Beschreibung des IT-Forschungsprojektes: In der Produktion, speziell auch in der Automobilproduktion, gelten Simulationen als State-of-the-Art für die Produktionsoptimierung. Simulationen helfen kritische Entscheidungen in der Produktionsplanung und im Produktionsablauf zu treffen. Allerdings sind Simulationen sehr zeitaufwendig und somit nicht für zeitkritische Problemstellungen geeignet. Um diesen Nachteil einer Simulation zu kompensieren, soll als Kernaufgabe für dieses Projekt eine zielgerichtete KI-getriebene Unterstützung von Produktionsabläufen in der Simulation auf Grundlage von Dateneigenschaften, Modellqualität und Domänenexpertise entstehen. Im Speziellen soll dies für die komplexen Systeme im Bereich der Automobilproduktion untersucht werden. Mithilfe des Einsatzes von KI-Technologien sollen Produktionsabläufe verbessert, vereinfacht und beschleunigt werden. Dies soll im Kontext eines hybriden Ansatzes von Maschinellem Lernen (ML) und Simulation in Bezug auf den Model-Predictive-Control-Prozess (MPC) umgesetzt werden.
Im Rahmen von KIKS sollen einzelne Komponenten einer Produktionssimulation für Queueingsysteme durch ML-Modelle ersetzt werden. Dabei geht es vorrangig um die Beschleunigung der vorhanden Simulation und nicht um die direkte Ersetzung der Simulation durch KI. Die Idee besteht darin eine nicht-perfekte Vorhersage des Produktionsdurchsatzes mittels ML-Modells zu tätigen und diese dann mit der Simulation nachzubessern. Dadurch kombinieren wir die Genauigkeit der Simulation mit der Effizienz der ML-Modelle um die Produktion und Produktionsplanung zu verbessern und zu beschleunigen.
Software Campus-Partner: Technische Universität Dresden & Volkswagen AG
Umsetzungszeitraum: 01.01.2022 – 31.12.2023
© KIT.edu
