DE102021210234A1

DE102021210234A1 - System, Verfahren und Computerprogramm zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung

Info

Publication number: DE102021210234A1
Application number: DE102021210234.4A
Authority: DE
Inventors: Carsten Andreas Klein
Original assignee: SMS Group GmbH
Current assignee: SMS Group GmbH
Priority date: 2021-09-15
Filing date: 2021-09-15
Publication date: 2023-03-16
Also published as: WO2023041308A1

Abstract

Die Erfindung betrifft ein System (1) zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage (2), insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung, wobei die Produktionsanlage (2) umfasst:mindestens eine Produktionseinheit (3) mit jeweils mindestens einer Maschine (4),ein Automatisierungssystem (5) zur Steuerung der Produktion in der Produktionsanlage (2), insbesondere in der mindestens einen Produktionseinheit (3), wobei das Automatisierungssystem (5) zur Ansteuerung der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3) ausgebildet ist,ein Zustandsüberwachungssystem (6) zur Erfassung von Zuständen der Produktionsanlage (2), insbesondere der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3),ein Produktionsplanungssystem (7) zur Bestimmung einer Produktionsreihenfolge für die Produktionsanlage (2), wobei das Produktionsplanungssystem (7) bei der Bestimmung der Produktionsreihenfolge die erfassten Zustände durch das Zustandsüberwachungssystem (6) berücksichtigt und zur Umsetzung der bestimmten Produktionsreihenfolge Steuerbefehle für das Automatisierungssystem (5), insbesondere zur Ansteuerung der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3), generiert,welches sich dadurch auszeichnet, dassdas Produktionsplanungssystem (7) die Produktionsreihenfolge mittels einer auf bestärkendem Lernen erzeugten künstlichen Intelligenz (8) bestimmt. Die Erfindung betrifft ein entsprechendes Verfahren und Computerprogramm.

Description

Die Erfindung betrifft ein System zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung. Die Erfindung betrifft ferner ein Verfahren und ein Computerprogramm zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung.
Die Produktionsanlage der metallerzeugenden Industrie dient insbesondere zur Herstellung von Brammen, Blechen, Rohren, Trägern, Schienen, weiterer Profile oder Bänder und Schmiedeprodukten sowie deren Vorprodukten oder zur Durchführung einzelner Arbeitsschritte im Rahmen der Herstellung. Die Herstellung wird dabei mit einem ausreichenden Vorlauf geplant. Ziel ist die Herstellung von Produkten mit einer bestimmten Produktqualität. Gleichzeitig unterliegt die Produktionsanlage, insbesondere die eingesetzten Maschinen, einem Verschleiß und anderen Versagensmechanismen. Ferner ist für die Herstellung der Produkte geeignetes Personal erforderlich, sowie entsprechende Ressourcen und Energieträger.
Aus dem Stand der Technik ist es bekannt, den Herstellungsprozess in einer Produktionsanlage der metallerzeugenden Industrie durch Produktionsplanungssysteme zu optimieren, die auf Zustandsüberwachungssysteme (Prozessüberwachung) und Automatisierungssysteme (Prozessautomation) zugreifen. Das Produktionsplanungssystem greift z.B. auf Messwerte aus der Produktionsanlage oder externe Daten zu, die für den Herstellungsprozess in der Produktionsanlage erforderlich sind und werten diese aus.
Parallel dazu werden Systeme zur Optimierung der Wartung und Instandhaltung der Produktionsanlage eingesetzt. Ferner werden weitere Funktionen der Wartung und Instandhaltung, wie die Materialbeschaffung und Lagerhaltung, technisch und kommerziell gemanagt.
Das Produktionsplanungssystem ist mit einem ERP-System (Enterprise Ressource Planning) verbunden, welches beispielsweise die kommerziellen Kundenaufträge für die Produktionsanlage verwaltet. In dem ERP-System werden insbesondere Liefertermine, Preise, Produktspezifikationen und Lieferbedingungen verwaltet. Aus diesen kommerziellen Daten müssen für den Betrieb der Produktionsanlage technische Prozessschritte definiert werden, die hintereinander ausgeführt werden müssen, um ein spezifiziertes Produkt herzustellen.
Aus der Gesamtheit dieser technischen Prozessschritte wird von dem Produktionsplanungssystem ein Produktionsplan erstellt und basierend auf dem erstellten Produktionsplan können beispielsweise Liefertermine bestimmt und überprüft werden.
Der Herstellungsprozess in einer industriellen Produktionsanlage, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung, ist üblicherweise sehr komplex und erfordert meist den Einsatz mehrerer Produktionseinheiten, welche jeweils eine oder mehrere Maschinen umfassen. Die in den Produktionseinheiten ausgeführten Prozessschritte und deren Ergebnisse sind voneinander abhängig, da beispielsweise Probleme in einer vorgelagerten Produktionseinheit gleichzeitig einen Einfluss auf die Bearbeitung und das Ergebnis der nachfolgenden Produktionseinheiten hat. Je größer und komplexer eine Produktionsanlage ist, desto komplizierter wird die Planung des Herstellungsprozesses.
Aus dem Stand der Technik ist es bekannt, die Produktionsplanung durch ein Produktionsplanungssystem computergestützt zu optimieren. Dabei werden beispielsweise Maschinenbelegungspläne, Personalplanung, Wartungsplanung, Ersatzteilhaltung, Rohstoffplanung und Energieverfügbarkeit und dergleichen berücksichtigt. So offenbart beispielsweise die WO 2018/145947 A1 ein Verfahren und System zur Planung der Produktion und/oder Wartung in einer Anlage der metallerzeugenden Industrie. Die Planung basiert dabei auf einer Zustandsüberwachung des zugrundeliegenden Automatisierungssystems und berücksichtigt ferner die Daten eines Qualitätsermittlungssystems zur Bestimmung der erzielten Produktqualitäten. Aus einer Verknüpfung der Zustandsdaten mit den erzielten Produktqualitäten wird eine optimierte Produktionsplanung und/oder Wartung für die Produktionsanlage abgeleitet. Es wird also der technische Zustand der Produktionsanlage überwacht und bei der zukünftigen Produktion und/oder Wartung berücksichtigt.
Aufgrund der Komplexität der Produktionsplanung und der damit verbundenen Produktionseinheiten und Informationen aus anderen Systemen und dergleichen ist der Einsatz der bekannten Produktionsplanungssysteme für einen Echtzeiteinsatz begrenzt. Die verwendeten Methoden weisen den Nachteil auf, dass optimale Ergebnisse aus Gründen der Rechenzeit nicht in Echtzeit, also im Realbetrieb, erhältlich sind. Zudem ist es oftmals schwierig, aus den diversen möglichen Optimierungsgrößen eine Zielfunktion zu ermitteln, die unter allen Bedingungen zu dem gewünschten Verhalten führt. Dies liegt daran, dass die hohen Rechenzeiten dazu führen, dass in mehreren Schritten auf mehreren Ebenen geplant wird, wodurch ein gesamtheitliches Optimum nicht mehr erreicht wird. Die Definition einer ungünstigen Zielfunktion führt jedoch dazu, dass die hohe Rechenkapazität nicht zielgerichtet auf den gesamten Herstellungsprozess, sondern nur hinsichtlich bestimmter Teilaspekte erfolgt.
Ein weiterer Nachteil der im Stand der Technik verwendeten Algorithmen ist, dass diese zum Zeitpunkt der Problemlösung, also der Bestimmung der Produktionsreihenfolge, eine erhebliche Rechenleistung und/oder hohe Rechenzeiten erfordern. Selbst wenn diese Algorithmen theoretisch in der Lage wären, eine optimierte Produktionsreihenfolge zu bestimmen, ist dies in der Praxis aufgrund unerwarteter Ereignisse und einer daraus notwendigen Anpassung der Produktionsreihenfolge nicht in Echtzeit möglich, insbesondere da ein unerwartetes Ereignis häufig nicht isoliert auftritt bzw. Auswirkungen auf mehrere Produktionseinheiten haben kann.
Ausgehend von diesem Stand der Technik liegt der Erfindung die Aufgabe zugrunde, den Herstellungsprozess in einer industriellen Produktionsanlage durch Erstellung einer Produktionsreihenfolge im Realbetrieb ganzheitlich zu optimieren.
Die Aufgabe wird erfindungsgemäß gelöst durch ein System zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung, wobei die Produktionsanlage umfasst:

