Motivation
Der Maschinenbau ist der größte industrielle Arbeitgeber Deutschlands und einer der bedeutendsten industriellen Wirtschaftszweige. Die herstellungsseitigen Produktkosten entstehen durch die Fertigungsprozesse und die dazu notwendige Prozessplanung. Während die Optimierung der eigentlichen Fertigungsprozesse bereits zu Einsparungen der Fertigungskosten geführt hat, wurden die Kosten der vorgelagerten Arbeitsplanung bisher nur unzureichend betrachtet. Die Arbeitsplanung bildet den Übergang zwischen Entwicklung und Fertigung eines Produkts und legt alle für die Herstellung notwendigen Schritte und deren Abfolge fest. Besonders bei kleinen Serien, wie sie in einer Vielzahl von Betrieben hergestellt werden, kann eine Beschleunigung der Arbeitsplanung zu wesentlichen wirtschaftlichen Vorteilen führen.
Ziele und Vorgehen
Das Ziel des Vorhabens „VorPlanML“ ist es, die Arbeitsplanung zu erleichtern, indem Schritte der Vorgangsfolge durch tiefe maschinelle Lernalgorithmen auf Basis früherer Fertigungsdaten vorhergesagt werden. Dazu sollen Daten von vorhandenen Arbeitsplänen und zugehörigen Produktinformationen mithilfe von Domänenwissen aufbereitet werden. Basierend darauf sollen Lernmodelle entwickelt werden, die das darin vorhandene implizite Expertenwissen erfassen. Anschließend soll zur praxisorientierten Anwendung ein Softwaredemonstrator realisiert und validiert werden.
Innovationen und Perspektiven
Das Verbundvorhaben ermöglicht damit, die wissenschaftliche Arbeit im aktuellen Themenfeld des tiefen maschinellen Lernens mit der Lösung eines schwierigen, datengetriebenen Anwendungsproblems in der Auftragsfertigung zu verknüpfen. Die Erkenntnisse des Vorhabens bieten ein hohes Marktpotenzial, da der Arbeitsplanungsaufwand in weiten Teilen der Industrie als zu hoch angesehen wird. Denn eine Teilautomatisierung der Vorgangsfolgeermittlung wird durch bestehende Lösungen am Markt noch nicht ermöglicht. So sind auch bestehende regelbasierte Ansätze bei steigender Prozessqualität limitiert. Durch die Implementierung eines offenen Softwaredemonstrators können die Ergebnisse im Anschluss sowohl von den Projektpartnern als auch von weiteren Unternehmen und Forschungseinrichtungen genutzt und weiterentwickelt werden. Die dabei zu entwickelnde Methodik und das angestrebte Vorgehensmodell sind vor allem auf die Anwendungen bei KMU ausgelegt und leisten damit einen Beitrag zur Nutzung Künstlicher Intelligenz in KMU.