EP4320567A1 - Computerimplementiertes verfahren und computerprogramm zur montagestückzahlplanung von montageteilen für eine produktionsoptimierung eines produktionssystems, montagestückzahlplanungssystem und produktionsplanung und-steuerungssystem - Google Patents

Computerimplementiertes verfahren und computerprogramm zur montagestückzahlplanung von montageteilen für eine produktionsoptimierung eines produktionssystems, montagestückzahlplanungssystem und produktionsplanung und-steuerungssystem

Info

Publication number
EP4320567A1
EP4320567A1 EP22720967.3A EP22720967A EP4320567A1 EP 4320567 A1 EP4320567 A1 EP 4320567A1 EP 22720967 A EP22720967 A EP 22720967A EP 4320567 A1 EP4320567 A1 EP 4320567A1
Authority
EP
European Patent Office
Prior art keywords
production
planning
assembly
optimization
production system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP22720967.3A
Other languages
English (en)
French (fr)
Inventor
Leander Tentrup
Georg Schneider
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Publication of EP4320567A1 publication Critical patent/EP4320567A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Definitions

  • the invention relates to a computer-implemented method and a computer program for planning the number of assembly parts for production optimization of a production system. Furthermore, the invention relates to an assembly quantity planning system and production planning and control system.
  • production products, including material goods and services, are created based on production factors, including materials and equipment. For example, gears are produced. Additional material goods are created within the gearbox production, for example output shafts.
  • Production planning and control including assembly quantity planning, also called assembly requirements planning, and sequence planning and control, also called sequencing, optimizes the entire production system, for example a factory.
  • a human operator currently plans the production processes for a specific product, workpiece or semi-finished part, such as the production of the output shaft, with or without the support of known optimization processes.
  • the production consists of several production stages that the part has to go through one after the other.
  • the controller must take a large number of input variables into account.
  • the planning for example which parts are to be produced on which line/part line at what time, should be optimal with regard to a large number of optimality criteria.
  • the parameters that determine the existing production processes frequently change over time, as do the optimality criteria. This results in the need for frequent replanning, which, however, must be done as quickly as possible so that production does not stand still or produce suboptimally.
  • German patent applications with the file numbers 102020203 716.7 and 10 2020 203 718.3 each disclose an adaptive production optimization through which Production sequences, worker assignments and supplier orders are created from given requirements and production sequences are evaluated and optimized using specified criteria.
  • This adaptive production optimization supports the controller or completely takes over the control of the production processes.
  • a human assembly planner has the complex task of planning the assembly quantity planning and assembly sequence of a product consisting of variant sequences and numbers over several days. This so-called assembly requirements planning precedes the control of the production processes.
  • This planning should be optimal in terms of a variety of optimality criteria.
  • a variety of conditions and constraints must be considered, such as coverage to the customer, factory capacity, and material flow, that is, the flow of parts needed to produce the assembly sequences. The latter is made more difficult by the fact that there are both factory-internal material flows from delivered semi-finished parts via factory-internal production steps to the end product and external material flows.
  • There are different restrictions for both types of material flow such as maximum total delivery quantity, maximum quantity of a single delivery variant and/or a mixture of these.
  • gearboxes For example, more than 10,000 gearboxes are assembled in a factory every day.
  • transmission components that are manufactured in the factory, for example mechatronic components that come from suppliers, for example converters, and a mixture of these, for example output shaft.
  • mechatronic components that come from suppliers, for example converters, and a mixture of these, for example output shaft.
  • the number of gearboxes at the variant level must be fixed for a period of time, depending on the delivery lead, which can be several days, for example.
  • the assembly planner who plans the assembly of gearboxes must be able to react quickly to events such as late deliveries, stop messages and/or customer adjustments.
  • the assembly requirements in the above example the number of gearboxes that are built in one day, is determined from the technical capacity and the real capacity derived from it.
  • the real capacity is usually lower than the technical capacity due to staff availability and potential disturbances.
  • the need for assembly is divided among the customers/goods recipients based on a range strategy.
  • the range strategy specifies the target range of gearbox inventory to be kept in the warehouse. For example, a range of 5 days means that the customer requirements for the next 5 days can be covered by the available stock.
  • the object of the invention was to improve the planning of assembly requirements with regard to the problems mentioned above and to achieve production optimization.
  • the invention provides a computer-implemented method for planning the assembly quantity of assembly parts for production optimization of a production system.
  • the procedure includes the steps
  • the invention provides an assembly quantity planning system which is designed to carry out a method according to the invention.
  • the invention provides a production planning and control system which includes an assembly quantity planning system according to the invention and designed to carry out a method according to the invention.
  • the invention provides a computer program for planning the assembly quantity of assembly parts for production optimization of a production system.
  • the computer program comprises instructions which cause a computer to carry out a method according to the invention when the computer program runs on the computer.
  • Assembly quantity planning is also known as assembly quantity planning, or AQP for short.
  • the input data is the data relevant for assembly requirements planning.
  • the data is, for example, entered manually via an input module or obtained automatically, for example using NFC, RFID or Bluetooth radio technologies.
