Simulation industrieller Materialflüsse für die Virtuelle Inbetriebnahme mittels Graph Neural Networks (GraphNetMF)

• Antragsteller: Professor Dr.-Ing. Alexander Verl
• Fachliche Zuordnung: Produktionsautomatisierung und Montagetechnik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 533896427

Unter Berücksichtigung der Anforderungen der virtuellen Inbetriebnahme (VIBN) existiert kein ganzheitlicher Ansatz zur Materialflusssimulation, die eine zeitdeterministische Berechnung der Dynamik von Materialflüssen für eine hohe Stückgutanzahl gewährleistet. Mit steigender Genauigkeit der Bewegung nimmt die Berechnungsdauer für eine große Anzahl an Stückgütern zu. Lernende Simulatoren können bei der Vorhersage komplexer Phänomene viel rechen-effizienter sein als klassische Simulatoren. Im Gegensatz zu klassischen Ansätzen von Simulatoren, dem Lösen von Differentialgleichungen, basiert der Ansatz von lernenden Simulatoren auf einer parametrierbaren Funktion, welche mittels Daten und maschinellem Lernen auf ein Modellverhalten trainiert wird. In eigenen Vorarbeiten wird gezeigt, dass ein lernender Simulator auch für industriellen Materialfluss im Kontext der VIBN geeignet sein kann und dass die Abbildung von Materialflussverhalten mittels eines Graph Neural Network (GN)-Simulators dargestellt werden kann. Dadurch kann die Berechnungszeit deutlich reduziert werden. Für eine allgemeine Aussage der Einsatzfähigkeit und Generalisierbarkeit muss eine geeignete Methodik zum automatischen Erstellen geeigneter Daten, sowie eine Integration eines GN-Simulators in eine Echtzeit-Simulationsumgebung erforscht werden. Ziel dieses Vorhabens ist es, eine hochauflösende Materialflusssimulation basierend auf einer echtzeitfähigen Berechnung innerhalb eines GNs in einer VIBN einsetzbar zu machen. Dadurch soll die Möglichkeit geschaffen werden, hochauflösende Verhaltensmodelle innerhalb einer VIBN Simulation echtzeitfähig zu simulieren. Vorab wird das GN mithilfe von nicht-echtzeitfähigen physikalischen Materialflusssimulationen und Daten eines realen Systems auf das reale Modellverhalten trainiert.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Dr.-Ing. Armin Lechler