Fraunhofer Austria
Fragestellung
Das Industrial Internet of Things sowie Big Data stellen Megatrends in der Digitalisierung dar und bieten die Chance, die Produktionsplanung zu revolutionieren. Smarte Daten in Echtzeit können genutzt werden um die Reihenfolgeplanung in der Produktion mit innovativen Methoden wie Machine Learning beziehungsweise Deep Neural Networks zu verbessern. So lässt sich ein optimales Ergebnis erzielen, das sich zum Beispiel durch kürzere Durchlaufzeiten in der Produktion auszeichnet. Doch welche Methode ist die beste?
Unser Beitrag
Im Forschungsprojekt „Reihenfolgeplanung durch Reinforcement Learning“ haben wir eine spezielle Form des Machine Learning – das sogenannte Reinforcement Learning – angewendet, um eine dynamische Produktionsplanung zu ermöglichen. Dabei erhält das intelligente Element der Produktionsumgebung – der Agent – eine Bestärkung, wenn sich durch die von ihm gewählte Strategie der gewünschte Parameter verbessert. Auf dieser Basis entwickelt der Agent seine Strategie weiter, um die erhaltenen Belohnung zu maximieren.
Im Projekt konnten unsere Forscher zeigen, dass Reinforcement Learning im Vergleich zu anderen gängigen Optimierungsmethoden in jeder der untersuchten Situationen die besten Ergebnisse erzielt. Im nächsten Schritt wollen wir nun unsere Ergebnisse in der Praxis zum Einsatz bringen sowie unter realen Bedingungen weitere Strategien testen. Eine Möglichkeit wäre zum Beispiel, zusätzlich zur Durchlaufzeit auch andere Parameter wie die Produktqualität zu verbessern, oder auch die Instandhaltungsstrategie zu optimieren.
Ihr Nutzen
Bei einem Forschungsprojekt mit uns erhält Ihr Unternehmen einen sogenannten Digital Twin – also ein Simulationsmodell – seiner gesamten Produktionsabläufe sowie auf künstlicher Intelligenz basierende Lösungskomponenten.
Unsere Expertinnen und Experten verfügen über die Methodenkompetenz im Bereich Deep Reinforcement Learning sowie zur Umsetzung einer agentenbasierten Simulation. So werden in Ihrer Produktionsumgebung die nötigen Daten erfasst und die Reihenfolgeplanung auf wissenschaftlicher Basis optimiert, was zu kürzeren Bearbeitungszeiten und besserer Auslastung der Maschinen führt. So ergeben sich für Ihr Unternehmen zudem reduzierte Kosten, bessere Termintreue, sowie verringerte Lagerbestände.