  • an optimization run is triggered each time the production parameters have changed. The invention thus provides adaptive production optimization.
  • Another cause is, for example, a change in the weighting of the different optimization criteria by the assembly planner. But every other change in the input conditions usually leads to a new start of assembly requirement planning. This enables optimal planning of the assembly sequences to be implemented.
  • the method according to the invention supports the assembly planner at least in the assembly requirements planning and subsequent sequencing to determine the sequence. According to one aspect of the invention, the method according to the invention carries out the assembly requirements planning and the sequencing in an automated or autonomous manner.
  • an overall cost function of the production system is minimized in order to optimize the deviations from the specified range targets.
  • the total cost function includes costs for deviation from the specified range per consignee and material.
  • the weighting of the deviation i.e. how much the deviation is included in the costs, can be specified in intervals, for example cost factor 1 for deviation up to 1 day and cost factor 10 for deviation of more than 1 day.
  • the total cost function includes costs for deviations from the production specification.
  • the total cost function includes costs for deviations from the previous plan.
  • the total cost function includes costs from other production quality functions, such as set-up costs, lot sizes and levelling.
  • the total cost function comprises all of the above components or a combination of a selection of specific ones of these components.
  • N 10
  • the planning-relevant outputs provided include the data that the production system needs to regulate and/or control the production process and that are further processed in the sequencing. According to one aspect of the invention, the planning-relevant output
  • the invention provides all planning-relevant information, such as optimal assembly planning with regard to the given total cost function, delivery quantities and allocation of stock to goods recipients, and regulation and/or control signals, with which the assembly planner and/or the assembly quantity planning system or the Production planning and control system regulate and/or control the production process.
  • the assembly planner uses this result to change the entries, or he releases the planning for implementation in the factory.
  • the invention enables production planning and production regulation and/or control under complex production conditions that change over a horizon based on the assembly quantity planning according to the invention.
  • long-term stable material flows can be planned with a flexible and rapid response to production changes at the same time.
  • the advantage of the inventive output of reasons for negative satisfiability checks is a significant improvement over known optimization methods based on constraint optimization, since erroneous or inconsistent inputs are rejected with a detailed reason.
  • the assembly quantity planning system and the production planning and control system include hardware and/or software modules for controlling the production system, for example a factory.
  • the hardware modules include multiprocessor systems-on-chip, central processors and/or graphics processor-based hardware accelerators, memory units and connectivity elements.
  • a production system for example a factory, includes a private cloud infrastructure, a public cloud infrastructure or a hybrid cloud infrastructure.
  • the assembly quantity planning system and the production planning and control system are each executed as functional software in one of these cloud infrastructures.
  • the machines, production sections and production lines of the production system include sensors that are connected to the assembly quantity planning system and the production planning and control system via Internet of Things technology and exchange data with them. This allows automated or autonomous operation of the production system to be implemented.
  • the commands of the computer program according to the invention include machine commands, source text or object code written in assembly language, an object-oriented programming language, for example C++, or in a procedural programming language, for example C.
  • the computer program is a hardware-independent application program that example, is provided via a data carrier or a data carrier signal using software over the air technology.
  • the method according to the invention, the assembly quantity planning system, the production planning and control system and/or the computer program are based on artificial intelligence.
  • the invention has the advantage that assembly sequences no longer have to be planned manually, for example using Excel, but can be created automatically, in particular with machine learning algorithms, even with several 100 reschedulings per day. For example, 10,000 gearboxes are scheduled in the assembly sequence every day, with a variance of 300 different hardware parts lists and 100 goods recipients all over the world.
  • the invention creates the necessary assembly requirements, also in compliance with a large number of secondary conditions and restrictions, for example due to short-term material shortages, requirements for flexibility and variance.
  • the input data includes
  • Production parameters including worker situation, machine skills, material availability, stocks, buffer stocks and/or supplier capacities
  • Production system data including number of production sections, production lines and/or buffers; and/or the optimality criteria include utilization of production capacities and/or the deviations are weighted differently over time intervals. This additional input data improves assembly quantity planning.
  • the boundary conditions must be adhered to for an optimization run to be started.
  • the boundary conditions can be changed again by the assembly planner.
  • the planning horizon specifies, for example, over how many hours, shifts and/or days the assembly requirements planning should be preplanned.
  • the worker situation includes the worker occupancy, that is, how many workers are or are needed on which line for which shift.
  • the requirements include product variants that must be available for shipping at a given point in time.
  • the range strategy can be weighted differently in one or more points in time/time spans.
  • a model for the constraints of the production system and a model for an optimization function are created based on the input data.
  • the model for the constraints is formulated in a decision problem based on SMT - Satisfiability Modulo Theories - and an SMT solver checks the satisfiability of the constraints. If the constraints can be satisfied, the model for the constraints and the model for the optimization function are formulated in an optimization problem based on Linear Programming comprising MILP - Mixed Integer Linear Programming - or on CP - Constraint Programming - and a MILP or CP solver determines a solution that satisfies the constraints and has a globally optimal value in the optimization function.
