Künstliche Intelligenz

Die Komplexität und Dynamik heutiger Produktionssysteme führt etablierte Ansätze zur Produktionsplanung und -steuerung zunehmend an ihre Grenzen. Ein möglicher Ansatz zur Lösung dieser Problematik ist die Kombination einer dezentralen Regelungsstruktur in der Fertigung mit innovativen Methoden aus dem Bereich der künstlichen Intelligenz. Bei der Entwicklung und Umsetzung dieser Methoden haben sich Werkzeuge aus dem Open Source Bereich bewährt. Sie sind frei verfügbar und können flexibel an vielfältige Problemstellungen angepasst werden. In diesem Beitrag wird ein Konzept zur dezentralen Regelung einer Werkstattfertigung vorgestellt. Als Regelungsinstrumente kommen künstliche neuronale Netze zum Einsatz, die mithilfe des Stuttgart Neural Network Simulator (SNNS) und des Java Neural Network Simulator (JNNS) erzeugt, trainiert und simuliert werden.

Die automatische Entladung von Massenstückgütern und deren automatisierte Überführung in die logistischen Systeme ist eine große technische Herausforderung. Bisherige Forschungsarbeiten sind in der Lage eine Lage- und Positionsbestimmung von kubischen Stückgütern durchzuführen und die Stückgüter mit einer angepassten Handhabung aus dem Ladungsträger zu entnehmen. Der Einsatz hat gezeigt, dass unterschiedliche Umgebungen, sich ändernde Stückgüter und deren Zustand die Weiterentwicklung zu einem anpassungsfähigen technischen System erfordern. Innerhalb des Beitrags stellen wir daher ein Konzept zur Lösung dieser Herausforderung vor, indem kognitive Methoden und Technologien in die Teilsysteme Objekterkennung, Robotersteuerung und Handhabung zu integrieren und zu einem Gesamtsystem zusammenzufügen.

Bei der Planung kreisförmig verketteter Fertigungslinien werden Künstliche Neuronale Netze (KNN) eingesetzt, um die Art des Förderengpasses (Transport- oder Arbeitssystem) der Fertigungslinien zu erlernen und zu prognostizieren. Dieser Beitrag stellt eine Methode zur Steigerung des Lern-erfolgs und der Leistungsfähigkeit der KNN vor. Mit Genetischen Algorithmen (GA) wird die Anzahl der Eingangsparameter reduziert.

Die Realisierung kognitiver technischer Systeme beinhaltet die Implementierung einer Wissensrepräsentationsebene im technischen System. Hierdurch lassen sich kognitive Funktionen und Prozeduren (Planen, Lernen etc.) verwenden. Insbesondere die Realisierung der über die Adaption hinausgehenden Fähigkeit zum Lernen stellt den Schlüssel für neuartige Anwendungen dar. In Anwendungsfeldern, wo die Führung komplexer Systeme systembedingt vollständig oder teilweise nicht durch menschliche Bediener erfolgen kann, versprechen diese Systeme eine neue Qualität der Automatisierung.

Aufgrund des zunehmend turbulenten Umfelds steigt die Bedeutung einer exakten und zuverlässigen Produktionsplanung und -steuerung. Viele der dafür notwendigen Entscheidungen finden auf Shop-Floor-Ebene statt. Sie sind von dem Wissen und der Fähigkeit der Mitarbeiter, auf unvorhergesehene Ereignisse zu reagieren, abhängig und daher nicht explizit beschrieben. Eine realitätsnahe Simulation erfordert jedoch eine möglichst genaue Abbildung dieser Entscheidungen. Dieser Beitrag stellt eine Methodik vor, die durch den Einsatz Künstlicher Neuronaler Netze auf im Unternehmen erfasste Betriebsdaten eine automatische Identifizierung der angewandten Steuerungsstrategien ermöglicht.

Entwicklungsprojekte sind stetig Änderungen unterworfen; sei es durch zusätzlichen Erkenntnisgewinn oder durch Änderungen von Anforderungen oder Rahmenbedingungen. Um Änderungen kontrolliert und nachvollziehbar durchzuführen, werden in der Produktentwicklung standardisierte Methoden und Prozesse des Änderungsmanagements eingesetzt, die auf der Grundlage des Konfigurationsmanagements ablaufen. Die Unterstützung des Konfigurationsmanagements bei der Ausführung von technischen Änderungen wird in der Regel mittels definierter Workflows und Freigabemechanismen von Produktdatenmanagement-System (PDM) übernommen. Jedoch fehlt häufig eine Berücksichtigung der organisatorischen und wirtschaftlichen Auswirkungen der Änderung im begleitenden Projektmanagement. Zur Lösung dieses Defizits stellt der Artikel ein integriertes Projekt-/Makroproduktmodell vor, welches mithilfe von semantischen Netzen und Ontologien realisiert wird. Auf diesem integrierten Modell können Metriken zur ...

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.