Künstliche Intelligenz

Die Entwicklung neuer Produkte wird zunehmend von verteilten Organisationen kooperativ in einer dynamischen Projektumwelt durchgeführt. Um ein Entwicklungsprojekt erfolgreich betreiben zu können, ist die koordinierende Funktion des Projektcontrollings von entscheidender Wichtigkeit. Jeder Teilnehmer des Entwicklungsnetzwerks verfügt über individuelle Controllingsysteme, die seinen Informations- und Managementbedarf decken. Für ein projektübergreifendes Controlling ist die Herstellung von Interoperabilität zwischen den verteilten Systemen zur Steuerung der Wertschöpfungsprozesse Voraussetzung. Der Beitrag beschreibt einen projektumfassenden Controllingansatz, der mittels semantischer Modellierung zur Integration beiträgt.

Produzierende Unternehmen sind in turbulenten Aufgabenumfeldern mit permanenten, nicht vorhersehbaren Veränderungen konfrontiert, zu deren Bewältigung ihnen nur wenig Zeit zur Verfügung steht. Bereits heute prägen Umrüst- und Einstellvorgänge den Arbeitsalltag in der Montage. In diesem Umfeld kommt dem Menschen als Problemlöser und damit der Ressource Wissen und deren Management eine immer bedeutendere Funktion zu. Der folgende Beitrag zeigt Ansatzpunkte für ein Wissensmanagementsystem für die Montage.

Die Verbesserung, Nutzung und Verbreitung des Wissens der Mitarbeiter, mithin die Umsetzung des organisationalen Lernens, ist eine der bedeutendsten Maßnahmen zur nachhaltigen Sicherung der Marktposition. Forschungsschwerpunkt der vergangenen Jahre am Lehrstuhl für Produktionssysteme war hierbei die Abbildung von Planungsentscheidungen innerhalb der kurzfristigen Reihenfolgeplanung in ein künstliches neuronales Netz und die Generierung von Vorschlägen für zukünftige Planungssituationen. Dieser Beitrag beschreibt die Invertierung dieses Lernprozesses.

Kürzere Entwicklungszeiten sind die bestimmenden Faktoren für die Wettbewerbsfähigkeit von Unternehmen im produzierenden Gewerbe. Die notwendigen Ansätze zur Verbesserung industrieller Prozesse müssen sich an der Optimierung gesamter Produktlebenszyklen orientieren. Der daraus resultierende Management- und Organisationsansatz wird unter dem Begriff Product Lifecycle Management zusammengefasst. Die dafür notwendige Integration sämtlicher Daten entlang des Produktlebenszyklus kann nur mit semantischen Technologien erbracht werden. Darüber hinaus bringt der hier vorgestellte Ansatz auch genügend Intelligenz mit, um das Unternehmenswissen erfassen und den Mitarbeiter in seiner jeweiligen Arbeit entlasten zu können.

Wandlungsfähigkeit der modernen Unternehmen ist durch mehrere Faktoren ausgeprägt. Die flexible und dynamische Planung von Fertigungsprozessen ist einer von den wichtigen Faktoren. Die Systeme, die solche Prozessplanungen durchführen, sollen einerseits stabile, zuverlässige und vor allem schnelle Planerstellung gewährleisten, anderseits auf die Änderungen und Turbulenzen der Umwelt flexibel reagieren und sich entsprechend anpassen. Ein vielversprechender Ansatz für die Entwicklung der flexiblen und robusten Systeme ist die Multi-Agenten-Technologie. In dieser Arbeit werden Methoden und Mechanismen der agentenbasierten Prozessplanung dargestellt, die in einer turbulenten Produktionsumgebung angewendet werden können.

Schnelligkeit und Kostenreduktion sind im globalen Wettbewerb die Erfolgsfaktoren schlechthin. Dementsprechend setzen flexible Organisationsstrukturen eine IT-Infrastruktur voraus, die den schnellen und reibungslosen Informationsfluss zwischen allen Beteiligten ermöglicht. Die steigende Flut an Informationen erschwert jedoch den effizienten Zugriff auf relevante Informationen zunehmend. Hinzu kommt, dass diese Informationen auf unterschiedlichen Systemen und in verschiedenen Formaten abgespeichert sind. Den Weg heraus aus diesem Datendschungel weisen semantische Technologien, welche Informationen mit Bedeutung anreichern, strukturieren und integrieren.

Der Entwurf und die Implementierung wissensbasierter Steuerungssys-teme stellt in der Realität eine große Herausforderung dar. Gerade an diesem Anspruch, Realweltprobleme problemadäquat handhaben zu wollen, sehen sich viele Projekte dieser Art mit kaum lösbaren Fragestellungen konfrontiert. In diesem Beitrag werden hierzu ausgehend von der gemeinsamen Ausgangsbasis des Wissensmanagements und des Know-ledge Engineering diese Herausforderungen auf dem Weg der Akquisition und Formalisierung von Wissen skizziert und mit Agentensystemen die hierzu verfolgten Lösungsansätze zur Diskussion gestellt.

Die Bereitstellung von Informationen ist eine technische Grundvoraussetzung, um Wissen erfolgreich managen zu können. Bei großen und heterogenen Informationsbeständen, wie sie im Umfeld von Produktentwicklung und Fertigung vorliegen, werden die Grenzen herkömmlicher Retrievaltechnologien jedoch deutlich. Es ist daher sinnvoll, nicht nur den textuellen Inhalt einer Informationsquelle, sondern vielmehr auch die Struktur der miteinander vernetzten Informationsobjekte für die Suche einzusetzen. Ontologiebasierte Suche und Navigation ermöglichen es, auf einfache Art komplexe, zielgerichtete Anfragen zu stellen und gleichzeitig die Assoziationsfähigkeit des Anwenders zu nutzen.

Das von NuTech für industrielle Kunden eingesetzte Konzept der Adaptive Business Intelligence nutzt modernste Methoden der Informatik für die Wissensextraktion aus großen Datenmengen sowie die Optimierung der entsprechenden Produktions- bzw. Geschäftsprozesse. Mithilfe patentierter Verfahren ist es möglich, signifikante Prozessverbesserungen zu realisieren und dabei auch dynamische Prozessvariationen zu handhaben. Evolutionäre Algorithmen und insbesondere die so genannten Evolutionsstrategien spielen als außerordentlich leistungsfähige globale Optimierungsverfahren eine bedeutende Rolle in diesem Konzept. In diesem Beitrag werden die Grundlagen der Adaptive Business Intelligence sowie der Evolutionären Algorithmen dargestellt und anhand einiger Beispiele gezeigt, wie diese in der industriellen Praxis zum Einsatz kommen und zu bedeutenden Prozessverbesserungen führen.

Evolutionäre Algorithmen bilden eine Klasse direkter Suchmethoden, die immer dann verwendet werden können, wenn klassische Methoden der Optimierung aufgrund der komplexen Struktur des Lösungsraums nicht mehr greifen. Im Folgenden wird am Beispiel der Flächenrekonstruktion der praktische Einsatz dieser Technik vorgestellt. Die Flächenrekonstruktion befasst sich mit der Abbildung der Geometrie physischer Objekte in eine im Rechner effizient verarbeitbare CAD-Darstellung. Eine möglichst realitätsnahe CAD-Beschreibung wird hier mithilfe evolutionär optimierter Triangulationen, Non-Uniform Rational B-Splines (NURBS) und Constructive Solid Geometries (CSG) realisiert. Für die Optimierungen kommen die Evolutionsstrategie und das Genetische Programmieren zum Einsatz. Die Rekonstruktionen werden jeweils durch Fräsen in die technische Realität abgebildet.