  • the model for the restrictions also known as the constraint system, first finds out whether the restrictions can be fulfilled. In addition, possible solutions may be of interest.
  • the constraint model has a solution if and only if there is an assembly need that satisfies the constraints Fulfills. The questions of whether restrictions can be met and concrete solutions are closely linked. If a constraint can be satisfied, then there is at least one solution. However, the calculation of a solution is often more complicated than the determination of the feasibility.
  • the assembly planner can quickly be given a reason as to which specifications cannot be met together.
  • the assembly planner fixes the assembly quantity of 100 parts of a material.
  • the reason is the combination of the fixed assembly quantity and the delivery restriction.
  • Formulating the model for the constraints in a decision problem or an optimization problem means that logical operators from the constraint system for an application of the target method, here Satisfiability Modulo Theories, abbreviated SMT, or Mixed Integer Linear Programming, abbreviated MILP, or Constraint Programming, abbreviated CP, can be rephrased.
  • Satisfiability Modulo Theories abbreviated SMT
  • MILP Mixed Integer Linear Programming
  • CP Constraint Programming
  • Satisfiability modulo theories are well known in the fields of computer science and mathematical logic.
  • the SMT solution method enables an advantageous determination of constraints that cannot be fulfilled, also known as unsatisfiable cores or unsatisfiable assumptions.
  • non-changeable restrictions such as line capacity, fixed assembly quantities and/or material deliveries are passed to the SMT solver as assumptions. If the constraint system is unsatisfiable, the SMT solver returns a subset of those assumptions that led to the unsatisfiable assumptions. In a subsequent step, these assumptions are used to create justifications for the assembly planner and, if necessary, recommendations for action.
  • SMT solvers also called SMT solvers
  • SMT solvers are available as open source software or as proprietary software available.
  • the SMT solver performs a satisfiability check.
  • the SMT solver is a Z3 Theorem Prover SMT solver executable on Linux, Mac OS and Windows operating systems and is available as open source software in source code under the MIT License.
  • MILP/CP methods have the advantage that they find a global minimum relatively quickly.
  • the MILP/CP solver also known as the MILP/CP solver, is then able to use the given constraint system and the optimization function to determine the solution that satisfies the constraint system and has a globally optimal value in the optimization function .
  • the solution includes all planning-relevant information.
  • the optimal solution specifies the assembly requirements. For example, in the commercial software Matlab Mixed-Integer Linear Programming is implemented by the program command intlinprog(f,intcon,A,b).
  • the constraint system, the satisfiability test based on SMT solution methods and the optimization based on MILP/CP methods form independent software modules or an overall software module of the assembly quantity planning system.
  • the constraint system and the satisfiability test are carried out in parallel, for example on a hardware architecture for parallelized computing, for example graphics processors.
  • the limitations of the production system include compliance with capacities of production lines of the production system and the quantities of assembly parts on the production lines are optimized for specified products while maintaining the respective line capacities.
  • the constraint system includes the variable x m,i, c, that is, the number of materials m on production line I for customer c, where m, I and c are variable.
  • the constraint is that for all production lines I: with given line capacity capa(l).
  • the constraint system includes, for example, minimizing deviations from the planned customer reach. This constraint system is then encoded or transformed into the input for the SMT solution method and MILP/CP method.
  • ranges, stocks, proportions of components of an optimization function in an overall result and/or costs of the deviations are provided as outputs or ranges, stocks, a time profile of the ranges and/or stocks, and/or proportions of Be components of an optimization function on an overall result and costs of the deviations over time intervals are provided as outputs.
  • the planning-relevant outputs are ben sequenced to optimize assembly sequences and/or production sequences, with
  • production lines of the production system are regulated and/or controlled based at least on the adjusted required quantity and/or the required time;
  • the material requirements include material types or categories.
  • Material types include raw materials, such as iron, auxiliary materials, such as screws, operating materials, such as energy, work in progress, such as preassembled components that still need to be assembled, finished goods, for example, end products ready for shipment, and merchandise.
  • Optimized material requirements optimize an overall cost function of the production system.
  • the overall cost function determines the cost-minimum production processes from the technically efficient production processes.
  • the cost function represents the total cost of a production process, which comes from the inputs used multiplied by their respective market prices or weights. For example, the total cost function is defined as: demand fulfillment: delay time, weighted per demand; Production utilization: times with production downtime and/or production ancillary conditions: transport between lines, set-up times.
  • sequencing or sequence planning also known as sequencing and scheduling, includes the formation of a production sequence for production orders.
  • the method supplies signals relevant to regulation and/or control, including signals for production sequences, worker occupancy and supplier orders, for example
  • the number of assembly planning, the production system, production planning and control are simulated and in the simulation
  • the simulation is a detailed image of the entire production.
  • existing problems in the implementation of the assembly requirements become apparent, for example due to the influence of factors that are not taken into account in the quantity planning.
  • internal deliveries are represented as a simulation of the corresponding production sections. This makes it possible to determine the feasibility of the production plan with all the influences and restrictions of the entire factory. Through the simulation, the optimization achieved and thus the entire production system is advantageously adapted to production changes.
