Fabriklayouts mithilfe von Maschinellem Lernen effizient und vorausschauend planen

Was wäre, wenn Betriebe per Knopfdruck Fabriklayouts so planen könnten, dass Material- und Energieflüsse sowie Umgebungsfaktoren optimal berücksichtigt sind? Forscher der Technischen Universität Kaiserslautern (TUK) entwickeln ein KI-gestütztes Werkzeug, das Produktionsplanenden genau dabei helfen soll. Auf der Hannover Messe stellen sie vom 30. Mai bis 3. Juni am Forschungsstand des Landes Rheinland-Pfalz (Halle 2, Stand B46) ihren „Reinforcement Learning Algorithmus“ vor, der Fabriklayouts anlegen und hinsichtlich multipler Faktoren optimieren kann. Diese Lösung ist nicht zuletzt für kleine und mittlere Unternehmen (KMU) interessant, die Produkte in Einzel- und Kleinserien herstellen.

Der Einsatz des Algorithmus, der Methoden des Maschinellen Lernens nutzt, macht sich vor allem dann bezahlt, wenn neue Produktionshallen in Planung sind oder Fertigungsstraßen häufig umgestellt werden. Da die Layoutplanung in Fabriken ungemein vielfältig ist, kann sich das KI-Werkzeug in diverse Anwendungsfälle hineindenken und bezieht dabei multiple Faktoren wie Produktionskosten, räumliche Platzverhältnisse, größtmögliche Flexibilität oder auch Bodentragfähigkeiten ein.



Wie gelingt das? „Der Algorithmus lernt dazu, indem er x-mal verschiedenste Konstellationen per Simulation durchspielt und anhand von vorgegebenen Faktoren evaluiert“, erklärt Matthias Klar, wissenschaftlicher Mitarbeiter am Lehrstuhl für Fertigungstechnik und Betriebsorganisation der TUK. „So erweitert die Software das Wissen von Produktionsplanenden. Erst recht, wenn es sich um neue Fertigungsprozesse handelt, zu denen noch keine Erfahrungswerte vorliegen.“ Weiterer Vorteil des Algorithmus: Er kann auch dynamische Aspekte im Materialfluss berücksichtigen. Klar gibt ein Beispiel: „In der Regel positionieren Betriebe produktionsseitig stark miteinander verknüpfte Maschinen direkt nebeneinander in der Fertigungsstraße. Wenn es durch die Positionierung jedoch zu Stau im Materialfluss kommt, erschwert dies den laufenden Herstellungsprozess. Derartige Zeit- und Kostenfaktoren kann ich mithilfe der KI-gestützten Software, die vorausschauend plant, bereits zu Beginn des Planungsprozesses durch die Nutzung einer integrierten Materialflusssimulation ausschließen.“

Um den Algorithmus als intelligenten Planungspartner einsetzen zu können, braucht es weder immense Rechenkapazitäten noch fortgeschrittene IT-Kenntnisse. „Planungsprozesse für Fertigungsstraßen dauern in der Regel mehrere Monate“, so Klar, der im Rahmen seiner Promotion mit vielen Betrieben gesprochen hat. „Wenn die Software zum Planen des bestmöglichen Layouts einen Tag bis maximal eine Woche braucht, liegt das absolut im Rahmen und erfordert keine zusätzlichen Investitionen in die unternehmenseigene IT. Auch die Bedienung wird denkbar einfach sein. Wir entwickeln im Projekt einen Demonstrator, der Anwender Schritt für Schritt durch den Planungsprozess führt.“ Daher passt sich das KI-gestützte Werkzeug auch den Gegebenheiten von KMUs an.

Bei der Hannover Messe können sich interessierte Unternehmen anhand einer Animation vorführen lassen, wie der Algorithmus Maschinen sequentiell platziert und dabei die vorgegebenen Kenngrößen erreicht.

Das Projekt wird gefördert von Deutschen Forschungsgemeinschaft (DFG) im Rahmen des Internationalen Graduiertenkolleg IRTG2057 „Physical Modeling for Virtual Manufacturing Systems and Processes“.

Matthias klar (links) und sein Kollege Patrick Rüdiger-Flore diskutieren das Lernverhalten des Algorithmus. Foto: TUK/Koziel

Quelle Text/Bild:
TU Kaiserslautern
Hochschulkommunikation
Gottlieb-Daimler-Straße 47
67663 Kaiserslautern

www.uni-kl.de

Kaiserslautern, 12.05.2022