Fertigungssteuerung mit MES
Auf der Suche nach den höchsten Gipfeln
DIE ALPEN erstrecken sich mit einer Gesamtlänge von rund 1.200 Kilometer und einer Gesamtfläche von mehr als 200.000 km² über acht Länder. Macht man sich ohne Landkarte und Kompass – also praktisch blind – auf die Suche nach dem höchsten Gipfel, dem Mont Blanc, so erscheint diese Aufgabe als nahezu unlösbar. Diese Analogie erscheint auf den ersten Blick weit hergeholt, doch wird sich der Zusammenhang mit der Feinplanung im weiteren Verlauf erschließen.
Die klassische Fertigungsfeinplanung ist von einer hohen Komplexität geprägt. Bereits bei 30 Arbeitsgängen entstehen mehr Möglichkeiten der Anordnung, als es Wassermoleküle auf der Erde gibt. Hinzu kommen unzählige Randbedingungen und weitere Abhängigkeiten von Faktoren wie wechselnden Arbeitsgangdauern, variierenden Rüstzeiten und schwankenden Ressourcenverfügbarkeiten. Digitale Plantafeln liefern hierbei solide Grundlagen für Planer in Industriebetrieben. Wozu wird dann noch die Unterstützung einer KI benötigt, wenn bestehende Planungstools eine gute Performance bieten und man auch auf das Wissen des Fertigungsplaners setzen kann? Die Antwort darauf ist vielschichtig.
Am Anfang steht das Lernen
Der Mes-lösungsanbieter Industrie Informatik hat sich dieser Frage gestellt und in einem Forschungsprojekt nach den „Planungsalgorithmen der nächsten Generation“gesucht. Bernhard Falkner, CTO des Softwarehauses und hauptverantwortlich für das Forschungsprojekt, erklärt: „Es war und ist unser Bestreben, bestimmte Entscheidungsstrukturen von Menschen mittels KI nachzubilden, um diese dann in der Fertigungsfeinplanung anzuwenden. Vereinfacht gesagt geht es – wie so oft – um die Extraktion von Wissen aus Daten.“
Die Basis für eine Ki-anwendung ist Wissen, oder besser gesagt, künstlich generiertes Wissen, das aus realen Abläufen und Erfahrungen in der Produktionsplanung stammt. Beim maschinellen Lernen werden Planungsaktionen und deren Ergebnisse berechnet und anschließend im Optimizer bewertet. Diese Bewertungen erfolgen anhand komplexer Algorithmen, welche verschiedenste Zielfunktionen als Grundlage nutzen.
Feinplaner können dabei auf ein breites Spektrum von Zielfunktionen wie Kostenreduktion, Verkürzung der Auftragsdurchlaufzeit, Optimierung der Rüstdauer und -kosten oder Minimierung von Auftragsverzug zurückgreifen. „Industriebetriebe verfolgen in der Regel mehr als nur ein Optimierungsziel. Diese müssen mittels gewichteter Zielfunktionen aufeinander abstimmbar und parallel verfolgbar sein. Nur dann kann eine Ki-lösung den komplexen Anforderungen einer Smart Factory gerecht werden“, so Falkner.
Erkennen von nicht-optimalen und kritischen Situationen
Mit einer initialen Planungssituation und der definierten Zielfunktionen als Basis kann sich der Optimizer nun an die Arbeit machen. Das bedeutet, dass nicht-optimale und kritische Situationen im Prozess automatisch erkannt und analysiert werden. Genau an dieser Stelle werden mit sogenannten Nachbarschaftsoperatoren Verbesserungen durchgeführt und auf deren Basis ein neues Planungsbild berechnet.