mindestens eine Produktionseinheit mit jeweils mindestens einer Maschine,
ein Automatisierungssystem zur Steuerung der Produktion in der Produktionsanlage, insbesondere in der mindestens einen Produktionseinheit, wobei das Automatisierungssystem zur Ansteuerung der mindestens einen Maschine der mindestens einen Produktionseinheit ausgebildet ist,
ein Zustandsüberwachungssystem zur Erfassung von Zuständen der Produktionsanlage, insbesondere der mindestens einen Maschine der mindestens einen Produktionseinheit,
ein Produktionsplanungssystem zur Bestimmung einer Produktionsreihenfolge für die Produktionsanlage, wobei das Produktionsplanungssystem bei der Bestimmung der Produktionsreihenfolge die erfassten Zustände durch das Zustandsüberwachungssystem berücksichtigt und zur Umsetzung der bestimmten Produktionsreihenfolge Steuerbefehle für das Automatisierungssystem, insbesondere zur Ansteuerung der mindestens einen Maschine der mindestens einen Produktionseinheit, generiert,
welches sich dadurch auszeichnet, dass
das Produktionsplanungssystem die Produktionsreihenfolge mittels einer auf bestärkendem Lernen erzeugten künstlichen Intelligenz bestimmt.

Das Produktionsplanungssystem ist zweckmäßigerweise mit einem ERP-System (Enterprise Ressource Planning) verbunden, welches beispielsweise die kommerziellen Kundenaufträge für die Produktionsanlage verwaltet. In dem ERP-System werden insbesondere Liefertermine, Preise, Produktspezifikationen und Lieferbedingungen verwaltet. Aus diesen kommerziellen Daten müssen für den Betrieb der Produktionsanlage technische Prozessschritte definiert werden, die hintereinander ausgeführt werden müssen, um ein spezifiziertes Produkt herzustellen.
Eine auf bestärkendem Lernen erzeugte künstliche Intelligenz hat den Vorteil, dass die Produktionsreihenfolge in Echtzeit bestimmt werden kann, so dass im Realbetrieb der industriellen Produktionsanlage jederzeit eine optimierte Produktionsreihenfolge für den Herstellungsprozess vorliegt. Alternativ kann die Produktionsreihenfolge auch zu bestimmten Zeitpunkten und/oder nach vordefinierten Ereignissen bestimmt werden. Es ist auch nicht notwendig, den Herstellungsprozess in Teilprozesse zu unterteilen oder Optimierungsaspekte gesondert zu betrachten, so dass die bestimmte Produktionsreihenfolge ein globales Optimum für den Herstellungsprozess der industriellen Anlage bereitstellt.
Beim bestärkenden Lernen werden generell Aktoren betrachtet, welche bestimmte Aktionen ausführen können, welche den zukünftigen Zustand des Aktors beeinflussen. Der zukünftige Zustand wird nachfolgend bewertet und wenn vorgegebene Kriterien erfüllt werden, gibt es eine Belohnung oder eine Strafe, beispielsweise in Form von Punkten. Auf Basis des bestärkenden Lernens können somit Aktionen bestimmt werden, welche die erhaltenen Belohnungen maximiert.
Bei einem Herstellungsprozess in einer industriellen Produktionsanlage werden also unterschiedliche Aktionen der Produktionseinheiten, beispielsweise ausgeführt durch eine oder mehrere Maschinen, begutachtet und geprüft, ob die daraus resultierende Produktionsreihenfolge optimal ist. Eine so erzeugte künstliche Intelligenz kann im Realbetrieb der industriellen Produktionsanlage die Produktionsreihenfolge in Echtzeit bestimmen.
Bei der Begutachtung und Prüfung, also generell der Bewertung, der unterschiedlichen Aktionen der Produktionseinheiten, können beliebige Metriken eingesetzt werden. Beispielsweise kann diesbezüglich eine Berechnung der wirtschaftlichen Folgen einer Aktion vorgenommen werden, welche für jede Aktion die insgesamt anfallenden Kosten und Erlöse berechnet.
Zweckmäßigerweise werden gemäß der Erfindung für die Repräsentation der künstlichen Intelligenz neuronale Netze, insbesondere tiefe neuronale Netze, verwendet. Wenn sich der Raum der Systemzustände und Entscheidungen hinreichend stark vereinfacht und vollständig diskretisieren lässt, kann dabei beispielsweise eine Qualitätstabelle (Q-table) zum Einsatz kommen.
Das erfindungsgemäße System ist besondere für komplexe industrielle Produktionsanlagen mit mehreren Produktionseinheiten mit jeweils einer oder mehreren Maschinen vorteilhaft, da für diese nach dem Stand der Technik keine ganzheitlich optimierten Produktionsreihenfolgen in Echtzeit bestimmt werden können.
Die erfindungsgemäße künstliche Intelligenz berücksichtigt insbesondere die Daten des Zustandsüberwachungssystems und des Automatisierungssystems der industriellen Anlage bei der Bestimmung der optimierten Produktionsreihenfolge.
Die optimierte Produktionsreihenfolge kann nachfolgend vom Automatisierungssystem genutzt werden, um den optimierten Herstellungsprozess in der industriellen Produktionsanlage auszuführen.
Nach einer vorteilhaften Variante der Erfindung erzeugt das Produktionsplanungssystem bei der Bestimmung der Produktionsreihenfolge weiterhin Befehle, Anweisungen oder andere Informationen für weitere Systeme, Maschinen, Komponenten, Menschen oder dergleichen, welche für den Herstellungsprozess notwendig und/oder vorteilhaft sind, insbesondere von Setzwerten für eine Anlagenautomation. So können beispielsweise frühzeitig Aktionen von anderen Systemen, Maschinen, Komponenten, Menschen, usw. ausgeführt werden, wie z.B. eine frühzeitige Rohstoffbeschaffung, Ersatzteilbestellung, Personalplanung für Wartungsarbeiten oder dergleichen. Insbesondere können Setzwerte für eine Anlagenautomation ermittelt werden, um beispielsweise die Übergänge zwischen aufeinanderfolgenden Produkten zu optimieren. So werden vorzugsweise Ausbringungsverluste bei einem Produktwechsel reduziert, das Risiko einer Qualitätsabwertung verringert und/oder Störfälle während oder in der Folge des Produktwechsel minimiert.
In einer besonders vorteilhaften Variante der Erfindung umfasst das System, insbesondere das Produktionsplanungssystem, einen Simulator zur Simulation und Bewertung des Herstellungsprozesses in der Produktionsanlage, insbesondere aller erforderlichen Produktionsschritte des Herstellungsprozesses, wobei die künstliche Intelligenz anhand der Ergebnisse der Simulation trainiert wird und die Produktionsreihenfolge bestimmt. Mittels des Simulators lassen sich einfach und schnell eine Vielzahl von unterschiedlichen Aktionen der einen oder mehreren Produktionseinheiten simulieren und bewerten. Es können beim Training der künstlichen Intelligenz viele unterschiedliche Varianten bewertet werden, wodurch die Genauigkeit der verwendeten künstlichen Intelligenz gesteigert wird. Durch das Training anhand der Simulationen wird die Genauigkeit der künstlichen Intelligenz vor dem Realeinsatz gesteigert, welche nachfolgend auf Basis des Realeinsatzes noch weiter optimiert werden kann. Beispielsweise können durch den Simulator mehrere unterschiedliche Produktionsreihenfolgen simuliert und bewertet werden, insbesondere hinsichtlich des Übergangs zwischen der Herstellung unterschiedlicher Produkte. Dabei lernt die künstliche Intelligenz beispielsweise, welche Produkte problemlos hintereinander hergestellt werden können und bei welcher Produktreihenfolge in einer Produktionssequenz Probleme auftauchen. Im Realbetrieb wird die künstliche Intelligenz nachfolgend die Produktreihenfolgen mit identifizierten Problemen vermeiden. Dies ist nur ein beispielhafter Aspekt einer möglichen Optimierung, generell können durch die Simulation viele weitere Aspekte und deren Kombination miteinander geprüft und bewertet werden, so dass der komplexe Herstellungsprozess in der industriellen Produktionsanlage nachfolgend durch die künstliche Intelligenz in Echtzeit optimiert werden kann.
