Dynamischer Materialtransport in der Produktion

Motivation:

Für die wirtschaftliche Produktion von Gütern müssen Unternehmen im Zwiespalt zwischen kurzen Produktionszeiten, hoher Auslastung und kleinen Lagerbeständen sowie hoher Liefertreue agieren. Die Berechnung der optimale Reihenfolge von Aufträgen in einer Produktion ist somit eine hoch komplexe Aufgabe. Weiterhin machen die Auswahl der besten Sequenz vor einer Maschine, die Wahl der richtigen Route für ein Produkt und die optimale Belegung der Transportfahrzeuge das Problem zusätzlich kompliziert.

Ziel:

Ziel dieses Projektes ist es, Methoden und Optimierungsansätze aus der dynamischen Reihenfolgeplanung auf neu entstehende Szenarien der Industrie 4.0 zu erweitern und zu übertragen. Dazu gehören insbesondere die autonom fahrenden Transportsysteme, die zu einem entkoppelten und automatisierten Materialfluss führen.

Ansatz:

Es werden neue Heuristiken entwickelt, die zu verbesserten Abläufen führen und so die Erreichung der Zielkriterien, wie bspw. Termintreue und Durchlaufzeiten, steigern. Im ersten Schritt werden Prioritätsregeln für die Reihenfolge, die Fahrzeugzuweisung und die Wahl der Routen verwendet. Eine gute Kombination aus verschiedenen Regeln kann hier schon eine deutliche Reduktion der durchschnittlichen Verspätung erzeugen. Im zweiten Schritt werden die Interaktionseffekte zwischen den Teilnehmern im Produktionssystem aufgezeigt und in eine neue heuristische Lösung integriert. Mit Hilfe von maschinellem Lernen werden aus durchgeführten Parameterstudien neue Zusammenhänge zwischen den einzelnen Teilnehmern des Produktionssystems abgeleitet und zur dynamischen Anpassung der Regeln verwendet.

Dissertationsprojekt:

Optimierung von dezentralen Ansätzen zur Belegung fahrerloser Transportsysteme

Team

  • Prof. Dr.-Ing. Jens Heger
  • Thomas Voß, M.Sc.