Fertigungs-Optimierung
Ablaufplanung embedded
Als überaus komplex zeigt sich die Produktionsplanung in einem Stahlwerk. Feinplanungstools können hier viel Stress bei den Disponenten abbauen und die Auslastung steigern. Die Ingenieure der Hüttenwerke Krupp Mannesmann sind dazu einen speziellen Weg gegangen: Statt eines separaten MES-Tools integrieren sie die Auftragsplanung mittels Matlab in die bestehende Leittechnik.
Um jährlich über 5 Mio. Tonnen Stahl herzustellen und jeden Auftrag exakt termingerecht auszuliefern, muss das Stahlwerk der Hüttenwerke Krupp Mannesmann (HKM) nach einem strikten Zeitplan arbeiten. Jeder Prozessschritt ist dazu sorgfältig abzustimmen und zu koordinieren: Schließlich müssen Tonnen von Roheisen, Schrott und andere Rohstoffe genau zum richtigen Zeitpunkt an die jeweilige Anlage geliefert werden. Bevor der Stahl weiterverarbeitet werden kann, zum Beispiel zu Brammen oder Rundstahl, muss er zuvor im Schnitt auf 1750 °C erhitzt werden und benötigt nach dem Abguss wieder entsprechend Zeit zum Abkühlen.
Während die Einzelschritte der Roheisenherstellung einem vergleichsweise einfachen linearen Produktionsfluss folgen, gestaltet sich der Betrieb eines Stahlwerks durch die erforderliche Logistik sowie die Kundenanforderungen erheblich komplexer: Bei der HKM setzt sich die Stahlherstellung aus über 150 Einzelschritten und einer Vielzahl von Randbedingungen zusammen, die durch die vorhandene Ausrüstung, die Verfügbarkeit von Rohstoffen, Umweltvorschriften und die Anforderungen von Kunden vorgegeben sind. In der Regel müssen die Aufträge in mehrere Chargen aufgeteilt und zu ganz bestimmten Terminen ausgeliefert werden. Schmelzen vergleichbarer Qualität werden in einer festgelegten Reihenfolge zu Sequenzen zusammengefasst, die wiederum möglichst ohne Unterbrechung auf den Gießanlagen abgegossen werden sollten.
Stressfaktor Terminplanung
Die komplexe Auftrags- und Zeitplanung für die gesamte Anlage wurde beim früheren Prozess von Disponenten manuell erstellt. Diese Verfahrensweise eignet sich zwar gut zur Optimierung von Durchlauf- und Produktionsmenge. Allerdings wird es kritisch, wenn auch die von den Kunden vorgegebenen Liefertermine zu berücksichtigen sind. Zudem erfordert die Aufgaben eines Disponenten eine so umfassende Kenntnis des Produktionsverfahrens, dass dafür nur wenige Mitarbeiter qualifiziert waren. Wenn nur ein Mitarbeiter ausfiel, stellte dies zudem ein erhebliches wirtschaftliches Risiko dar.
Um dieses Risiko zu verringern, sollte ein automatisiertes System realisiert werden, das zudem die Produktionsleistung der Anlage maximiert und die Einhaltung der Liefertermine sicherstellt. Die Ingenieure von HKM entwickelten dazu ein automatisiertes Feinterminierungs-System mithilfe der mathematischen Berechnungssoftware Matlab und weiterer Tools. „Durch den Einsatz von Matlab konnten wir in kurzer Zeit ein System zur globalen Optimierung unseres Stahlherstellungsverfahrens entwerfen, als Java-Komponente implementieren, in ein bestehendes System einbinden und auf einem Rechner-Cluster ausführen“, erklärt Alexey Nagaytsev, Projektmanager bei HKM. Innerhalb weniger Minuten liefert das System nun objektive Ergebnisse für ein komplexes Optimierungsproblem. Zudem lassen sich damit reibungslos Änderungen durchführen, um zum Beispiel veränderte Randbedingungen zu berücksichtigen oder das System neu zu skalieren.
....automatisch mit dem Matlab-Algorithmus optimierte Feinplanung: Ablaufkonflikte (in Rot) werden minimiert und die Einhaltung der Liefertermine sowie die angestrebte Kapazitätsauslastung sichergestellt.
© HKMMit Matlab und der Global-Optimization-Toolbox erzeugte Nagaytsev zunächst einen Prototypen des Kernmoduls für die Optimierung. Dieses Modul suchte mithilfe eines genetischen Algorithmus nach globalen Lösungen, welche die Effizienz des Stahlwerks sowohl anhand der Kundenanforderungen als auch gemäß den Vorgaben bezüglich Zeit und Ressourcen sowie der Verfügbarkeit von Anlagenteilen optimieren.
Um die Berechnung des komplexen Optimierungsproblems zu beschleunigen, läuft der genetische Optimierungs-Algorithmus über die Parallel-Computing-Toolbox und den Distributed-Computing-Server auf einem Linux-Rechnercluster mit 16 so genannten Workern. Die Zwischenergebnisse des Algorithmus wurden als Matlab-Diagramme visualisiert, aus denen die HKM-Ingenieure eine genau auf den Prozess zugeschnittene Variante des genetischen Algorithmus entwickelten. „Mit Matlab haben wir in nur 20 Tagen eine funktionierende Version des Optimierungs-Algorithmus erzeugt“, betont Nagaytsev die Vorteile des gewählten Ansatzes, der auf der vorhandenen Funktionalität und den Möglichkeiten des Parallel-Computing in der Matlab-Umgebung aufbaut. Und weiter: „Die Implementierung eines vergleichbaren Algorithmus in Java hätte etwa zehnmal so lange gedauert und wäre erheblich teurer gewesen.
„In einigen Fällen hat die automatisierte Planung Lösungen erzeugt, an die unsere Disponenten gar nicht gedacht hatten“, zeigt Projektleiter Alexey Nagaytsev die Vorteile der Matlab-basierten Planungslösung auf.
© HKMAus dem Matlab-Code wurde anschließend eine Java-Klasse generiert, die als Java-Komponente in die bestehende Planungssoftware integriert wurde. Das Java-Modul ruft aktuelle Anforderungen und Statusinformationen aus dem Hauptsystem ab, berechnet daraus den optimierten Ablaufplan und gibt die Ergebnisse an das Hauptsystem zurück, über das sie den Disponenten zur Verfügung stehen.
„Unser Prozess ist so komplex, dass eine vollständige Optimierung anfangs über eine Stunde dauerte“, betont Nagaytsev. Mittels Parallel-Computing-Toolbox und Distributed-Computing-Server konnte die Applikation mit minimalen Programmänderungen auf dem Rechner-Cluster ausgeführt werden. „Jetzt haben wir in etwa fünf Minuten ein Ergebnis“, schwärmt Nagaytsev. Derzeit nutzen die Disponenten von HKM die Matlab-basierte Feinterminierung zur Aufstellung der Zeitpläne für die nächsten 24 bis 48 Stunden sowie für die längerfristigen Produktions-Szenarien von bis zu vier Wochen."













