Maschinenbauer und Anlagenbetreiber müssen sich im globalen Wettbewerb kontinuierlich anpassen. Neben den bereits bestehenden Herausforderungen durch unterbrochene Lieferketten, Marktbedingungen und Energiekosten, stehen zwei zentrale Anforderungen im Fokus: Kundenanforderungen steigen in ihrer Komplexität – sowohl in Bezug auf die Maschinen selbst als auch hinsichtlich der IT-Integration – und die Nachfrage nach kleineren Losgrößen erfordert ein rasches Umrüsten der Maschinen für verschiedene Produktvarianten. Gleichzeitig eröffnen sich durch diese Marktveränderungen spannende Möglichkeiten zum Verbessern der eigenen Marktposition, auch Potenziale zur Kostensenkung, das Steigern der Produktionseffizienz sowie Flexibilisierung und Rekonfigurierbarkeit der Anlagen.

Neue Produktionskonzepte

Einige der neuen Anforderungen brechen mit der bisherigen Fokussierung auf hohe Taktraten. Sie erfordern von Maschinenbauern und Anlagenbetreibern ein neues Bewerten bestehender Produkte und das Entwickeln neuer Produktionskonzepte:

• Resiliente Wertschöpfungsnetzwerke und Lieferketten
• Digitale Zwillinge für Werkstoffe, Prozesse, Produktionsnetzwerke und das Produkt als Ganzes
• Automatisierte Produktkonfiguration durch KI-Systeme
• Selbstorganisierende Prozessroutenplanung

Mithilfe von Process-Mining-Methoden werden bestehende Prozesse analysiert, um das Optimierungspotenzial in den Produktionslinien zu identifizieren. Die Ergebnisse zeigen Abweichungen und Engpässe auf, indem sie den geplanten Ablauf mit dem tatsächlichen Workflow auf dem Shopfloor vergleichen. Es wird deutlich, dass starre Anlagenverbünde zwar für feste Produktgruppen effizient sind, jedoch bei variablen Produktanforderungen schnell an ihre Grenzen stoßen. Idealerweise sollte die Linie für jede variable Produktgruppe individuell angepasst werden. Der Einsatz von autonomen mobilen Maschinen-Tools und intelligenten Software-Agenten ermöglicht das automatisierte Anpassen der Produktionslinie an die spezifischen Produktanforderungen. Dabei erhalten die Maschinen von den Software-Agenten alle nötigen Informationen, um sich automatisch zu einer neuen Fertigungsanlage zu gruppieren.

Software-Agenten und Agentensysteme

Ein Software-Agent erfüllt grundlegende Kernfunktionen: Er ist sich seiner Umwelt bewusst und kann sie erfassen, er kann mit der Umwelt interagieren und diese Interaktion ermöglicht es dem Agenten, seine Aufgabe optimal zu erfüllen. Ein Agent ist mehr als ein digitaler Zwilling, da er vorausschauend agiert, sich bewusst durch seine Umgebung navigiert und eigenständig Ziele erreicht. In diesem Konzept repräsentiert ein Agent stets eine Komponente des realen Systems, sei es eine Maschine, ein Werkstück oder ein Auftrag. Um eine gesamte Produktionshalle zu unterstützen, bedarf es vieler Agenten, die miteinander kommunizieren und kooperieren. Auf diese Weise entsteht ein dezentrales Multiagentensystem (MAS), das das gesamte Produktionskonzept unterstützt.
Die Umsetzung der Aufgaben des Multiagentensystems (MAS) auf realen Komponenten erfordert sowohl eine Verbindung zur Umwelt mittels Sensoren und Aktoren, als auch eine vernetzte Kommunikation über beliebige Kommunikationsprotokolle, sowie Algorithmen zur Zielfindung.

In jüngster Zeit sind Ansätze entstanden, den gesamten Linienaufbau mithilfe eines MAS automatisch an das zu produzierende Produkt anzupassen. In diesen Systemen lenken die Agenten den Aufbau der Linie durch Automated Guided Vehicle (AGV)-basierte Maschinen, die je nach Bedarf gekoppelt werden und verschiedene Produktions- sowie Prozessschritte ausführen können. Die Steuerung erfolgt nicht mehr zentral, sondern dezentral durch intelligente Agenten am Shopfloor. Dies löst die traditionelle Hierarchie der Fertigungsstraße auf und führt zu einer Heterarchie aus verschiedenen gleichwertigen Software-Agenten und Hardware-Komponenten. Die resultierenden flexiblen und eigenständigen Hardware-Module können vielseitig zum Einsatz kommen. Zudem entspricht das autonome dezentrale System den Standards von RAMI-4.0.

KI zur Zielfindung des Agenten

Im Maschinenbau findet KI in der Regel im Rahmen des maschinellen Lernens Anwendung, entweder zur Vorhersage von Maschinenzuständen im Voraus oder im Rahmen des Fertigungsprozesses zum Erkennen von Mustern. In dem skizzierten Umfeld kommt KI eine neue Aufgabe zu: Sie soll den produktgesteuerten Aufbau der Produktionslinie optimieren, indem sie die optimale Raumausnutzung auf dem Shopfloor ermittelt, um möglichst viele Produktionslinien simultan zu betreiben, und die Job-Planung unter Berücksichtigung der Raumausnutzung durchführt, um Liefertermine und andere Vorgaben der Produktion einzuhalten. Für beide Anforderungen lässt sich KI trainieren: Über das MAS erhält sie den aktuellen Stand der Umwelt sowie geplante Ziele, woraufhin sie mit Prognosen zur Produktion reagieren kann. Das Wissen nutzt sie, um dem Agenten in der Produktionslinie den aktuell besten Weg zur Zielerreichung vorzuschlagen. Je nach Aufgabe des Agenten kann das den Linienaufbau, die Bearbeitung im Prozess, das Scheduling oder jede andere Tätigkeit betreffen.
Der Vorteil des Gesamtsystems liegt darin, dass sich viele Schritte automatisch durchführen lassen, ohne dass manuelle Eingriffe in die Produktionsplanung erforderlich sind. Hierbei bleibt die Transparenz der Fertigung ebenso erhalten wie die Möglichkeit manueller Intervention.