Gemäß einer bevorzugten Variante der Erfindung führt der Simulator mehrere Durchläufe für Entscheidungen im Laufe des Herstellungsprozesses durch und bewertet die entsprechenden Ergebnisse des Herstellungsprozesses für die gewählten Entscheidungen. Dadurch lässt sich die Genauigkeit der Optimierung durch die künstliche Intelligenz weiter verbessern, da die Datengrundlage für das Trainieren der künstlichen Intelligenz umfangreicher ist.
Nach einer vorteilhaften Variante der Erfindung simuliert und bewertet der Simulator wenigstens die Übergänge zwischen aufeinanderfolgenden Produkten innerhalb des Herstellungsprozesses. Insbesondere die Übergänge zwischen unterschiedlichen Produkten können sich nachteilig auf den Herstellungsprozess auswirken, da beispielsweise unterschiedliche Rohstoffe benötigt werden oder die Maschinen der Produktionseinheiten auf komplett andere Produktabmessungen eingestellt werden müssen. Dies sind nur zwei von vielen Problemen, die bei einem Produktwechsel in der Produktionsreihenfolge zu Einbußen führen können. Daher simuliert und bewertet der Simulator wenigstens die Produktübergänge, um die künstliche Intelligenz zu trainieren, so dass diese nachfolgend den Herstellungsprozess in der industriellen Produktionsanlage in Echtzeit optimieren kann.
In einer weiteren erfindungsgemäßen Variante berücksichtigt der Simulator die zeitliche Verfügbarkeit der mindestens einen Produktionseinheit mit der mindestens einen Maschine und/oder weiteren Systemen, Maschinen, Komponenten, Menschen oder dergleichen, die mit dem Herstellungsprozess in Verbindung stehen. Die Verfügbarkeit ergibt sich beispielweise aus dem allgemeinen Betriebszustand, dem Wartungsstatus, dem zugehörigen Belegungsplan, usw. Der Simulator berücksichtigt dabei beispielsweise auch die Verfügbarkeit von weiteren Systemen, Maschinen, Komponenten, Menschen oder dergleichen. Dazu zählen beispielsweise Bedienpersonal, Wartungspersonal, Betriebswechselteile, usw.
Gemäß einer bevorzugten Variante der Erfindung berücksichtigt der Simulator die für den Herstellungsprozess erforderlichen Rohstoffe, insbesondere deren Lagerbestände, im Zulauf befindliche Rohstoffe, Rohstoffverbräuche und dergleichen. Dadurch verbessert sich die Genauigkeit der Simulation und somit auch der darauf basierenden künstlichen Intelligenz, welche den Herstellungsprozess in der industriellen Produktionsanlage steuert. Das Risiko einer Unterbrechung des Herstellungsprozesses aufgrund fehlender Rohstoffe kann dadurch deutlich reduziert oder sogar ausgeschlossen werden. Ferner können die Rohstoffkosten von der künstlichen Intelligenz berücksichtigt werden, um die mit dem Herstellungsprozess in der industriellen Anlage verbundenen Herstellungskosten besser vorherzusagen.
Nach einer weiteren erfindungsgemäßen Variante berücksichtigt der Simulator die für den Herstellungsprozess benötigte Energieversorgung, insbesondere die Art des Energieträgers, die Verfügbarkeit, den Verbrauch, die Kosten und dergleichen. Dadurch lässt sich ebenfalls die Genauigkeit der Simulation verbessern und insbesondere lassen sich die Kosten des Herstellungsprozesses genauer vorhersagen, da der Herstellungsprozess in einer industriellen Produktionsanlage energieintensiv ist und die Kosten des Herstellungsprozesses von stark schwankenden Energiepreisen abhängen.
In einer zweckmäßigen Variante der Erfindung berücksichtigt der Simulator ferner die für den Herstellungsprozess erforderlichen Ersatzteile und Werkzeuge, insbesondere deren Lagerbestände, im Zulauf befindliche Ersatzteile und/oder Werkzeuge und dergleichen. Dadurch werden Stillstände im Herstellungsprozess der industriellen Produktionsanlage reduziert bzw. vermieden, da die zur Steuerung eingesetzte künstliche Intelligenz über die Simulationsergebnisse die Verfügbarkeit von Ersatzteilen und Werkzeugen berücksichtigt.
Gemäß einer weiteren erfindungsgemäßen Variante berücksichtigt der Simulator den für den Herstellungsprozess erforderlichen Personalbedarf, insbesondere die Personalverfügbarkeit, Personalqualifikation und dergleichen. Auch dadurch lässt sich die Genauigkeit der künstlichen Intelligenz und folglich der darauf basierende Herstellungsprozess in der industriellen Produktionsanlage in Form der bestimmten Produktionsreihenfolge verbessern.
Nach einer vorteilhaften erfindungsgemäßen Variante berücksichtigt der Simulator den Verschleiß der mindestens einen Produktionseinheit mit der mindestens einen Maschine, insbesondere erforderliche Wartungsarbeiten, Austauscharbeiten, Einflüsse auf die erzielte Produktqualität, geänderte Produktionsraten, geänderte Verbräuche von Energie und/oder Rohstoffen und dergleichen.
Gemäß einer bevorzugten Variante der Erfindung gleicht der Simulator seine Ergebnisse mit realen Produktionsdaten ab und passt seine internen Parameter an, um ein realistisches Verhalten des Herstellungsprozesses in der industriellen Produktionsanlage zu simulieren. Dies erfolgt beispielsweise durch den Einsatz von maschinellen Lernverfahren. Insbesondere kann so jeweils nachgehalten werden, wie lange Stillstandzeiten oder wie groß Ausbringungsverluste bei Produktwechseln sind. Es können auch Rohstoffverbräuche, Energieverbräuche, Wartungsintervalle und dergleichen angepasst werden, so dass diese möglichst der Realität entsprechen.
In einer weiteren vorteilhaften Variante der Erfindung berechnet der Simulator Kosten für Entscheidungen innerhalb der Simulation und bewertet die Ergebnisse der Simulation basierend auf den berechneten kosten. Die Koten betreffen unter anderem Ressourcenkosten, Personalkosten, Energiekosten, Erlöse, Ersatzteilkosten und/oder Opportunitätskosten.
Nach einer zweckmäßigen Variante läuft der Simulator strikt deterministisch ab oder beinhaltet stochastische Elemente, insbesondere zufällige Ereignisse wie Störungen, Ausfälle, Unterbrechungen und dergleichen.
Die Aufgabe wird ferner gelöst durch ein Verfahren zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung,
wobei die Produktionsanlage mindestens eine Produktionseinheit mit jeweils mindestens einer Maschine umfasst,
umfassend die Schritte:

