Effiziente Fabriken dank künstlicher Intelligenz

Bessere Lösungen für die Intra-Logistik

Optimierungsverfahren entwerfen verschiedene Fabriklayouts und bewerten die Varianten. Künstliche Intelligenz (KI) wird hier bisher kaum eingesetzt. Erste Forschungsergebnisse am Informatikinstitut OFFIS zeigen, dass KI-gestützte Algorithmen bei dieser Aufgabe helfen können. Überwachte KI-Verfahren benötigen große Datensätze, um effektiv lernen zu können. Dazu hat das Forschungsteam ein Verfahren entwickelt, mit dem beliebige Fabriken erzeugt und dann in einer ereignisorientieren Simulation bewertet werden.

Künstliche Fabriklayouts entwerfen

Dazu erzeugt ein Generator eine Fabrikkonfiguration, bestehend aus einer frei wählbaren Anzahl an Eingangslagern, Ausgangslagern und Maschinen. Diesen Fabrikeinheiten ordnet er typische Eigenschaften wie Ladezeiten, Herstellungszeiten, Losgrößen und Verfügbarkeiten zu. Ausgehend von der Konfiguration werden dann beliebig viele Anordnungen mit zufällig erzeugten Transportwegen erstellt. Für jedes so erzeugte Layout spielt nun eine Simulation virtuell den Produktionsablauf durch und ordnet der Konfiguration verschiedene Kennwerte zu. Die bewerteten Layouts werden zu einem sogenannten gelabelten Trainingsdatensatz zusammengeführt, der sich zum Training der KI-Lernmethode (MLP, CNN und weitere) einsetzen lässt.

Zuverlässige und schnelle Entscheidungen treffen

Ziel der Forschungsarbeit ist ein KI-Algorithmus, der gelernt hat, gute von schlechten Fabriklayouts zuverlässig und schnell zu unterscheiden. Dies hilft dabei, bereits existierende Optimierungsverfahren zu verbessern, die darauf angewiesen sind, möglichst viele Lösungsalternativen zu bewerten. Mit diesem Ansatz können bald bessere Lösungen in der Intra-Logistik gefunden werden.