ProsKI - Resiliente Produktionsplanung und -steuerung durch den Einsatz von künstlicher Intelligenz

Zusammenfassung

  • Projektstart: 01.01.2022
  • Projektende: 31.12.2024
  • Laufzeit: 3 Jahre
  • Projektträger: Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie

Ziel des Projekts ProsKI ist die Entwicklung eines KI-Modul für das Störmanagement. Dieses Assistenzsystem unterstützt bei der Entscheidungsfindung im Fehlerfall und bei der Prognose zukünftiger Störfälle, um das Wissen in der Produktionsprogrammplanung zu nutzen.

 

 

Projektbeschreibung

Im Projekt ProsKI wird ein Assistenzsystem für die Produktionsplanung und -steuerung (PPS) im Fehler- oder Störfall entwickelt. Mit Hilfe von künstlicher Intelligenz (KI) zielt das Vorhaben darauf ab, diesen Prozess analytisch sowohl auf Steuerungs- als auch Planungsebene zu unterstützen und somit die in der Produktion generierten Prozessdaten nachhaltig zu nutzen. Die Daten bieten die Möglichkeit, detailliertes und umfangreiches Prozesswissen aufzubauen und befähigen die Erstellung eines digitalen Zwillings für eine Überwachung der Produktion. Allerdings werden diese Potentiale heutzutage nicht vollumfänglich genutzt. Störungen führen u.a. zu einer bedeutenden Unterschreitung der geforderten Maschinenauslastung. Bisher werden beispielsweise Anlagenausfälle, Wartungsintervalle und prognostizierte Störungen für zukünftige Planungsvorgänge manuell durch Produktionsplaner eingebracht und beruhen auf deren Erfahrungswissen. Die komplexen Steuerungsvorgänge und das Ableiten von Handlungsempfehlungen für laufende und zukünftige Produktionsprozesse stellen einen sehr zeitintensiven Prozess dar. Teil dieser manuellen Schritte sind u.a. Umplanungen im Fehler- oder Störfall sowie die Identifikation und Auswahl einer geeigneten Strategie zur Behebung dieses Zustands. Erkenntnisse der beteiligten Anwender zeigen die hohe Komplexität des Störmanagements.

 

Die im Projekt entwickelte Lösung soll mittels KI dem Planer beim Finden einer geeigneten Lösungsstrategie im Störfall assistieren. Dadurch wird der Aufwand für die Identifikation von Störungen reduziert und die Agilität erhöht. Die analytisch gestützte Entscheidungsfindung resultiert in einer kürzeren Reaktionszeit und somit robusteren Produktionssteuerung. Durch Analyse von Produktionsdaten mittels maschinellen Lernverfahren (ML) wird auch eine Prognose über zukünftige Störfälle abgeleitet werden. Diese Vorhersagen werden dann in die Produktionsprogrammplanung eingebunden, um Stabilität und Flexibilität hinsichtlich erwarteter Störungen zu schaffen.

 

Ein weiteres Ziel des Verbundvorhabens ist es, die Entscheidungen bzw. abgeleiteten Rahmenbedingungen bezüglich Umplanungen durch Verwendung einfach interpretierbarer Modelle für die Mitarbeiter transparent und in geeigneter Detaillierungstiefe bereitzustellen. Dies ist notwendig, da aufgrund der unzureichenden Informationstiefe von PPS-Systemen bei Mitarbeitern nach wie vor eine mangelnde Akzeptanz gegenüber automatisierten Lösungen im PPS-Bereich besteht und in vielen Industrieunternehmen eine manuelle Übersteuerung des Produktionsprogramms infolge der bestehenden Skepsis erfolgt.

 

Am Lehrstuhl für Produktionsinformatik werden nach der Analyse von PPS-Systemen bezüglich Störmanagement Methoden für die Einbindung der generierten KI-Methoden in bestehende IT-Systemarchitekturen und die Anbindung an PPS-Systeme entwickelt. Zusätzlich wird die Nutzung der Daten aus dem KI-Modul für die Planung des Produktionsprogramms untersucht und implementiert. Der Lehrstuhl PI übernimmt außerdem die Projektkoordination und die dazugehörigen verwaltungstechnischen Aufgaben während der Projektlaufzeit.

 

Ansprechpartner

Wissenschaftlicher Mitarbeiter
Lehrstuhl für Produktionsinformatik

Homepage:

E-Mail:

Wissenschaftlicher Mitarbeiter
Lehrstuhl für Produktionsinformatik

Homepage:

E-Mail:

Suche