  • the simulation comprises the following steps:
  • the first sub-procedure the steps o prioritizing material requirements in the production sections depending on an impact on an optimization of a cost function of the production system; o Selecting one of the material requirements in the order of prioritization, adjusting at least one required quantity and/or a required time of materials in previous production sections to carry out the material requirements and reserving the materials and the respectively adjusted required quantity and/or the required time; o Selecting another of the material requirements, repeating the previous steps until the materials and the respectively adjusted requirement quantities and/or requirement times are reserved for all of the prioritized material requirements, and obtaining the production sequence; and
  • the second sub-method includes the steps o Fixing a first production period in the production sequence; o Optimizing the production sequence outside of the fixed first production period to further optimize the cost function, wherein
  • the production system is regulated and/or controlled according to the optimized production sequence obtained in the second sub-method.
  • the first sub-method corresponds to a fast optimization method, which delivers an initial production sequence as the first result within a few seconds.
  • An initial result after a very short time is relevant, since production must never come to a standstill after an incident.
  • the optimization goal is to cover demand in combination with maximizing production utilization, i.e. as little production downtime as possible.
  • the second sub-process corresponds to a more thorough optimization process.
  • the initial production sequence is also given for implementation in the real production system or the real factory. As soon as a better result in terms of the total cost function from one of the downstream thorough optimization is available, this is output and implemented directly by the system in real production or output to a human controller to assist it. This ensures that the better result matches the production sequence that has already started. This is ensured by the fact that every plan that has just been put into production by a previous optimizer for the current time is a boundary condition of the downstream optimizer.
  • the fix ensures that the output of the second sub-procedure can also be implemented. Due to the fixation, a part of the production sequence determined by the fixation can no longer be changed in the second sub-process. According to one aspect of the invention, all input parameters are fixed in time for a certain period of time.
  • the fixation is implemented, for example, by a prefix in the production sequence, worker situation and/or in the deliveries obtained from the first sub-process. Due to the fixation, the second sub-procedure can take as much time as is covered by the fixation. For example, the time until the end of the current shift is taken as the fixation time.
  • the fast optimizer optimizes over all production periods of production. The first production period optimized by the fast optimizer is then executed in the real factory and can no longer be changed. Therefore, the slower but more thorough optimizer optimizes extended production periods outside of the fixed period.
  • an evolutionary algorithm is used to carry out the second sub-method, which is initialized with the production sequence obtained in the first sub-method or with a mutation of this.
  • the first generation of solution candidates is created.
  • the first generation is the initial production sequence.
  • the initial production sequence is generated by the method according to the invention, ie the rapid optimization.
  • Each solution candidate of the generation is assigned a value of a fitness function according to its quality.
  • the fitness function is the objective function of the evolutionary algorithm.
  • the model for the fitness function is biological fitness, which indicates the degree of adaptation of an organism to its environment.
  • the fitness of a production sequence describes how well the production sequence solves the underlying optimization problem.
  • the evolutionary algorithms are processed with machine learning models.
  • Evolutionary algorithms include genetic algorithms. With evolutionary algorithms, a candidate solution is sought exclusively via mutation; recombination does not take place. Genetic algorithms take recombination into account. According to one aspect of the invention, the evolutionary algorithm is executed based on one of the following evolution strategies:
  • the 1/5 success rule states that the quotient of the successful mutations in the initial production sequence, ie mutations that improve the production process effect, should be about one-fifth of all mutations. If the quotient is larger, the variance of the mutations should be increased; if the quotient is smaller, it should be reduced.
  • the deep optimization genotype consists of a data structure used by the fast optimizer.
  • the solution of the fast optimizer is used as the initial population and then the order of the material requirements in the data structure is changed by recombination and mutation.
  • the mutation operator changes the order of a randomly selected material requirement of a randomly selected production area.
  • the recombination operator takes two chromosomes from parents and produces two chromosomes from children. This is achieved, for example, by a recombination of permutations.
  • the phenotype is derived from the genotype by running the fast optimizer on the modified data structure.
  • a digital twin of a real production system is generated in the simulation.
  • a planning horizon is determined for the digital twin.
  • the real production system is regulated and/or controlled using the planning horizon.
  • Using the digital twin For example, bottlenecks or critical paths are simulated. Future states of the production system are simulated using the digital twin. This enables planning horizons that reach as far into the future as you like, for example several weeks.
  • regulation and/or control-relevant outputs and/or other outputs are provided, the regulation and/or control-relevant outputs including production sequences, worker occupancy and/or supplier orders and the other outputs covering material requirements, completion dates, capacity utilization, bottlenecks , critical paths and/or temporal development of the production system. This allows production sequences to be implemented automatically.
  • the production planning and control system comprises a cloud infrastructure.
  • the cloud infrastructure includes cloud-based storage.
  • a simulation and a real regulation and/or control of the production system, the production planning, including the assembly quantity planning, and production control take place in the cloud.
  • the cloud infrastructure is, for example, a public, private or hybrid cloud infrastructure.
