Sustainable Production Planning and Control Based on Reinforcement Learning Technologies (SUPPORT)

Produktionsplanung, Produktionssteuerung, Reinforcement Learning, Maschinelles Lernen, Künstliche Intelligenz, Digitaler Zwilling

Hochschule Bielefeld

Fachbereich Ingenieurwissenschaften und Mathematik
Interaktion 1
33619 Bielefeld

Projektbeteiligung

Fraunhofer IOSB-INA
ISRINGHAUSEN GmbH & Co. KG
Miele & Cie. KG

Laufzeit
01.04.2022 – 31.03.2025

Projektförderung

MWIDE.NRW: it's OWL Innovationsprojekte                               

Kurzbeschreibung

Deutschland ist eine der führenden Industrienationen der Welt. Gleichwohl stehen produzierende Unternehmen in Deutschland vor immer wachsenden Herausforderungen. Dazu gehören bspw. kürzere Produktlebenszyklen bei zunehmender Produktindividualisierung, Nachfrage nach kürzeren Lieferzeiten, was zu einem kürzeren Planungshorizont führt, Arbeitskräftemangel und demografischer Wandel, sowie die Reduktion der Kapitalbindung und damit der Lagerbestände. Produzierende Unternehmen sind daher sehr bestrebt, die Effizienz in ihren Produktionsprozessen möglichst umfangreich auszunutzen. Heutige Systeme der Produktionsplanung und -steuerung (PPS) sind kaum noch in der Lage, die genannten Herausforderung in Gänze zu bewältigen. Gerade durch manuelle Tätigkeiten innerhalb der Fertigungsabläufe steigt die Komplexität des Planungsproblems. Die alleinige Steigerung der Produktivität ist dabei nicht langfristig zielführend, sondern physische und psychische Belastungen der Mitarbeiter*innen müssen in die Planung und die Fertigungsabläufe mit einfließen. Dies erfordert die Berücksichtigung von humanzentrierten Parametern in der Produktionsplanung, um die Leistungs- und Einsatzfähigkeit des hochqualifizierten Personals dauerhaft abzusichern. Entsprechend groß ist der Einfluss der PPS auf die wirtschaftlichen, betrieblichen und sozialen Kenngrößen eines Unternehmens. Zur Bewältigung von Problemen mit hohen Komplexitäten haben sich Verfahren der Künstlichen Intelligenz (KI) bewährt.

Das Ziel des Vorhabens ist es, komplexe Produktionsplanungen zu vereinfachen und KI-basierte Verfahren zur Planungsoptimierung bei Anwenderunternehmen einzusetzen. Dazu werden aus Prozessdaten automatisch Simulationsmodelle erstellt, die dann als Trainingsumgebung für Verfahren aus dem Reinforcement Learning genutzt werden. Bei der Optimierung von Produktionsplänen sollen nicht nur betrieblich-wirtschaftliche Faktoren verwendet, sondern explizit auch humanzentrierte Ziele verfolgt werden, sodass die Belegschaft physisch wie psychisch entlastet wird. Die Anwendung soll durch eine nutzerfreundliche Toolbox erleichtert werden, sodass Mitarbeiter an der Entwicklung und dem Einsatz einer KI-Lösung beteiligt werden können.

Das CfADS bringt Erfahrung im Bereich der Modellierung, Simulation und Optimierung von Produktionsprozessen mit ein. Die IoT Factory und das Smart Service Lab können als Test- und Entwicklungsumgebungen genutzt werden. Für das Training komplexer KI-Verfahren steht das Data-Analytics Cluster als Rechenumgebung zur Verfügung. Somit leistet das CfADS einen Beitrag zur nachhaltigen Produktionsplanung und baut seine Expertise im Bereich der humanzentrierten Optimierung von Produktionsprozessen aus.