KI in der Produktionslogistik (KIProLog)

Um im weltweiten Wettbewerb der produzierenden Unternehmen erfolgreich zu bestehen, müssen diese meist eine kundenspezifischere Produktion in kleinen Losgrößen zu niedrigen Kosten und mit kurzen Lieferzeiten realisieren. Wesentliche Innovationstreiber, um diese Ziele künftig zu erreichen, sind die Digitalisierung und Automatisierung im Rahmen der Entwicklung zur Industrie 4.0. Durch die zunehmende Komplexität der Abläufe gewinnt die Bereitstellung der für die korrekte Durchführung der Arbeitsschritte benötigten Informationen und des Materials am Arbeitsplatz entscheidende Bedeutung. Des Weiteren ermöglicht die Implementierung neuer IoT-Technologien sowie der Einsatz von Cyber-physischen Systemen, Daten und Informationen in großen Mengen zu generieren, welche wiederum für Planung und Steuerung der Prozesse benötigt werden.

Insbesondere in der Produktionslogistik ist der Mensch auf Grundlage der Vielfältigkeit der benötigten Informationen und deren situativen Abhängigkeit zunehmend auf maschinelle Unterstützung angewiesen. Hierbei stoßen herkömmliche Methoden wie strukturiert aufbereitete Informationsmodelle und regelbasierte Workflow-Management-Systeme an ihre Grenzen. Methoden der Künstlichen Intelligenz eröffnen weitergehende Potentiale. Speziell die Bereiche „Data Analytics“, „Machine Vision“ und „Machine Learning“ bieten zunehmend die Chance, Menschen zu entlasten, wichtige Informationen zur Entscheidungsunterstützung bereitzustellen oder kritische Fehler zu erkennen und bestenfalls zu verhindern.

Zielsetzung:

Ziel des Projektes KIProLog ist die Optimierung der innerbetrieblichen Logistik im Hinblick auf den Materialfluss sowie der Informationsbereitstellung für die Planung und Steuerung eines Logistiksystems unter Anwendung von Methoden der Künstlichen Intelligenz. Mittels Echtzeitdaten sollen intelligente Logistiksysteme Wissen erlernen und dadurch Engpässe in der Logistikkette identifizieren sowie präventiv beseitigen. Darüber hinaus werden Vergangenheitsdaten analysiert und Zukunftsprognosen erstellt. Anschließend werden anhand von selbstlernenden Algorithmen Steuerungsparameter automatisch optimiert, um den manuellen Planungsaufwand signifikant zu reduzieren. Die Anwender sollen zudem mit Hilfe von digitalen Assistenzsystemen Lösungsvorschläge erhalten, wie sie ihre Produktions- und Logistiksysteme verbessern können.

Die Anwendung von Methoden der Künstlichen Intelligenz steht hierbei besonders im Fokus und wird schwerpunktmäßig in zwei Teilprojekten erforscht:

1. Echtzeit-Prozessoptimierung in der Materialbereitstellung
2. Datenanalyse zur Parameteroptimierung in der Materialbereitstellung

Die im Projekt KIProLog entwickelten Konzepte werden prototypisch realisiert und praxisnah überprüft. Darüber hinaus sollen die Forschungsergebnisse in der Lern- und Musterfabrik des Technologiezentrum Produktions- und Logistiksysteme (TZ PULS) in Dingolfing sowie bei den Kooperationspartnern erprobt und validiert werden. Durch die intensive Zusammenarbeit mit Partnern aus der regionalen Wirtschaft sowie mit anderen bayerischen Forschungsinstituten soll praxisnahe Forschung und anforderungsgerechter Wissenstransfer ermöglicht werden.

Projektdaten

Projektdaten:

• Projektlaufzeit: 46 Monate | 01.01.2021 – 31.10.2024
• Fördersumme: 600.000€
• Projektleiter: Prof. Dr. Sebastian Meißner
• Wissenschaftliche Mitarbeiter: M.A. Konstantin Mühlbauer, M.Sc. Lukas Rissmann
• Projektpartner: AGROTEL GmbH, MANN+HUMMEL GmbH, Kühne+Nagel (AG & Co.) KG, NeoLog GmbH, Lehrstuhl fml, TU München
• Gefördert von: Freistaat Bayern / Bayerisches Staatsministerium für Wissenschaft und Kunst