Die DUALIS GmbH IT Solution (www.dualis-it.de) und der Lehrstuhl für Softwaretechnologie der TU Dresden haben das Forschungsprojekt „GUIDES“ (Generalized Support and Investigation Design for Nested Systems) auf den Weg gebracht. Ziel ist es, die Produktionsplanung, die aktuell vor allem im Zuge der Industrie 4.0 vor großen Herausforderungen steht, zu optimieren. Dazu fließen unter anderem aktuelle Erkenntnisse aus den Forschungsbereichen Machine Learning und Big Data Analysis in das Feinplanungstool GANTTPLAN von DUALIS ein. Erwartete Ergebnisse sind höhere Ergebnisqualität, kürzere Rechenzeiten – insbesondere bei komplexen Planungsaufgaben – und gesteigerte Transparenz im Planungsprozess.
Die Industrie 4.0 stellt die Produktionsplanung und die damit verbundenen Werkzeuge wie APS (Advanced Planning and Scheduling) vor völlig neue Aufgabenstellungen. Hierzu zählen wachsende Problemgrößen (mehr Vorgänge, erhöhte Ressourcen, längere Zeiträume etc.), steigende Komplexität (Integration mehrerer Produktionsstätten, Just-in-Time, Product Customization etc.) und wachsende Granularität (sekundengenaue Planung, Planung kleinteiliger Produktionselemente etc.). Hinzu kommen steigende Kundenanforderungen hinsichtlich Reaktionszeiten, Flexibilität, Transparenz, Compliance und vieles mehr.
Die Anforderungen an die Produktionsplanung wachsen demnach in alle Richtungen und Dimensionen – gleichzeitig bleibt sie ein kombinatorisches Optimierungsproblem und konventionelle Planungsheuristiken stoßen an ihre Grenzen.
Planungspotenziale für die Industrie 4.0 ausschöpfen
Im Rahmen des Forschungsprojektes „GUIDES“ wenden DUALIS und die TU Dresden aktuelle Erkenntnisse aus den Forschungsbereichen Machine Learning und Big Data Analysis an. Sie analysieren ein Planungsproblem zudem vorab mit Techniken aus der KI in Bezug auf ein globales Optimum. Diese Erkenntnisse werden an die bestehende Planungsheuristik von GANTTPLAN – das von DUALIS entwickelte Feinplanungstool – weitergegeben und die eigentliche Planung wird erstellt und verfeinert. Die Zwischenspeicherung von Analyseergebnissen soll es außerdem ermöglichen, auf Änderungen reagieren zu können. GANTTPLAN ist damit künftig in der Lage, äußerst komplexe Planungsaufgaben zu bewältigen und gleichzeitig bessere Ergebnisse bei kürzerer Rechenzeit zu erzielen.
Mit Blick auf die Industrie 4.0 ergibt sich somit ein Paradebeispiel für Big2Smart Data. In der Praxis bedeutet dies: ein großes Datenmodell mit allen komplexen und heterogenen Stamm- und Bewegungsdaten (Big Data) mündet in der Produktionsplanung (Smart Data). Aus Sicht der Forschung wird somit demonstriert, auf welche Weise Methoden der automatisierten Datenanalyse und des maschinellen Lernens auch industrienah einsetzbar sind. Weitere Anwendungsbereiche sind: Verkehrssteuerung, Energiedistribution, Börsenvorhersagen, meterologische Anwendungen, Medizin, Diagnose, Informatik und Internetdienste sowie Forschung aller Art.
„Versteht man unter Industrie 4.0 die Integration aller erhobenen (Sensor-)Daten aus Produktionsanlagen und die damit verbundenen Optimierungspotenziale, dann können die modernen Methoden der Datenanalyse und des maschinellen Lernens (KI) dazu beitragen, diese auszuschöpfen. Insofern ist eine Synthese aus den aktuellen Erkenntnissen der Forschung auf diesen Gebieten und der industriellen Erfahrung auf der anderen Seite ein notwendiger Schritt, um Industrie 4.0 überhaupt zu ermöglichen“, erklärt Karsten Wendt von der TU Dresden.
Die Industrie 4.0 stellt die Produktionsplanung und die damit verbundenen Werkzeuge wie APS (Advanced Planning and Scheduling) vor völlig neue Aufgabenstellungen. Hierzu zählen wachsende Problemgrößen (mehr Vorgänge, erhöhte Ressourcen, längere Zeiträume etc.), steigende Komplexität (Integration mehrerer Produktionsstätten, Just-in-Time, Product Customization etc.) und wachsende Granularität (sekundengenaue Planung, Planung kleinteiliger Produktionselemente etc.). Hinzu kommen steigende Kundenanforderungen hinsichtlich Reaktionszeiten, Flexibilität, Transparenz, Compliance und vieles mehr.
Die Anforderungen an die Produktionsplanung wachsen demnach in alle Richtungen und Dimensionen – gleichzeitig bleibt sie ein kombinatorisches Optimierungsproblem und konventionelle Planungsheuristiken stoßen an ihre Grenzen.
Planungspotenziale für die Industrie 4.0 ausschöpfen
Im Rahmen des Forschungsprojektes „GUIDES“ wenden DUALIS und die TU Dresden aktuelle Erkenntnisse aus den Forschungsbereichen Machine Learning und Big Data Analysis an. Sie analysieren ein Planungsproblem zudem vorab mit Techniken aus der KI in Bezug auf ein globales Optimum. Diese Erkenntnisse werden an die bestehende Planungsheuristik von GANTTPLAN – das von DUALIS entwickelte Feinplanungstool – weitergegeben und die eigentliche Planung wird erstellt und verfeinert. Die Zwischenspeicherung von Analyseergebnissen soll es außerdem ermöglichen, auf Änderungen reagieren zu können. GANTTPLAN ist damit künftig in der Lage, äußerst komplexe Planungsaufgaben zu bewältigen und gleichzeitig bessere Ergebnisse bei kürzerer Rechenzeit zu erzielen.
Mit Blick auf die Industrie 4.0 ergibt sich somit ein Paradebeispiel für Big2Smart Data. In der Praxis bedeutet dies: ein großes Datenmodell mit allen komplexen und heterogenen Stamm- und Bewegungsdaten (Big Data) mündet in der Produktionsplanung (Smart Data). Aus Sicht der Forschung wird somit demonstriert, auf welche Weise Methoden der automatisierten Datenanalyse und des maschinellen Lernens auch industrienah einsetzbar sind. Weitere Anwendungsbereiche sind: Verkehrssteuerung, Energiedistribution, Börsenvorhersagen, meterologische Anwendungen, Medizin, Diagnose, Informatik und Internetdienste sowie Forschung aller Art.
„Versteht man unter Industrie 4.0 die Integration aller erhobenen (Sensor-)Daten aus Produktionsanlagen und die damit verbundenen Optimierungspotenziale, dann können die modernen Methoden der Datenanalyse und des maschinellen Lernens (KI) dazu beitragen, diese auszuschöpfen. Insofern ist eine Synthese aus den aktuellen Erkenntnissen der Forschung auf diesen Gebieten und der industriellen Erfahrung auf der anderen Seite ein notwendiger Schritt, um Industrie 4.0 überhaupt zu ermöglichen“, erklärt Karsten Wendt von der TU Dresden.