Erfassen der Zustände der Produktionsanlage, insbesondere der mindestens einen Maschine der mindestens einen Produktionseinheit,
Bestimmen einer Produktionsreihenfolge für die Produktionsanlage, insbesondere durch ein Produktionsplanungssystem, wobei bei der Bestimmung der Produktionsreihenfolge die erfassten Zustände der Produktionsanlage berücksichtigt werden,
Generieren von Steuerbefehlen für ein Automatisierungssystem der Produktionsanlage zur Umsetzung der bestimmten Produktionsreihenfolge, insbesondere zur Ansteuerung der mindestens einen Maschine der mindestens einen Produktionseinheit,
welches sich dadurch auszeichnet, dass
die Produktionsreihenfolge mittels einer auf bestärkendem Lernen erzeugten künstlichen Intelligenz bestimmt wird.

Die künstliche Intelligenz, insbesondere das Produktionsplanungssystem, ist zweckmäßigerweise mit einem ERP-System (Enterprise Ressource Planning) verbunden, welches beispielsweise die kommerziellen Kundenaufträge für die Produktionsanlage verwaltet. In dem ERP-System werden insbesondere Liefertermine, Preise, Produktspezifikationen und Lieferbedingungen verwaltet. Aus diesen kommerziellen Daten müssen für den Betrieb der Produktionsanlage technische Prozessschritte definiert werden, die hintereinander ausgeführt werden müssen, um ein spezifiziertes Produkt herzustellen.
Eine auf bestärkendem Lernen erzeugte künstliche Intelligenz hat den Vorteil, dass das erfindungsgemäße Verfahren, insbesondere die Bestimmung der Produktionsreihenfolge, in Echtzeit bestimmt werden kann, so dass im Realbetrieb der industriellen Produktionsanlage jederzeit eine optimierte Produktionsreihenfolge für den Herstellungsprozess vorliegt. Alternativ kann die Produktionsreihenfolge auch zu bestimmten Zeitpunkten und/oder nach vordefinierten Ereignissen bestimmt werden. Es ist auch nicht notwendig, den Herstellungsprozess in Teilprozesse zu unterteilen oder Optimierungsaspekte gesondert zu betrachten, so dass die bestimmte Produktionsreihenfolge ein globales Optimum für den Herstellungsprozess der industriellen Anlage bereitstellt.
Beim bestärkenden Lernen werden generell Aktoren betrachtet, welche bestimmte Aktionen ausführen können, welche den zukünftigen Zustand des Aktors beeinflussen. Der zukünftige Zustand wird nachfolgend bewertet und wenn vorgegebene Kriterien erfüllt werden, gibt es eine Belohnung oder eine Strafe, beispielsweise in Form von Punkten. Auf Basis des bestärkenden Lernens können somit Aktionen bestimmt werden, welche die erhaltenen Belohnungen maximiert.
Bei einem Herstellungsprozess in einer industriellen Produktionsanlage werden also unterschiedliche Aktionen der Produktionseinheiten, beispielsweise ausgeführt durch eine oder mehrere Maschinen, begutachtet und geprüft, ob die daraus resultierende Produktionsreihenfolge optimal ist. Eine so erzeugte künstliche Intelligenz kann im Realbetrieb der industriellen Produktionsanlage die Produktionsreihenfolge in Echtzeit bestimmen.
Bei der Begutachtung und Prüfung, also generell der Bewertung, der unterschiedlichen Aktionen der Produktionseinheiten, können beliebige Metriken eingesetzt werden. Beispielsweise kann diesbezüglich eine Berechnung der wirtschaftlichen Folgen einer Aktion vorgenommen werden, welche für jede Aktion die insgesamt anfallenden Kosten und Erlöse berechnet.
Zweckmäßigerweise werden gemäß der Erfindung für die Repräsentation der künstlichen Intelligenz neuronale Netze, insbesondere tiefe neuronale Netze, verwendet. Wenn sich der Raum der Systemzustände und Entscheidungen hinreichend stark vereinfacht und vollständig diskretisieren lässt, kann dabei beispielsweise eine Qualitätstabelle (Q-table) zum Einsatz kommen.
Das erfindungsgemäße Verfahren ist besondere für komplexe industrielle Produktionsanlagen mit mehreren Produktionseinheiten mit jeweils einer oder mehreren Maschinen vorteilhaft, da für diese nach dem Stand der Technik keine ganzheitlich optimierten Produktionsreihenfolgen in Echtzeit bestimmt werden können.
Die erfindungsgemäße künstliche Intelligenz berücksichtigt insbesondere die Daten des Zustandsüberwachungssystems und des Automatisierungssystems der industriellen Anlage bei der Bestimmung der optimierten Produktionsreihenfolge.
Die optimierte Produktionsreihenfolge kann nachfolgend vom Automatisierungssystem genutzt werden, um den optimierten Herstellungsprozess in der industriellen Produktionsanlage auszuführen.
Nach einer vorteilhaften Variante der Erfindung umfasst das Verfahren weiterhin das Erzeugen von Befehlen, Anweisungen oder anderen Informationen für weitere Systeme, Maschinen, Komponenten, Menschen oder dergleichen bei der Bestimmung der Produktionsreihenfolge, welche für den Herstellungsprozess notwendig und/oder vorteilhaft sind, insbesondere von Setzwerten für eine Anlagenautomation. So können beispielsweise frühzeitig Aktionen von anderen Systemen, Maschinen, Komponenten, Menschen, usw. ausgeführt werden, wie z.B. eine frühzeitige Rohstoffbeschaffung, Ersatzteilbestellung, Personalplanung für Wartungsarbeiten oder dergleichen. Insbesondere können Setzwerte für eine Anlagenautomation ermittelt werden, um beispielsweise die Übergänge zwischen aufeinanderfolgenden Produkten zu optimieren. So werden vorzugsweise Ausbringungsverluste bei einem Produktwechsel reduziert, das Risiko einer Qualitätsabwertung verringert und/oder Störfälle während oder in der Folge des Produktwechsel minimiert.
In einer besonders vorteilhaften Variante der Erfindung umfasst das Verfahren das Simulieren und Bewerten des Herstellungsprozesses in der Produktionsanlage, insbesondere aller erforderlichen Produktionsschritte des Herstellungsprozesses, und Trainieren der künstlichen Intelligenz anhand der Ergebnisse der Simulation zur Bestimmung der Produktionsreihenfolge. Das Simulieren und Bewerten findet beispielsweise in einem Simulator des Produktionsplanungssystems der Produktionsanlage statt. Mittels der Simulation lassen sich einfach und schnell eine Vielzahl von unterschiedlichen Aktionen der einen oder mehreren Produktionseinheiten simulieren und bewerten. Es können beim Training der künstlichen Intelligenz viele unterschiedliche Varianten bewertet werden, wodurch die Genauigkeit der verwendeten künstlichen Intelligenz gesteigert wird. Durch das Training anhand der Simulationen wird die Genauigkeit der künstlichen Intelligenz vor dem Realeinsatz gesteigert, welche nachfolgend auf Basis des Realeinsatzes noch weiter optimiert werden kann. Beispielsweise können durch die Simulationen mehrere unterschiedliche Produktionsreihenfolgen simuliert und bewertet werden, insbesondere hinsichtlich des Übergangs zwischen der Herstellung unterschiedlicher Produkte. Dabei lernt die künstliche Intelligenz beispielsweise, welche Produkte problemlos hintereinander hergestellt werden können und bei welcher Produktreihenfolge in einer Produktionssequenz Probleme auftauchen. Im Realbetrieb wird die künstliche Intelligenz nachfolgend die Produktreihenfolgen mit identifizierten Problemen vermeiden. Dies ist nur ein beispielhafter Aspekt einer möglichen Optimierung, generell können durch die Simulation viele weitere Aspekte und deren Kombination miteinander geprüft und bewertet werden, so dass der komplexe Herstellungsprozess in der industriellen Produktionsanlage nachfolgend durch die künstliche Intelligenz in Echtzeit optimiert werden kann.
