Stochastische komplexe Netzwerke als Vorhersage- und Erklärungsmodell für die dynamische Entwicklung von produktionslogistischen Systemen

• Antragsteller: Professor Dr. Till Becker
• Fachliche Zuordnung: Produktionssystematik, Betriebswissenschaften, Qualitätsmanagement und Fabrikplanung
• Förderung: Förderung von 2016 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 310784388

Produktionslogistische Systeme bestehen aus den physischen Ressourcen eines Produktionssystems sowie aus dem Material, den Produkten, Prozessen, Aufträgen, Produktionsplänen, etc., die zur Durchführung des Wertschöpfungsprozesses benötigt werden. Insbesondere in der Werkstattfertigung ergeben sich komplexe Strukturen und dynamisches Verhalten, was die Antizipation von Veränderungen in einem solchen System erschwert. Zu diesen strukturellen Veränderungen gehören z.B. die Notwendigkeit für die Anschaffung neuer Maschinen, die Platzierung neuer Maschinen, die Außerbetriebnahme von Maschinen, die Einrichtung neuer Transportwege, die Schließung nicht mehr benötigter Transportwege, etc. Gleichzeitig wird aber die Beherrschbarkeit und Vorhersagbarkeit von Änderungen in einem produktionslogistischen System immer wichtiger, da auf der einen Seite kurze Produktlebenszyklen und große Variantenvielfalt in Produktionsprozessen berücksichtigt werden müssen, auf der anderen Seite aber auch der Kostendruck durch die Globalisierung steigt. Können Strukturen von produktionslogistischen System nicht rechtzeitig angepasst werden, bedeutet dies einen Wettbewerbsnachteil für Unternehmen. Ziel dieses Projekts ist es, mit Hilfe einer stochastischen Modellierung des Materialflusses in einem Netzwerk aus Produktionsressourcen mit vergleichsweise geringem Aufwand zuverlässige Prognosen für die Veränderungen in einem produktionslogistischen System zu erstellen. Die zugrundeliegende Annahme ist, dass es Muster in Materialflussnetzwerken gibt, deren Herausbildung in einem komplexen Netzwerk wahrscheinlich ist. Dafür wird der Materialfluss in einer Werkstattfertigung als komplexes Netzwerk modelliert und aus dieser Modellierung auf ein stochastisches Netzwerkmodell, ein sogenanntes Stochastic Block Model, geschlossen, welches wiederum verwendet werden kann, an konkreten Stellen im Netzwerk bestimmte Typen von Veränderungen zu vorherzusagen. Das Stochastic Block Model wird auf Basis vorliegender Materialflussdaten aus Informationssystemem von Unternehmen erstellt. Die Güte der Prognose wird evaluiert, indem die Ergebnisse mit klassischen Verfahren des maschinellen Lernens auf Basis der selben Ausgangsdaten verglichen werden. Das Ergebnis des Projekts ist die Konzipierung und Evaluierung eines im Kontext von Produktionssystemen neuartigen Verfahrens, welches mit vergleichsweise geringen Aufwand die Steuerung komplexer und dynamischer produktionslogistischer Systeme durch gezielte Veränderungsprognosen vereinfacht. Im Anschluss an das Projekt ist eine Ausweitung der Anwendung des Verfahrens für einen größeren Kreis an logistischen Prozessen angestrebt.

• DFG-Verfahren: Sachbeihilfen