BMBF-Projekt zur Unterstützung der Arbeitsplanung bei kleinen und mittleren Unternehmen gestartet

Unterstützung der Vorgangsfolgeermittlung in der Arbeitsplanung durch maschinelles Lernen (VorPlanML)

Die Aufgabe der Arbeitsplanung ist die Planung der Herstellprozesse für jedes Produkt, um dessen wirtschaftliche und herstellungsgerechte Fertigung zu ermöglichen. Dies geschieht durch die Erstellung eines termin- und auftragsneutralen Arbeitsplans. Der Arbeitsplan bestimmt, ausgehend von der Produktbeschreibung, das zu verwendende Rohmaterial, die Abfolge der Vorgänge, die Fertigungsmittel sowie die Vorgabezeiten und die Lohngruppen. Damit bildet die Arbeitsplanung den Übergang zwischen Entwicklung und Fertigung eines Produktes und legt Zeit, Kosten sowie Qualität der Fertigung fest. Immer kürzer werdende Produktlebenszyklen und der Trend zu kundenindividuellen Produkten steigern den Aufwand der Arbeitsplanung im industriellen Umfeld besonders in kleinen Serien. Vor diesem Hintergrund bietet eine Unterstützung der Arbeitsplanung durch Software hohe Einsparpotentiale. Bislang werden diese Potenziale jedoch nicht vollständig ausgeschöpft. Entsprechende Software bietet zwar eine Unterstützung während der Arbeitsplanerstellung, in der Integration von implizitem Wissen aus bereits erstellten Arbeitsplänen in die Software besteht jedoch noch Verbesserungsbedarf. Die fehlende Abbildung des impliziten Wissens in der Software hat zur Folge, dass häufig manuelle Eingriffe in die Arbeitsplanung erforderlich sind. Dies gilt vor allem für die Ermittlung der Vorgangsfolge, für deren Festlegung häufig auf Erfahrungswissen von Fachkräften und weitere Hilfsmittel wie Unterlagen, Richtlinien sowie Arbeitspläne ähnlicher Produkte zurückgegriffen wird. Demnach führt eine Integration von implizit vorhandenem Wissen in eine Software zur Senkung der Häufigkeit manueller Eingriffe innerhalb der Ermittlung der Vorgangsfolge und dadurch zur Beschleunigung des Prozesses der Arbeitsplanung.


Das Ziel des Vorhabens ist das Vorhersagen von Schritten der Vorgangsfolge, indem implizites Wissen aus bestehenden Arbeitsplänen durch maschinelle Lernalgorithmen extrahiert und innerhalb eines Softwaredemonstrator nutzbar gemacht wird. Zur Erreichung dieses Ziels wird im ersten Schritt der Betrachtungsgegenstand und ein Konzept zur datengetriebenen und formalen Erfassung von Vorgangsfolgen definiert. Hierzu wird der Prozess der Vorgangsfolgeermittlung analysiert, beschrieben und ein Prozessmodell erstellt. Anschließend werden die zur Verfügung stehenden Datensätze aufbereitet, indem Menge, Struktur und Qualität der Daten beschrieben werden. Nach der Aufbereitung der Daten werden innerhalb eines dreistufigen Prozesses maschinelle Lernmodelle entwickelt, welche die Vorhersage valider Vorgangsfolgeschritte ermöglichen. Diese maschinellen Lernmodelle werden danach in einen Softwaredemonstrator integriert, welcher über ein User Interface die Nutzung der maschinellen Lernalgorithmen greifbar und für den Fertigungsmitarbeiter bedienbar macht. Dieser Softwaredemonstrator wird im Produktionsumfeld der Kooperationspartner integriert und validiert. Zur Validierung wird ein Testkonzept zur Bewertung der Praxistauglichkeit des Demonstrators aufgestellt und eine entsprechende Nutzerstudie durchgeführt


Die Bearbeitung des Projekts erfolgt innerhalb eines Konsortiums, welchem neben dem FBK auch die Unternehmen der up2parts GmbH und der KWS Kölle GmbH sowie die Arbeitsgruppe Maschinelles Lernen angehören. Des Weiteren gehören zu diesem Konsortium die assoziierten Partner der Lauscher Präzisionstechnik GmbH und der Wagner Maschinenbau GmbH.


Das Vorhaben (VorPlanML, FKZ: 01 IS 21 0 10) wird im Rahmen des Programms „Erforschung, Entwicklung und Nutzung von Methoden der Künstlichen Intelligenz in KMU“ vom Bundesministerium für Bildung und Forschung gefördert.

Kontakt
M. Sc. Marco Hussong
E-Mail: marco.hussong(at)mv.uni-kl.de
Telefon: 0631 205 – 4305