Gemäß einer bevorzugten Variante der Erfindung umfasst das Verfahren das Durchführen mehrerer Simulationsdurchläufe für Entscheidungen im Laufe des Herstellungsprozesses und Bewerten der entsprechenden Ergebnisse des Herstellungsprozesses für die gewählten Entscheidungen. Dadurch lässt sich die Genauigkeit der Optimierung durch die künstliche Intelligenz weiter verbessern, da die Datengrundlage für das Trainieren der künstlichen Intelligenz umfangreicher ist.
Nach einer vorteilhaften Variante der Erfindung werden wenigstens die Übergänge zwischen aufeinanderfolgenden Produkten innerhalb des Herstellungsprozesses simuliert und bewertet. Insbesondere die Übergänge zwischen unterschiedlichen Produkten können sich nachteilig auf den Herstellungsprozess auswirken, da beispielsweise unterschiedliche Rohstoffe benötigt werden oder die Maschinen der Produktionseinheiten auf komplett andere Produktabmessungen eingestellt werden müssen. Dies sind nur zwei von vielen Problemen, die bei einem Produktwechsel in der Produktionsreihenfolge zu Einbußen führen können. Daher simuliert und bewertet das erfindungsgemäße Verfahren wenigstens die Produktübergänge, um die künstliche Intelligenz zu trainieren, so dass diese nachfolgend den Herstellungsprozess in der industriellen Produktionsanlage in Echtzeit optimieren kann.
In einer weiteren erfindungsgemäßen Variante umfasst das Verfahren das Berücksichtigen der zeitlichen Verfügbarkeit der mindestens einen Produktionseinheit mit der mindestens einen Maschine und/oder weiteren Systemen, Maschinen, Komponenten, Menschen oder dergleichen, die mit dem Herstellungsprozess in Verbindung stehen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage. Die Verfügbarkeit ergibt sich beispielweise aus dem allgemeinen Betriebszustand, dem Wartungsstatus, dem zugehörigen Belegungsplan, usw. Der Simulator berücksichtigt dabei beispielsweise auch die Verfügbarkeit von weiteren Systemen, Maschinen, Komponenten, Menschen oder dergleichen. Dazu zählen beispielsweise Bedienpersonal, Wartungspersonal, Betriebswechselteile, usw.
Gemäß einer bevorzugten Variante der Erfindung umfasst das Verfahren ferner das Berücksichtigen der für den Herstellungsprozess erforderlichen Rohstoffe, insbesondere deren Lagerbestände, im Zulauf befindliche Rohstoffe, Rohstoffverbräuche und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage. Dadurch verbessert sich die Genauigkeit der Simulation und somit auch der darauf basierenden künstlichen Intelligenz, welche den Herstellungsprozess in der industriellen Produktionsanlage steuert. Das Risiko einer Unterbrechung des Herstellungsprozesses aufgrund fehlender Rohstoffe kann dadurch deutlich reduziert oder sogar ausgeschlossen werden. Ferner können die Rohstoffkosten von der künstlichen Intelligenz berücksichtigt werden, um die mit dem Herstellungsprozess in der industriellen Anlage verbundenen Herstellungskosten besser vorherzusagen.
Nach einer weiteren erfindungsgemäßen Variante umfasst das Verfahren das Berücksichtigen der für den Herstellungsprozess benötigten Energieversorgung, insbesondere die Art des Energieträgers, die Verfügbarkeit, den Verbrauch, die Kosten und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage. Dadurch lässt sich ebenfalls die Genauigkeit der Simulation verbessern und insbesondere lassen sich die Kosten des Herstellungsprozesses genauer vorhersagen, da der Herstellungsprozess in einer industriellen Produktionsanlage energieintensiv ist und die Kosten des Herstellungsprozesses von stark schwankenden Energiepreisen abhängen.
In einer zweckmäßigen Variante der Erfindung umfasst das Verfahren das Berücksichtigen der für den Herstellungsprozess erforderlichen Ersatzteile und Werkzeuge, insbesondere deren Lagerbestände, im Zulauf befindliche Ersatzteile und/oder Werkzeuge und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage. Dadurch werden Stillstände im Herstellungsprozess der industriellen Produktionsanlage reduziert bzw. vermieden, da die zur Steuerung eingesetzte künstliche Intelligenz über die Simulationsergebnisse die Verfügbarkeit von Ersatzteilen und Werkzeugen berücksichtigt.
Gemäß einer weiteren erfindungsgemäßen Variante umfasst das Verfahren das Berücksichtigen des für den Herstellungsprozess erforderlichen Personalbedarfs, insbesondere die Personalverfügbarkeit, Personalqualifikation und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage. Auch dadurch lässt sich die Genauigkeit der künstlichen Intelligenz und folglich der darauf basierende Herstellungsprozess in der industriellen Produktionsanlage in Form der bestimmten Produktionsreihenfolge verbessern.
Nach einer vorteilhaften erfindungsgemäßen Variante umfasst das Verfahren das Berücksichtigen des Verschleißes der mindestens einen Produktionseinheit mit der mindestens einen Maschine, insbesondere erforderliche Wartungsarbeiten, Austauscharbeiten, Einflüsse auf die erzielte Produktqualität, geänderte Produktionsraten, geänderte Verbräuche von Energie und/oder Rohstoffen und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage.
Gemäß einer bevorzugten Variante der Erfindung gleicht der Simulator seine Ergebnisse mit realen Produktionsdaten ab und passt seine internen Parameter an, um ein realistisches Verhalten des Herstellungsprozesses in der industriellen Produktionsanlage zu simulieren. Dies erfolgt beispielsweise durch den Einsatz von maschinellen Lernverfahren. Insbesondere kann so jeweils nachgehalten werden, wie lange Stillstandzeiten oder wie groß Ausbringungsverluste bei Produktwechseln sind. Es können auch Rohstoffverbräuche, Energieverbräuche, Wartungsintervalle und dergleichen angepasst werden, so dass diese möglichst der Realität entsprechen.
In einer weiteren vorteilhaften Variante der Erfindung berechnet der Simulator Kosten für Entscheidungen innerhalb der Simulation und bewertet die Ergebnisse der Simulation basierend auf den berechneten kosten. Die Koten betreffen unter anderem Ressourcenkosten, Personalkosten, Energiekosten, Erlöse, Ersatzteilkosten und/oder Opportunitätskosten.
Nach einer zweckmäßigen Variante läuft das Simulieren und Bewerten strikt deterministisch ab oder beinhaltet stochastische Elemente, insbesondere zufällige Ereignisse wie Störungen, Ausfälle, Unterbrechungen und dergleichen.
Die Aufgabe wird ferner gelöst durch ein Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das erfindungsgemäße Verfahren auszuführen.
Nachfolgend wird die Erfindung anhand eines in der beigefügten Figur dargestellten Ausführungsbeispiels näher erläutert. Es zeigt:

1 eine schematische Ansicht eines Ausführungsbeispiels eines erfindungsgemäßen Systems zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung.

