 |
|
|
| Stabilisierung der Produktionslogistik durch selbstoptimierende autonome Agenten im Produktionsanlauf |
|
Prof. Dr. rer. nat. S. Jeschke
Der Produktionsanlauf stellt einen Schlüsselfaktor für Unternehmen dar, da insbesondere vor dem Hintergrund der globalen Angleichung technischer Fähigkeiten der richtige Zeitpunkt für die Markteinführung neuer Produkte (heute und in Zukunft) ein entscheidendes Differenzierungsmerkmal für Unternehmen ist. Die Anlaufphase bezeichnet den Zeitraum zwischen der Entwicklung und der vollen Kapazitätserreichung der Produktion. Aufgrund von engen Zeitplänen müssen Unternehmen in dieser Phase viele verschiedene Faktoren und Gestaltungsobjekte berücksichtigen, deren konkrete Ausprägungen, dynamischen Veränderungen und Wirkzusammenhänge jedoch meist unbekannt sind. Durch die hohe Komplexität, welche sich auf die Varietät, Konnektivität und Dynamik der Systemelemente begründet, ist das Gesamtsystemverhalten nicht vorherseh- und kontrollierbar. So kommt es, dass Störgrößen zu Instabilitäten im Anlauf führen, welche enorme Effektivitätsverluste nach sich ziehen. Verstärkt wird dieser Effekt durch ein konträres Zielsystem, welches mit einem variantenreichen Produktionsprogramm einhergeht. So ändert sich die Gewichtung der konträren Zielgrößen innerhalb des Zielsystems in Abhängigkeit der aktuell in der Produktion befindlichen Produkte.
Die Produktionslogistik behandelt die logistischen Abläufe innerhalb eines Produktionssystems. Ihr kann angesichts der dynamischen Bedingungen im Produktionsanlauf ein enormes Potenzial zugesprochen werden um proaktiv auf Störgrößen zu reagieren. Störgrößen wie beispielsweise Maschinenausfälle und temporäre Blockaden von Transportwegen führen zu einer Instabilität des Produktionssystems, welche in Produktionsausfällen und im schlimmsten Fall in einer Verzögerung der Produktfertigstellung resultiert. Durch die eingangs erwähnte strukturelle Komplexität moderner Produktionsanlagen wird die Bereitstellung aller relevanten Informationen für eine zentrale Planung- und Steuerung, welche zur Vermeidung dieser Störfaktoren beitragen könnten, immer mehr erschwert. Ebenso verlangt die dynamische Veränderung des Zielsystems, eine ebenso dynamische Neuausrichtung der Steuerung. Eine Möglichkeit auf die Instabilitäten im Produktionsanlauf innerhalb der Produktionslogistik ohne eine zentrale Planung- und Steuerungsinstanz zu reagieren, ist die Einführung selbstoptimierender Prozesse. Ein selbstoptimierendes Planungs- und Steuerungssystem, welches aus kooperierenden Transportrobotern besteht bietet die nötige Flexibilisierung, eine automatisierte und adaptive Transportplanung für ein variantenreiches Produktionsprogramm mit variablem Zielsystem zu realisieren. Der Einsatz kooperierender Agenten ermöglicht es, zeitgleich mehrere Ausprägungen des Zielsystems zu verfolgen. Dadurch kann sich das jeweilige Transportsystem schnell auf neue Situationen einstellen und eine fortlaufende Produktion gewährleisten. Zu diesem Zwecke wird ein Modell eines Multi-Agenten Transportsystem entwickelt, welches Produkte, Bauteile und Materialflüsse so abbildet, dass dieses Modell die Grundlage für eine automatisierte Transportplanung bildet. Nachfolgend werden dann mögliche Planungsalgorithmen zur Lösung des Planungsproblems hinsichtlich ihrer Eignung für die Berücksichtigung variabler Zielsysteme evaluiert. Ein denkbarer Ansatz ist die Modellierung dieses Problems als Optimierungsaufgabe: Hier müssen die einzelnen Transportschritte für alle im System befindlichen Produkte und Bauteile so gewichtet werden, dass sich eine zu einem gegebenen Zielsystem optimierte Produktion ergibt. Eine Lösung zu einem so modellierten Optimierungsproblem lässt sich dann u.a mit genetischen oder evolutionären Algorithmen effizient approximieren. Nach der Identifikation oder Konzeption eines geeigneten Algorithmus wird im nächsten Schritt eine entsprechende Transportsteuerung implementiert. Die technische Realisierbarkeit wird anschließend am Beispiel eines Produktionssystems bestehend aus 16 verschiedenen Fertigungsstationen und drei homogenen Transportrobotern gezeigt, und die erzielten Resultate diskutiert.
|
|
|