  • FIG. 1 shows an exemplary embodiment of a production planning and control system according to the invention
  • Fig. 2 shows an embodiment of an assembly quantity planning system according to the invention
  • FIG. 4 shows a schematic representation of a method according to the invention and 5 shows an exemplary embodiment of a presentation of the results of the assembly planning according to the invention.
  • FIG. 1 shows a production planning and control system APO according to the invention.
  • the production planning and control system APO includes an assembly quantity planning system AQP according to the invention and a sequence optimizer APO_1.
  • the production planning and control system APO supports, for example, an assembly planner MP in determining assembly requirements and assembly sequences.
  • the assembly quantity planning system determines AQP according to the method according to the invention planning-relevant expenses including the assembly requirements, which optimize the total cost function of the production system F.
  • the parameters P1 to P5 form the input data for the assembly quantity planning system AQP. If certain restrictions C cannot be met, the assembly quantity planning system AQP reports back to the assembly planner MP which specifications cannot be met.
  • the AQP assembly quantity planning system provides further information on covering material requirements, utilization of machines and workers and critical paths.
  • the other outputs include visualizations of the components of the optimization function, for example broken down over time periods, forecast stock development and/or detailed range and stock development for each planned material and each goods recipient.
  • the assembly requirement is entered, for example, in a data structure in the sequence optimizer APO_1.
  • the sequence optimizer APO_1 determines, as disclosed above and in the German patent applications with the file numbers 102020 203716.7 and 102020203718.3, the optimal production sequences comprising a planning horizon. If no optimal production sequences can be determined under the given restrictions C, feedback is sent to the assembly planner MP with an indication of which specifications cannot be met.
  • the optimized production sequences are released and implemented in the production system F, either by the assembly planner MP or automatically or autonomously.
  • the assembly planner MP changes the input data for the assembly quantity planning system AQP based on the optimized production sequences.
  • the individual functions of the assembly quantity planning system AQP are shown in FIG.
  • the constraint system comprising a model M1 for the restrictions C and a model M2 for the optimization function, the feasibility test using SMT solvers and the optimization of the assembly quantity planning using MILP/CP solvers are individual software modules according to one aspect of the invention, according to another Aspect of the invention an overall software module.
  • the constraint system is created in a method step 05 from the inputs P1-P5. This has a solution exactly when there is a need for assembly that meets the specifications.
  • This constraint system includes variables, such as integer variables x m,i,c eZ representing the number of assembly parts m on production lines I for customers c, and constraints C, such as maintaining the line capacity capa.
  • the optimal solution of this constraint system corresponds to the optimal assembly requirements according to the specifications in the input.
  • This constraint system is encoded or transformed into the input for the respective target methods SMT and MILP/CP.
  • the constraint system model M1 is encoded as an SMT constraint system.
  • a solution is determined in a method step 06 with the aid of an SMT solver, after which the optimization is continued in a method step 07. If there is no solution, the assembly quantity planning system AQP uses the SMT solver to determine the unsatisfiable cores and convert them into an explanation for the assembly planner MP. An alternative solution method can also be used for this step, as long as it offers the possibility of generating unsatisfiable cores.
  • the constraint system together with the model M2 is coded as a MILP/CP constraint system.
  • the MILP/CP solver is then able to use the given constraint system and the optimization function to determine the solution that satisfies the constraint system and has a globally optimal value in the optimization function.
  • the solution contains all planning-relevant information.
  • Other optimization methods such as heuristic searches, for example Tabu Search, genetic and evolutionary optimization can also be used in this step, possibly with the initialization of the solution from method step 05.
  • the weighting of the deviation i.e. how much the deviation affects the costs, can be specified in intervals, for example cost factor 1 for deviation up to 1 day and cost factor 10 for deviation of more than 1 day.
  • Fig. 4 shows a symbolic method according to the invention for assembly quantity planning of assembly parts m.
  • a method step 01 input data including the optimality criteria P1 including deviations of the production system F from specified range targets and/or production specifications for products that can be assembled from the assembly parts m are obtained.
  • a method step 02 the deviations from the specified range targets in terms of quantities of the assembly parts m are optimized based on the input data in compliance with the restrictions C of the production system F.
  • the method steps 05-07 form the method step 02.
  • step 03 information about which specifications cannot be met is output if the optimization cannot be met.
  • the outputs relevant to planning are output, including the number of pieces of assembly parts m, which optimize the deviations from the specified range targets.
  • FIG. 5 shows a representation of the result from the assembly quantity planning system AQP. Shown is the quantity obtained according to the invention of the material numbers to be built for one working day, broken down into the various production lines L1-L12. According to the invention, the capacity specifications are fully utilized and production is thus optimized.
  • the production planning and control system APO plans the entire horizon, for example 14 days, in intervals, for example days.