1 zeigt eine schematische Ansicht eines Ausführungsbeispiels eines erfindungsgemäßen Systems 1 zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage 2, insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung. Die in 1 dargestellte Produktionsanlage umfasst drei Produktionseinheiten 3 mit jeweils mindestens einer Maschine 4. Die Anzahl der Produktionseinheiten 3 ist erfindungsgemäß nicht begrenzt und in 1 der Übersicht halber auf drei begrenzt.
Das erfindungsgemäße System 1 umfasst ferner ein Automatisierungssystem 5 zur Steuerung der Produktion in der Produktionsanlage 2. In dem Ausführungsbeispiel aus 1 ist den jeweiligen Produktionseinheiten 3 ein Automatisierungssystem 5 zugeordnet, zur Ansteuerung der mindestens einen Maschine 4 der jeweiligen Produktionseinheit 3. Es können aber auch zusätzlich oder alternativ übergeordnete Automatisierungssysteme 5 genutzt werden. Auch können die Automatisierungssysteme 5 untereinander vernetzt sein, beispielsweise über ein Bus-System. Das mindestens eine Automatisierungssystem 5 ist beispielsweise als Speicherprogrammierbare Steuerung (SPS) ausgebildet.
Das erfindungsgemäße System 1 umfasst weiterhin ein Zustandsüberwachungssystem 6 zur Erfassung von Zuständen der Produktionsanlage 2. In dem dargestellten Ausführungsbeispiel ist den Produktionseinheiten 3 jeweils ein Zustandsüberwachungssystem 6 zugeordnet. Es können aber auch zusätzlich oder alternativ übergeordnete Zustandsüberwachungssysteme 6 genutzt werden.
Die Produktionsreihenfolge für die Produktionsanlage 2 wird durch ein Produktionsplanungssystem 7 bestimmt. Bei der Bestimmung der Produktionsreihenfolge berücksichtigt das Produktionsplanungssystem 7 die erfassten Zustände durch das Zustandsüberwachungssystem 6. Zur Umsetzung der bestimmten Produktionsreihenfolge generiert das Produktionsplanungssystem 7 Steuerbefehle für das Automatisierungssystem 5, insbesondere zur Ansteuerung der mindestens einen Maschine 4 der mindestens einen Produktionseinheit 3.
Gemäß der vorliegenden Erfindung bestimmt das Produktionsplanungssystem 7 die Produktionsreihenfolge in Echtzeit mittels einer auf bestärkendem Lernen erzeugten künstlichen Intelligenz 8. Dabei berücksichtigt die erfindungsgemäße künstliche Intelligenz 8 insbesondere die Daten des Zustandsüberwachungssystems 6 und des Automatisierungssystems 5 der Produktionsanlage 2 bei der Bestimmung der optimierten Produktionsreihenfolge. Die optimierte Produktionsreihenfolge kann nachfolgend vom Automatisierungssystem 5 genutzt werden, um den optimierten Herstellungsprozess in der industriellen Produktionsanlage 2 auszuführen.
Zweckmäßigerweise werden gemäß der Erfindung für die Repräsentation der künstlichen Intelligenz 8 neuronale Netze, insbesondere tiefe neuronale Netze, verwendet. Wenn sich der Raum der Systemzustände und Entscheidungen hinreichend stark vereinfacht und vollständig diskretisieren lässt, kann dabei beispielsweise eine Qualitätstabelle (Q-table) zum Einsatz kommen. Beim bestärkenden Lernen werden generell Aktoren betrachtet, welche bestimmte Aktionen ausführen können, welche den zukünftigen Zustand des Aktors beeinflussen. Der zukünftige Zustand wird nachfolgend bewertet und wenn vorgegebene Kriterien erfüllt werden, gibt es eine Belohnung oder eine Strafe, beispielsweise in Form von Punkten. Auf Basis des bestärkenden Lernens können somit Aktionen bestimmt werden, welche die erhaltenen Belohnungen maximiert.
Eine auf bestärkendem Lernen erzeugte künstliche Intelligenz 8 hat den Vorteil, dass die Produktionsreihenfolge in Echtzeit ausgeführt werden kann, so dass im Realbetrieb der industriellen Produktionsanlage 2 jederzeit eine optimierte Produktionsreihenfolge für den Herstellungsprozess vorliegt. Es ist auch nicht notwendig, den Herstellungsprozess in Teilprozesse zu unterteilen oder Optimierungsaspekte gesondert zu betrachten, so dass die bestimmte Produktionsreihenfolge ein globales Optimum für den Herstellungsprozess der industriellen Anlage bereitstellt. Das erfindungsgemäße System 1 ist daher besonders für komplexe industrielle Produktionsanlagen 2 mit mehreren Produktionseinheiten 3 mit jeweils einer oder mehreren Maschinen 4 geeignet.
Das Produktionsplanungssystem 7 ist zweckmäßigerweise mit einem nicht dargestellten ERP-System (Enterprise Ressource Planning) verbunden, welches beispielsweise die kommerziellen Kundenaufträge für die Produktionsanlage 2 verwaltet. In dem ERP-System werden insbesondere Liefertermine, Preise, Produktspezifikationen und Lieferbedingungen verwaltet. Aus diesen kommerziellen Daten müssen für den Betrieb der Produktionsanlage 2 technische Prozessschritte definiert werden, die hintereinander ausgeführt werden müssen, um ein spezifiziertes Produkt herzustellen.
Das Produktionsplanungssystem 7 erzeugt insbesondere bei der Bestimmung der Produktionsreihenfolge weiterhin Befehle, Anweisungen oder andere Informationen für weitere Systeme, Maschinen, Komponenten, Menschen oder dergleichen, welche für den Herstellungsprozess notwendig und/oder vorteilhaft sind.
Gemäß dem in 1 dargestellten Ausführungsbeispiel umfasst das System 1 weiterhin einen Simulator 9 zur Simulation und Bewertung des Herstellungsprozesses in der Produktionsanlage 2, insbesondere aller erforderlichen Produktionsschritte des Herstellungsprozesses. Die künstliche Intelligenz 8 wird erfindungsgemäß anhand der Ergebnisse der Simulation trainiert und bestimmt nachfolgend die Produktionsreihenfolge. Mittels des Simulators 9 lassen sich einfach und schnell eine Vielzahl von unterschiedlichen Aktionen der mehreren Produktionseinheiten 3 simulieren und bewerten. Es können beim Training der künstlichen Intelligenz 8 viele unterschiedliche Varianten bewertet werden, wodurch die Genauigkeit der verwendeten künstlichen Intelligenz 8 gesteigert wird. Durch das Training anhand der Simulationen wird die Genauigkeit der künstlichen Intelligenz 8 vor dem Realeinsatz gesteigert, welche nachfolgend auf Basis des Realeinsatzes noch weiter optimiert werden kann. Beispielsweise können durch den Simulator 9 mehrere unterschiedliche Produktionsreihenfolgen simuliert und bewertet werden, insbesondere hinsichtlich des Übergangs zwischen der Herstellung unterschiedlicher Produkte. Dabei lernt die künstliche Intelligenz 8 beispielsweise, welche Produkte problemlos hintereinander hergestellt werden können und bei welchen Produktreihenfolgen in einer Produktionssequenz Probleme auftauchen. Im Realbetrieb wird die künstliche Intelligenz 8 nachfolgend die Produktreihenfolgen mit identifizierten Problemen vermeiden. Dies ist nur ein beispielhafter Aspekt einer möglichen Optimierung, generell können durch die Simulation viele weitere Aspekte und deren Kombination miteinander geprüft und bewertet werden, so dass der komplexe Herstellungsprozess in der industriellen Produktionsanlage 2 nachfolgend durch die künstliche Intelligenz 8 in Echtzeit optimiert werden kann. Dementsprechend simuliert und bewertet der Simulator 9 insbesondere wenigstens die Übergänge zwischen aufeinanderfolgenden Produkten innerhalb des Herstellungsprozesses.
Erfindungsgemäß führt der Simulator 9 vorzugsweise mehrere Durchläufe für Entscheidungen im Laufe des Herstellungsprozesses durch und bewertet die entsprechenden Ergebnisse des Herstellungsprozesses für die gewählten Entscheidungen.
Bei den Simulationen berücksichtigt der Simulator 9 beispielsweise die zeitliche Verfügbarkeit der Produktionseinheiten 3 mit den jeweiligen Maschinen 4 und/oder weiterer Systeme, Maschinen, Komponenten, Menschen oder dergleichen, die mit dem Herstellungsprozess in Verbindung stehen.
Vorteilhafterweise berücksichtigt der Simulator 9 die für den Herstellungsprozess erforderlichen Rohstoffe, insbesondere deren Lagerbestände, im Zulauf befindliche Rohstoffe, Rohstoffverbräuche und dergleichen. Ferner kann der Simulator 9 die für den Herstellungsprozess benötigte Energieversorgung berücksichtigen, insbesondere die Art des Energieträgers, die Verfügbarkeit, den Verbrauch, die Kosten und dergleichen. Auch kann der Simulator 9 die für den Herstellungsprozess erforderlichen Ersatzteile und Werkzeuge berücksichtigen, insbesondere deren Lagerbestände, im Zulauf befindliche Ersatzteile und/oder Werkzeuge und dergleichen.
In einer vorteilhaften Variante der Erfindung berücksichtigt der Simulator 9 ebenfalls den für den Herstellungsprozess erforderlichen Personalbedarf, insbesondere die Personalverfügbarkeit, Personalqualifikation und dergleichen.
Industrielle Produktionsanlagen 2 unterliegen während des Herstellungsprozesses üblicherweise einem hohen Verschleiß, beispielsweise durch die hohen Prozesstemperaturen, auftretenden Kräfte und dergleichen. Aus diesem Grund berücksichtigt der Simulator 9 vorzugsweise auch den Verschleiß der Produktionseinheiten 3 mit zugehörigen Maschinen 4, insbesondere erforderliche Wartungsarbeiten, Austauscharbeiten, Einflüsse auf die erzielte Produktqualität, geänderte Produktionsraten, geänderte Verbräuche von Energie und/oder Rohstoffen und dergleichen.
Der Simulator 9 läuft strikt deterministisch ab oder beinhaltet stochastische Elemente, insbesondere zufällige Ereignisse wie Störungen, Ausfälle, Unterbrechungen und dergleichen.
Bezugszeichenliste

