LineFlow - Optimierte Liniendynamik mit Künstlicher Intelligenz

Projektbeschreibung

Effiziente Fertigungslinien sind das Rückgrat weiter Teile der fertigenden Industrie in Deutschland. Das Identifizieren und Beseitigen von Engpässen und Störungen gehört dort dabei zum Produktionsalltag vieler Unternehmen. Moderne und hoch-flexible Linienverbünde erlauben die Produktion vieler unterschiedlicher Serien und gerade hier ist die Wahl der Einstellparameter für eine optimale Ausbringung aufgrund hochkomplexer Liniendynamiken herausfordernd. Eine hohe Variantenvielfalt, sich dynamisch verlagernde Engpässe, unharmonische Koppelungseffekte zwischen Vor- und Endmontagen sowie starke statistische Schwankungen in den Prozesszeiten wirken sich dabei negativ auf die Ausbringung der Linien aus und erfordern ein stetiges und aktives Optimieren durch das Linienpersonal. Die große Anzahl an möglichen Einstellgrößen sowie die oft unklaren Auswirkungen einer Änderung verursachen einen hohen manuellen Aufwand.

Ziel dieses Vorhabens ist deshalb die Entwicklung eines Kl-basierten Optimierungsalgorithmus, der aus Echtzeitdaten die optimalen Einstellparameter eines komplexen Linienverbunds berechnet und aktiv ändert, um Staus und Engpässe zu vermeiden und die Ausbringung oder den Energiebedarf zu optimieren. Basierend auf den Erfahrungen unserer industriellen Kooperationspartner, der Robert Bosch GmbH und der DMG Mori AG, möchten wir zunächst realistische und repräsentative Linien-Simulationen erstellen und mit einem KI-Framework koppeln. Die Herausforderung, situativ optimale Maßnahmen abzuleiten, möchten wir über einen KI-Algorithmus des Bestärkenden Lernens (engl. Reinforcement Learning) lösen.