  • the result of the assembly quantity planning system AQP overall horizon/interval length has many entries. The representation of FIG. 5 can be created for each of these entries.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)

Abstract

Computerimplementiertes Verfahren und Computerprogramm zur Montagestückzahlplanung von Montageteilen für eine Produktionsoptimierung eines Produktionssystems, Montagestückzahlplanungssystem und Produktionsplanung und-steuerungssystem Computerimplementiertes Verfahren zur Montagestückzahlplanung von Montageteilen (m) für eine Produktionsoptimierung eines Produktionssystems (F) umfassend die Schritte: Erhalten von Eingabedaten umfassend Optimalitätskriterien (P1) umfassend Abweichungen des Produktionssystems (F) zu vorgegebenen Reichweitenzielen und/oder Produktionsvorgaben für aus den Montageteilen (m) montierbare Produkte (O1); Optimieren der Abweichungen zu den vorgegebenen Reichweitenziele hinsichtlich Stückzahlen der Montageteile (m), basierend auf den Eingabedaten unter Einhaltung von Einschränkungen (C) des Produktionssystems (F) (O2); Ausgeben einer Information, welche Vorgaben nicht erfüllbar sind, falls die Optimierung nicht erfüllbar ist (O3); anderenfalls Bereitstellen von planungsrelevanten Ausgaben umfassend die Stückzahlen der Montageteile (m), welche die Abweichungen zu den vorgegebenen Reichweitenzielen optimieren (O4).

Description

Computerimplementiertes Verfahren und Computerprogramm zur Montagestückzahl planung von Montageteilen für eine Produktionsoptimierung eines Produktionssys tems, Montagestückzahlplanungssystem und Produktionsplanunq und-steuerungs- system
Die Erfindung betrifft ein computerimplementiertes Verfahren und ein Computerpro gramm zur Montagestückzahlplanung von Montageteilen für eine Produktionsopti mierung eines Produktionssystems. Ferner betrifft die Erfindung ein Montagestück zahlplanungssystem und Produktionsplanung und-steuerungssystem .
Bei der Produktion werden Produkte umfassend Sachgüter und Dienstleistungen ba sierend auf Produktionsfaktoren umfassend Werkstoffe und Betriebsmittel erstellt. Beispielsweise werden Getriebe produziert. Innerhalb der Getriebeproduktion werden weitere Sachgüter erstellt, beispielsweise Abtriebswellen. Die Produktionsplanung und -Steuerung umfassend Montagestückzahlplanung, auch Montagebedarfsplanung genannt, und Reihenfolgeplanung und -Steuerung, auch Sequenzierung genannt, op timiert das gesamte Produktionssystem , beispielsweise eine Fabrik.
Derzeit plant ein menschlicher Steuerer die Produktionsabläufe eines bestimmten Produktes, Werkstücks oder Halbfertigteils wie zum Beispiel die Produktion der Ab triebswelle mit oder ohne Unterstützung durch bekannte Optim ierungsverfahren . Da bei besteht die Produktion aus mehreren Produktionsabschnitten, die das Teil hinter einander durchlaufen muss. Dazu muss der Steuerer eine Vielzahl von Eingangsgrö ßen in Betracht ziehen. Die Planung, beispielsweise welche Teile auf welcher Li nie/Teillinie zu welchem Zeitpunkt zu produzieren sind, sollte optimal im Hinblick auf eine Vielzahl von Optimalitätskriterien sein. Erschwerend kommt hinzu, dass sich zum einen die Parameter, die die vorhandenen Produktionsabläufe bestimmen, im Zeitverlauf häufig ändern als auch die Optimalitätskriterien. Damit ergibt sich die Not wendigkeit einer häufigen Neuplanung, die allerdings möglichst schnell erfolgen muss, damit die Produktion nicht stillsteht oder suboptimal produziert.
Die deutschen Patentanmeldungen mit den Aktenzeichen 102020203 716.7 und 10 2020 203 718.3 offenbaren jeweils eine adaptive Produktionsoptimierung, durch die Produktionsfolgen, Arbeiterbelegungen und Lieferantenaufträge aus gegebenen An forderungen erstellt werden und Produktionsfolgen anhand vorgegebener Kriterien bewertet und optimiert werden. Diese adaptive Produktionsoptimierung unterstützt den Steuerer oder übernimmt vollständig die Steuerung der Produktionsabläufe.
Derzeit hat ein menschlicher Montageplaner die komplexe Aufgabe, die Montage stückzahlplanung und Montagefolge eines Produkts bestehend aus Variantenreihen folgen und -anzahl über mehrere Tage zu planen. Diese sogenannte Montagebedarf splanung geht der Steuerung der Produktionsabläufe voraus. Diese Planung sollte optimal im Hinblick auf eine Vielzahl von Optimalitätskriterien sein. So muss für diese Planung eine Vielzahl von Bedingungen und Einschränkungen betrachtet werden, wie die Abdeckung zum Kunden, die Fabrikkapazität und der Materialfluss, das heißt der Fluss der Teile, die zur Produktion der Montagefolgen benötigt wird. Bei letzte rem kommt erschwerend hinzu, dass es sowohl Fabrik-internen Materialfluss von ge lieferten Halbfertigteilen über Fabrik-interne Fertigungsschritte zu dem Endprodukt und externen Materialfluss gibt. Für beide Materialflussarten gibt es unterschiedliche Einschränkungen wie maximale Gesamtliefermenge, maximale Menge einer Einzel liefervariante und/oder einer Mischung daraus.