1: System
2: Produktionsanlage
3: Produktionseinheit
4: Maschine
5: Automatisierungssystem
6: Zustandsüberwachungssystem
7: Produktionsplanungssystem
8: künstliche Intelligenz
9: Simulator

ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

WO 2018145947 A1 [0008]

Claims

System (1) zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage (2), insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung, wobei die Produktionsanlage (2) umfasst: mindestens eine Produktionseinheit (3) mit jeweils mindestens einer Maschine (4), ein Automatisierungssystem (5) zur Steuerung der Produktion in der Produktionsanlage (2), insbesondere in der mindestens einen Produktionseinheit (3), wobei das Automatisierungssystem (5) zur Ansteuerung der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3) ausgebildet ist, ein Zustandsüberwachungssystem (6) zur Erfassung von Zuständen der Produktionsanlage (2), insbesondere der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3), ein Produktionsplanungssystem (7) zur Bestimmung einer Produktionsreihenfolge für die Produktionsanlage (2), wobei das Produktionsplanungssystem (7) bei der Bestimmung der Produktionsreihenfolge die erfassten Zustände durch das Zustandsüberwachungssystem (6) berücksichtigt und zur Umsetzung der bestimmten Produktionsreihenfolge Steuerbefehle für das Automatisierungssystem (5), insbesondere zur Ansteuerung der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3), generiert, dadurch gekennzeichnet, dass das Produktionsplanungssystem (7) die Produktionsreihenfolge mittels einer auf bestärkendem Lernen erzeugten künstlichen Intelligenz (8) bestimmt.
System (1) nach Anspruch 1, wobei das Produktionsplanungssystem (7) bei der Bestimmung der Produktionsreihenfolge weiterhin Befehle, Anweisungen oder andere Informationen für weitere Systeme, Maschinen, Komponenten, Menschen oder dergleichen erzeugt, welche für den Herstellungsprozess notwendig und/oder vorteilhaft sind, insbesondere von Setzwerten für eine Anlagenautomation.
System (1) nach Anspruch 1 oder Anspruch 2, umfassend einen Simulator (9) zur Simulation und Bewertung des Herstellungsprozesses in der Produktionsanlage (2), insbesondere aller erforderlichen Produktionsschritte des Herstellungsprozesses, wobei die künstliche Intelligenz (8) anhand der Ergebnisse der Simulation trainiert wird und die Produktionsreihenfolge bestimmt.
System (1) nach Anspruch 3, wobei der Simulator (9) mehrere Durchläufe für Entscheidungen im Laufe des Herstellungsprozesses durchführt und die entsprechenden Ergebnisse des Herstellungsprozesses für die gewählten Entscheidungen bewertet.
System (1) nach Anspruch 3 oder Anspruch 4, wobei der Simulator (9) wenigstens die Übergänge zwischen aufeinanderfolgenden Produkten innerhalb des Herstellungsprozesses simuliert und bewertet.
System (1) nach einem der Ansprüche 3 bis 5, wobei der Simulator (9) die zeitliche Verfügbarkeit der mindestens einen Produktionseinheit (3) mit der mindestens einen Maschine (4) und/oder weiteren Systemen, Maschinen, Komponenten, Menschen oder dergleichen, die mit dem Herstellungsprozess in Verbindung stehen, berücksichtigt.
System (1) nach einem der Ansprüche 3 bis 6, wobei der Simulator (9) die für den Herstellungsprozess erforderlichen Rohstoffe berücksichtigt, insbesondere deren Lagerbestände, im Zulauf befindliche Rohstoffe, Rohstoffverbräuche und dergleichen.
System (1) nach einem der Ansprüche 3 bis 7, wobei der Simulator (9) die für den Herstellungsprozess benötigte Energieversorgung berücksichtigt, insbesondere die Art des Energieträgers, die Verfügbarkeit, den Verbrauch, die Kosten und dergleichen.
System (1) nach einem der Ansprüche 3 bis 8, wobei der Simulator (9) die für den Herstellungsprozess erforderlichen Ersatzteile und Werkzeuge berücksichtigt, insbesondere deren Lagerbestände, im Zulauf befindliche Ersatzteile und/oder Werkzeuge und dergleichen.
System (1) nach einem der Ansprüche 3 bis 9, wobei der Simulator (9) den für den Herstellungsprozess erforderlichen Personalbedarf berücksichtigt, insbesondere die Personalverfügbarkeit, Personalqualifikation und dergleichen.
System (1) nach einem der Ansprüche 3 bis 10, wobei der Simulator (9) den Verschleiß der mindestens einen Produktionseinheit (3) mit der mindestens einen Maschine (4) berücksichtigt, insbesondere erforderliche Wartungsarbeiten, Austauscharbeiten, Einflüsse auf die erzielte Produktqualität, geänderte Produktionsraten, geänderte Verbräuche von Energie und/oder Rohstoffen und dergleichen.
System (1) nach einem der Ansprüche 3 bis 11, wobei der Simulator (9) seine Ergebnisse mit realen Produktionsdaten abgleicht und seine internen Parameter anpasst, um ein realistisches Verhalten des Herstellungsprozesses in der industriellen Produktionsanlage (2) zu simulieren.
System (1) nach einem der Ansprüche 3 bis 12, wobei der Simulator (9) Kosten für Entscheidungen innerhalb der Simulation berechnet und die Ergebnisse der Simulation basierend auf den berechneten kosten bewertet.
System (1) nach einem der Ansprüche 3 bis 13, wobei der Simulator (9) strikt deterministisch abläuft oder stochastische Elemente beinhaltet, insbesondere zufällige Ereignisse wie Störungen, Ausfälle, Unterbrechungen und dergleichen.
