Learning and Self-Organization in Production Planing an Control
Final Report Abstract
Die Produktionsplanung und -Steuerung bestimmt wann, was und auf welcher Maschine gefertigt wird. Diese Entscheidungen haben großen Einfluss auf die Effizienz des Produktionsprozesses und sind damit von wesentlicher Bedeutung für fast jedes Industrieunternehmen. In der Praxis sind Produktionsplanung und -Steuerung zudem meist dynamisch und stochastisch, etwa aufgrund von ständig neu eintreffenden Aufträgen, stochastischen Prozesszeiten oder Maschinenausfällen. In der Industrie werden daher oft Prioritätsregeln verwendet die nach dem Prinzip der Selbstorganisation funktionieren: Wann immer eine Maschine frei wird, wird aufgrund lokaler Information entschieden, welcher Job als nächstes bearbeitet werden soll. Die Entwicklung geeigneter Prioritätsregeln ist jedoch eine Herausforderung. Es müssen lokale Regeln entworfen werden, die zu einer möglichst guten Gesamleistung des globalen Produktionssystems führen. Üblicherweise wurden solche Regeln bisher von Experten in einem aufwändigen Versuch-und- Irrtum-Prozess entwickelt. Das Ziel des Projekts bestand in der Unterstützung und Automatisierung der Entwicklung von Prioritätsregeln. Dies sollte es erlauben, problemspezifische Prioritätsregeln mit besserer Leistungsfähigkeit als die manuell entwickelten Regeln zu generieren. Im Rahmen des Projekts wurden verschiedene Ansätze dazu entwickelt. In einem ersten Schritt wurde ein Verfahren zur Unterstützung der Schwachstellenanalyse existierender Prioritätsregeln entwickelt Dabei wurde ein evolutionärer Algorithmus venwendet um Probleminstanzen zu generieren, auf denen die Prioritätsregel eine folgenschwere Fehlentscheidung trifft. Diese kann dann von einem Experten analysiert und die Prioritätsregel entsprechend angepasst werden. Die Mächtigkeit dieses Ansatzes wurde demonstriert, indem mit Hilfe des Werkzeugs eine aus der Literatur bekannte Prioritätsregel signifikant verbessert wurde. Ein wesentlicher Schwerpunkt des Projekts war die automatisierte Erzeugung von Prioritätsregeln mit Hilfe von Genetischer Programmierung. Hier haben wir gezeigt, dass es mit einer Kombination aus Genetischer Programmierung und Simulation möglich ist, für komplexe und dynamische Produktionsumgebungen automatisiert Prioritätsregeln zu entwickeln, die deutlich besser als alle aus der Literatur bekannten Prioritätsregeln sind. Der Ansatz wurde außerdem verfeinert, so dass verschiedene Prioritätsregeln für verschiedene Maschinen generiert werden können, was eine weitere Verbesserung der Leistungsfähigkeit mit sich brachte. Da das entwickelte Verfahren sehr rechenaufwändig war, wurden verschiedene Methoden zur Reduzierung der notwendigen Rechenzeit implementiert. Unter anderem wurden erstmals erfolgreich Surrogate-Modelle für die Genetische Programmierung entwickelt, die die zeitaufwändige Simulation durch einfache Regressionsmodelle abschätzen. Schließlich wurden Klassifikafionsmodelle auf Basis von Gaußschen Prozessen entwickelt, die die Effektivität verschiedener Regeln in Abhängigkeit des Systemzustands lernen. Das ermöglicht es, situationsbedingt zwischen den jeweils besten Regeln umzuschalten.
Publications
- Analysis of priority rule-based scheduling in dual resource constrained shop-floor scenarios. In: Machine Learning and Systems Engineering, Lecture Notes in Electrical Engineering, Vol. 68, Springer, 269-281, 2010
B. Scholz-Reiter, J. Heger und T. Hildebrandt
- Generating dispatching rules for semiconductor manufacturing to minimize weighted tardiness. In: Proceedings of the 2010 Winter Simulation Conference, 2504-2515, 2010
C. Pickardt, J. Branke, T. Hildebrandt, J. Heger und B. Scholz-Reiter
- Towards improved dispatching rules for complex shop floor scenarios - a genetic programming approach. In: GECCO '10: Proceedings of the 72th Annual Conference on Genetic and Evolutionary Computation Conference, 257-264, 2010
T. Hildebrandt, J. Heger und B. Scholz-Reiter
- Evolutionary search for difficult problem instances to support the design of job shop dispatching rules. European Journal of Operational Research. 212(1):22-32,2011
J. Branke und C. W. Pickardt
- Setup-oriented dispatching rules - a survey. International Journal of Production Research
C. W. Pickardt und J. Branke
(See online at https://doi.org/10.1080/00207543.2011.629634) - Switching dispatching rules with Gaussian processes. In: Robust Manufacturing Control: Proceedings of the CIRP Sponsored Conference RoMaC 2012. Springer. 73-85, 2012
J. Heger, T. Hildebrandt und B. Scholz-Reiter