Beispielsweise werden in einer Fabrik täglich mehr als 10.000 Getriebe montiert. Es gibt über 1000 mögliche Hardwarevarianten. Es gibt Getriebekomponenten, die in der Fabrik selbst gefertigt werden, zum Beispiel Mechatronik Komponenten, die von Zulieferern kommen, zum Beispiel Wandler, und eine Mischung davon, zum Beispiel Abtriebswelle. Um diesen Materialfluss stabil zu halten, muss die Getriebestückzahl auf Variantenebene für einen Zeitraum fixiert sein, abhängig vom Liefervorlauf, der beispielsweise mehrere Tage beträgt. Gleichzeitig muss der Montageplaner, der die Montage von Getrieben plant, kurzfristig auf Ereignisse wie verspätete Lieferungen, Stoppmeldungen und/oder Kundenanpassungen reagieren können.
Der Montagebedarf, in dem voran genannten Beispiel die Menge an Getrieben, die an einem Tag gebaut werden, ermittelt sich aus der technischen Kapazität und der daraus abgeleiteten reellen Kapazität. Die reelle Kapazität ist in der Regel niedriger als die technische Kapazität aufgrund Mitarbeiterverfügbarkeit und möglichen Störgrößen. Der Montagebedarf wird anhand einer Reichweitenstrategie auf die Kun- den/Warenem pfänger aufgeteilt. Die Reichweitenstrategie gibt an, welche Zielreich weite an Getriebebestand im Lager gehalten werden soll. Zum Beispiel bedeutet 5 Tage Reichweite, dass die Kundenbedarfe der nächsten 5 Tage durch den vorhan denen Bestand gedeckt werden können.
Aktuell wird der Montagebedarf auf Baugruppenebene, auf der mehrerer Varianten nach Generation, Größe und/oder Kunde zusammengefasst werden, unter den be kannten Materialengpässen für die nächsten 4 Wochen geplant. Diese Planung ist aber zu ungenau. Es gibt Kunden, bei denen eine Baugruppe aus vielen verschiede nen Varianten besteht, die zudem noch stark unterschiedliche Bedarfsmengen ha ben. Die berechnete Reichweite über die Baugruppe ist somit wenig aussagekräftig: So kann es Vorkommen, dass die Reichweite auf Baugruppenebene genau dem Ziel entspricht, einzelne Varianten aber unterdeckt sind. Die Varianten innerhalb einer Baugruppe unterscheiden sich auch in Engpassteilen oder kritischen Ressourcen, also Teilen, für die es eine Einschränkung bei der Liefermöglichkeit gibt, weswegen eine exakte Engpassteilebetrachtung nur auf Baugruppenebene nicht möglich ist.
Aufgabe der Erfindung war es, die Montagebedarfsplanung hinsichtlich der oben ge nannten Probleme zu verbessern und eine Produktionsoptim ierung zu erreichen.
Die Gegenstände der Ansprüche 1 , 12, 13 und 15 lösen jeweils diese Aufgabe.
Nach einem Aspekt stellt die Erfindung ein computerimplementiertes Verfahren bereit zur Montagestückzahlplanung von Montageteilen für eine Produktionsoptimierung ei nes Produktionssystems. Das Verfahren umfasst die Schritte
• Erhalten von Eingabedaten umfassend Optimalitätskriterien umfassend Ab weichungen des Produktionssystems zu vorgegebenen Reichweitenzielen und/oder Produktionsvorgaben für aus den Montageteilen montierbare Pro dukte;
• Optimieren der Abweichungen zu den vorgegebenen Reichweitenziele hin sichtlich Stückzahlen der Montageteile, basierend auf den Eingabedaten unter Einhaltung von Einschränkungen des Produktionssystems; • Ausgeben einer Information, welche Vorgaben nicht erfüllbar sind, falls die Optimierung nicht erfüllbar ist;
• anderenfalls Bereitstellen von planungsrelevanten Ausgaben umfassend die Stückzahlen der Montageteile, welche die Abweichungen zu den vorgegebe nen Reichweitenzielen optimieren.
Nach einem weiteren Aspekt stellt die Erfindung ein Montagestückzahlplanungssys tem bereit, das ausgeführt ist, ein erfindungsgemäßes Verfahren auszuführen.
Nach einem weiteren Aspekt stellt die Erfindung ein Produktionsplanung und-steue- rungssystem bereit, das ein erfindungsgemäßes Montagestückzahlplanungssystem umfasst und ausgeführt, ein erfindungsgemäßes Verfahren auszuführen.
Nach einem weiteren Aspekt stellt die Erfindung ein Com puterprogram m bereit zur Montagestückzahlplanung von Montageteilen für eine Produktionsoptim ierung eines Produktionssystems. Das Computerprogramm umfasst Befehle, die bewirken, dass ein Computer ein erfindungsgemäßes Verfahren ausführt, wenn das Computerpro gramm auf dem Computer läuft.
Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den Definitionen, den Unteransprüchen, den Zeichnungen und der Beschreibung bevorzugter Ausfüh rungsbeispiele.
