Mit KI zur optimalen Produktionsplanung: ISRINGHAUSEN setzt auf eine intelligente Fabriksteuerung
Als Hersteller von Sitzsystemen steht ISRINGHAUSEN vor der Herausforderung eine hohe Variantenvielfalt auf einer Montagelinie abzubilden. Da die Fertigungsreihenfolge der Varianten einen hohen Einfluss auf die Produktivität und die Belastung der Werker:innen hat, ist die Optimierung der Reihenfolge von großer Bedeutung. Da es sich um ein komplexes Optimierungsproblem mit vielen Einflussgrößen handelt, kann dies nicht wirtschaftlich mit konventionellen Ansätzen gelöst werden. Potential bietet jedoch der Einsatz eines KI-Agenten, der, wenn er richtig trainiert ist, Lösungen zu unterschiedlichen Optimierungsgrößen erzeugt. Das it’s OWL Projekt ‚Sustainable and Human-centered Production Planning and Control Based on Reinforcement Learning Techniques (SUPPORT)‘ setzt an dieser Stelle an und thematisiert eine Produktionsplanung mit künstlicher Intelligenz. In Zusammenarbeit mit der Hochschule Bielefeld und dem Fraunhofer IOSB-INA entwickelt ISRINGHAUSEN einen KI-Agenten, der auf der Reinforcement Learning Technik basiert, und die Produktionsreihenfolge von Fahrzeugsitzen mit Hilfe verschiedener Daten festlegt.
Herausforderungen von Fertigungsreihenfolgen bei hoher Variantenvielfalt
Die Fahrzeughersteller bieten ihren Kunden einen großen Konfigurationsspielraum. Dies beinhaltet auch die Konfiguration der Sitze, sodass ISRINGHAUSEN auf den Produktionslinien eine große Variantenanzahl herstellen muss.
Die variantenbildenden Optionen wirken sich dabei zum Teil unterschiedlich auf die Fertigungszeiten aus. Die optimale Produktionsreihenfolge hängt im Wesentlichen von den arbeitsplatzspezifischen Fertigungszeiten ab, so dass ein Schwerpunkt auf der Varianz der Fertigungszeiten liegt.
In der Produktionslinie werden die einzelnen Arbeitsinhalte auf mehrere Arbeitsplätze aufgeteilt, wobei der Arbeitsinhalt je Station, abhängig von der zu fertigenden Sitzvariante, stark variiert. Zur Nivellierung der arbeitsplatzspezifischen Fertigungszeiten, ist nach jedem Arbeitsplatz ein Pufferbereich vorgesehen. So kann trotz unterschiedlicher Fertigungszeit je Arbeitsstation, eine Produktion im Continuous-Flow abgebildet werden.
Planung der Fertigungsreihenfolge mit KI-Agenten
Der KI-Agent wird mit Daten aus der bisherigen Produktion trainiert und lernt die Fertigungsreihenfolge unter Berücksichtigung verschiedener Optimierungsgrößen zu planen. Diese Optimierungsgrößen sind bspw. die Produktivität, die Linienauslastung und die Werkerbelastung.
Für die Planung der Produktionsreihenfolge werden die Fertigungsaufträge für unterschiedliche Sitze zu einem Batch gebündelt. Anschließend werden den Arbeitsstationen je Sitz die verschiedenen Fertigungszeiten zugeordnet. Auf Basis dieser Informationen wird die optimale Fertigungsreihenfolge anhand verschiedener vorgegebener Regeln bestimmt. Zukünftig soll der KI-Agent die Fabriksteuerung unterstützen.
Datengrundlagen für das Training des KI-Agenten
Im Rahmen des Projektes SUPPORT entwickelt ISRINGHAUSEN in Zusammenarbeit mit dem Fraunhofer IOSB-INA und der Hochschule Bielefeld einen KI-Agenten, der in der Lage ist, eine maximale Produktivität in einer Linienfertigung bei einer hohen Variantenvielfalt mit einer intelligenten Fertigungssteuerung zu gewährleisten. Gleichzeitig soll eine Entlastung der Mitarbeitenden stattfinden, indem komplexe Sitzvarianten in der Fertigungsreihenfolge entzerrt werden und die Arbeitsbelastung je Arbeitsplatz ausgeglichen ist.
Dabei werden unterschiedliche Einflussgrößen, wie die Komplexität der abgerufenen Varianten, der Liefertermin, die Materialverfügbarkeit, die Mitarbeiterqualifikation, der Wochentag und die entsprechende Tageszeit berücksichtigt und als Grundlage für den KI-Agenten genutzt.
Ein zentrales Datenmodell humanzentrierter Kenngrößen ist im Projekt SUPPORT bereits erarbeitet worden. Es vereint alle zur Verfügung stehenden Datenquellen und verfügt über eine Schnittstelle, um einen Live-Datenzugriff zu ermöglichen. Darauf aufbauend wird im nächsten Schritt der RL-Agent mit Daten trainiert.
