verlassen.‣ weiterlesen

Der Technologieanbieter Abbyy hat kürzlich NeoML vorgestellt, eine Open-Source-Bibliothek für die Erstellung, das Trainieren und die Bereitstellung von Machine-Learning-Modellen.‣ weiterlesen

Anzeige
Anzeige
Anzeige