Hier steigen wir wieder in unser Bergsteiger-beispiel ein: Ist es das Ziel, eine Eiswand zu erklimmen, bietet sich eine Reihe von Ausrüstungsgegenständen (Nachbarschaftsoperatoren) für diese Aufgabe an. Je nachdem, ob wir uns für Wanderschuhe, Seil, Eispickel und/oder
Steigeisen entscheiden, werden wir unser Ziel erreichen – oder auch nicht. Und auch die Geschwindigkeit des Aufstiegs variiert mit dem gewählten Equipment. Dabei kommt es auf die richtige Ausrüstung zum richtigen Zeitpunkt an: so gefährlich und unzureichend Wanderschuhe am Eis sind, so bewährt ist ihr Einsatz auf der Almwiese.
Künstliche Intelligenz in der Feinplanungspraxis
Zurück in die Fertigungswelt: Verbessert sich nun das Ergebnis mit dem eingesetzten Nachbarschaftsoperator, so wird dieser positiv bewertet und kommt bei künftigen Simulationen mit höherer Wahrscheinlichkeit wieder zum Einsatz. Das gleiche Prinzip gilt auch in die andere Richtung. Verbessert sich eine Situation
durch die Anpassungen nicht, so wird dieser Nachbarschaftsoperator seltener genutzt. Bernhard Falkner sieht darin die Möglichkeit einer fast perfekten Fertigungsfeinplanung: „Je länger man den Optimizer laufen lässt, desto mehr Planungsszenarien durchläuft er und desto höher ist die Wahrscheinlichkeit eines optimalen Planungsergebnisses.“
Wie setzt man KI und im speziellen Fall den Optimizer in der Praxis ein? Die neuen Technologien sollten keineswegs als Ersatz für Planungspersonal angesehen werden, sondern den Mitarbeitern die Arbeit erleichtern und dabei die Effizienz signifikant erhöhen! Vielmehr initiiert man mit dem Tool einen Hintergrundprozess, der parallel zur laufenden Produktion seine Arbeit aufnimmt, Szenario für Szenario anhand neuester wissenschaftlicher Algorithmen durchspielt und mittels Zielfunktionen bewertet.
Als User hat man die Möglichkeit, jederzeit den aktuellen Stand der Planung und die Bewertung der Zielfunktion einzusehen und zu entscheiden, ab wann man diese in den Echtbetrieb übernimmt. Je mehr Zeit man dem Optimizer gibt, desto näher kommt man dem „perfekten“Planungsergebnis. „Die Anwendungsmöglichkeiten sind vielschichtig. So kann man beispielsweise auch verschiedene Zielfunktionen in parallel laufenden Simulationen verfolgen und so weitere Vergleiche aufstellen“, so Falkner zu den positiven Effekten.
Nutzenpotenzial heben oder den höchsten Gipfel finden
Ein wesentlicher Erfolgsfaktor ist die globale Lösungssuche des Optimizer-tools. Er beschränkt sich nicht auf ein lokales Optimum, sondern bezieht Lösungswege mit ein, die ein menschlicher Planer
Das Ziel und der Nutzen der künstlichen Intelligenz ist es, die Fertigungsfeinplanung technologisch gestützt selbstlernend agieren zu lassen.“
DIPL.-ING. BERNHARD FALKNER, CTO BEI DER INDUSTRIE INFORMATIK GMBH.
von Hand nicht erfassen könnte. Zurück in den Alpen bedeutet das, dass wir auf unserer Suche nach dem höchsten Gipfel womöglich auf dem 3.798 Meter hohen Großglockner stehen und glauben, unser Ziel erreicht zu haben. In Wahrheit gibt es allerdings noch immer viele höher gelegene Gipfel. Es besteht also nach wie vor Luft nach oben.
Bernhard Falkner kommt zu folgendem Fazit: „Das Ziel und der Nutzen der künstlichen Intelligenz ist es, die Fertigungsfeinplanung technologisch gestützt, wie einen intelligenten Planer, selbstlernend agieren zu lassen. Wir beschäftigen uns seit knapp 30 Jahren mit der Fertigungsfeinplanung und sehen darin eine echte Revolution in der Produktionsplanung, die es uns ermöglichen wird, auch die höchsten Berge zu finden und zu erklimmen.“
Markus Maier ist Teamleader Corporate Marketing bei der Industrie Informatik Gmbh.