Verfahren zur Optimierung eines Herstellungsprozesses in einer industriellen Produktionsanlage (2), insbesondere einer Anlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung, wobei die Produktionsanlage (2) mindestens eine Produktionseinheit (3) mit jeweils mindestens einer Maschine (4) umfasst, umfassend die Schritte: Erfassen der Zustände der Produktionsanlage (2), insbesondere der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3), Bestimmen einer Produktionsreihenfolge für die Produktionsanlage (2), insbesondere durch ein Produktionsplanungssystem (7), wobei bei der Bestimmung der Produktionsreihenfolge die erfassten Zustände der Produktionsanlage (2) berücksichtigt werden, Generieren von Steuerbefehlen für ein Automatisierungssystem (5) der Produktionsanlage (2) zur Umsetzung der bestimmten Produktionsreihenfolge, insbesondere zur Ansteuerung der mindestens einen Maschine (4) der mindestens einen Produktionseinheit (3), dadurch gekennzeichnet, dass die Produktionsreihenfolge mittels einer auf bestärkendem Lernen erzeugten künstlichen Intelligenz (8) bestimmt wird.
Verfahren nach Anspruch 15, weiterhin umfassend das Erzeugen von Befehlen, Anweisungen oder andere Informationen für weitere Systeme, Maschinen, Komponenten, Menschen oder dergleichen bei der Bestimmung der Produktionsreihenfolge, welche für den Herstellungsprozess notwendig und/oder vorteilhaft sind, insbesondere von Setzwerten für eine Anlagenautomation.
Verfahren nach Anspruch 15 oder Anspruch 16, umfassend das Simulieren und Bewerten des Herstellungsprozesses in der Produktionsanlage (2), insbesondere aller erforderlichen Produktionsschritte des Herstellungsprozesses, und Trainieren der künstlichen Intelligenz (8) anhand der Ergebnisse der Simulation zur Bestimmung der Produktionsreihenfolge.
Verfahren nach Anspruch 17, umfassend das Durchführen mehrerer Simulationsdurchläufe für Entscheidungen im Laufe des Herstellungsprozesses und Bewerten der entsprechenden Ergebnisse des Herstellungsprozesses für die gewählten Entscheidungen.
Verfahren nach Anspruch 17 oder Anspruch 18, umfassend das Simulieren und Bewerten wenigstens der Übergänge zwischen Produktübergängen innerhalb des Herstellungsprozesses.
Verfahren nach einem der Ansprüche 17 bis 19, umfassend das Berücksichtigen der zeitlichen Verfügbarkeit der mindestens einen Produktionseinheit (3) mit der mindestens einen Maschine (4) und/oder weiteren Systemen, Maschinen, Komponenten, Menschen oder dergleichen, die mit dem Herstellungsprozess in Verbindung stehen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage (2).
Verfahren nach einem der Ansprüche 17 bis 20, umfassend das Berücksichtigen der für den Herstellungsprozess erforderlichen Rohstoffe, insbesondere deren Lagerbestände, im Zulauf befindliche Rohstoffe, Rohstoffverbräuche und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage (2).
Verfahren nach einem der Ansprüche 17 bis 21, umfassend das Berücksichtigen der für den Herstellungsprozess benötigten Energieversorgung, insbesondere die Art des Energieträgers, die Verfügbarkeit, den Verbrauch, die Kosten und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage (2).
Verfahren nach einem der Ansprüche 17 bis 22, umfassend das Berücksichtigen der für den Herstellungsprozess erforderlichen Ersatzteile und Werkzeuge, insbesondere deren Lagerbestände, im Zulauf befindliche Ersatzteile und/oder Werkzeuge und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage (2).
Verfahren nach einem der Ansprüche 17 bis 23, umfassend das Berücksichtigen des für den Herstellungsprozess erforderlichen Personalbedarfs, insbesondere die Personalverfügbarkeit, Personalqualifikation und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage (2).
Verfahren nach einem der Ansprüche 17 bis 24, umfassend das Berücksichtigen des Verschleißes der mindestens einen Produktionseinheit (3) mit der mindestens einen Maschine (4), insbesondere erforderliche Wartungsarbeiten, Austauscharbeiten, Einflüsse auf die erzielte Produktqualität, geänderte Produktionsraten, geänderte Verbräuche von Energie und/oder Rohstoffen und dergleichen, während des Simulierens und Bewertens des Herstellungsprozesses in der Produktionsanlage (2).
Verfahren nach einem der Ansprüche 17 bis 25, wobei der Simulator (9) seine Ergebnisse mit realen Produktionsdaten abgleicht und seine internen Parameter anpasst, um ein realistisches Verhalten des Herstellungsprozesses in der industriellen Produktionsanlage (2) zu simulieren.
Verfahren nach einem der Ansprüche 17 bis 26, wobei der Simulator (9) Kosten für Entscheidungen innerhalb der Simulation berechnet und die Ergebnisse der Simulation basierend auf den berechneten kosten bewertet.
Verfahren nach einem der Ansprüche 17 bis 27, wobei das Simulieren und Bewerten strikt deterministisch abläuft oder stochastische Elemente beinhaltet, insbesondere zufällige Ereignisse wie Störungen, Ausfälle, Unterbrechungen und dergleichen.
Computerprogramm, umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, das Verfahren nach einem der Ansprüche 15 bis 28 auszuführen.