Die Montagestückzahlplanung wird auch Assembly Quantity Planning genannt, abge kürzt AQP.
Die Eingabedaten sind die für die Montagebedarfsplanung relevanten Daten. Die Da ten werden beispielsweise über ein Eingabemodul händisch eingegeben oder auto matisiert, beispielsweise mittels NFC, RFID oder Bluetooth Funktechnologien, erhal ten. Nach einem Aspekt der Erfindung werden die Eingabedaten bei jeder Durchfüh rung des Verfahrens, das heißt bei jedem Optimierungslauf, erhalten. Nach einem Aspekt der Erfindung wird ein Optimierungslauf jedes Mal angestoßen, wenn sich eine Veränderung der Produktionsparameter ergeben hat. Damit stellt die Erfindung eine adaptive Produktionsoptimierung bereit.
Eine andere Ursache ist zum Beispiel eine Veränderung der Gewichtung der unter schiedlichen Optim ierungskriterien durch den Montageplaner. Aber auch jede andere Änderung in den Eingabebedingungen führt in der Regel zu einem neuen Anlauf der Montagebedarfsplanung. Damit wird eine optimale Planung der Montagefolgen reali siert.
Durch das erfindungsgemäße Verfahren wird der Montageplaner zumindest in der Montagebedarfsplanung und einer anschließenden Sequenzierung zur Bestimmung der Reihenfolge unterstützt. Nach einem Aspekt der Erfindung führt das erfindungs gemäße Verfahren die Montagebedarfsplanung und die Sequenzierung automatisiert oder autonom durch.
Nach einem Aspekt der Erfindung wird eine Gesamtkostenfunktion des Produktions systems minimiert zur Optimierung der Abweichungen zu den vorgegebenen Reich weitenziele. Nach einem Aspekt der Erfindung umfasst die Gesamtkostenfunktion Kosten für Abweichung zur festgelegten Reichweite pro Warenempfänger und Mate rial. Die Gewichtung der Abweichung, also wie stark die Abweichung in die Kosten eingeht, kann in Intervallen angegeben werden, zum Beispiel Kostenfaktor 1 für Ab weichung bis 1 Tag und Kostenfaktor 10 für Abweichung von mehr als 1 Tag. Nach einem weiteren Aspekt der Erfindung umfasst die Gesamtkostenfunktion Kosten für Abweichungen zur Produktionsvorgabe. Nach einem weiteren Aspekt der Erfindung umfasst die Gesamtkostenfunktion Kosten für Abweichungen zur vorherigen Pla nung. Zum reibungslosen Produktionsablauf ist es wichtig, die Summe der Engpass teile und kritischen Ressourcen über den Kurzfristhorizont konstant zu halten, da sich interne und externe Lieferanten kurzfristige Änderungen nicht umsetzen können. Die Erfindung schlägt vor, mittelfristige Abweichungen zu minimieren. Nach einem weite ren Aspekt der Erfindung umfasst die Gesamtkostenfunktion Kosten aus anderen Produktionsgütefunktionen, wie zum Beispiel Rüstkosten, Losgrößen und Nivellie rung. Nach einem weiteren Aspekt der Erfindung umfasst die Gesamtkostenfunktion alle der voran genannten Bestandteile oder eine Kombination aus einer Auswahl von speziellen dieser Bestandteile.
Da es mehrere Lösungen mit den optimalen Kosten geben kann, werden nach einem Aspekt der Erfindung alle diese Lösungen zurückgegeben. Nach einem weiteren As pekt der Erfindung werden die N besten Lösungen zurückgegeben für einen Para meter N, zum Beispiel N=10.
Die bereitgestellten planungsrelevanten Ausgaben umfassen die Daten, die das Pro duktionssystem benötigt zur Regelung und/oder Steuerung des Produktionsprozes ses und die in der Sequenzierung weiterverarbeitet werden. Nach einem Aspekt der Erfindung umfassen die planungsrelevanten Ausgabe
• Menge von zu bauendem Material pro Warenempfänger für alle in der Ein gabe festgelegten Zeiträume, beispielsweise Stunde, Schicht, Tag;
• Menge und Umfang von Lieferungen für Teile, die zur Produktion verwendet werden, umfassend interne und externe Lieferungen;
• Zuordnung von fertig gebautem Bestand zu Warenempfänger.
Wenn es keine Lösung gibt, wird erfindungsgemäß eine Begründung, welche Vorga ben zusammen nicht erfüllbar sind, an den Montageplaner zurückgegeben. Dieser kann anschließend das Problem beheben und das erfindungsgemäße Verfahren, das erfindungsgemäße Montagestückzahlplanungssystem oder das erfindungsgemäße Produktionsplanung und-steuerungssystem mit geänderten Parametern neu starten.
Als Ergebnis liefert die Erfindung alle planungsrelevanten Informationen, wie eine op timale Montageplanung bezüglich gegebener Gesamtkostenfunktion, Liefermengen und Zuordnung von Bestand zu Warenempfänger, und Regelungs- und/oder Steue rungssignale, mit denen basierend auf diesen Informationen der Montageplaner und/oder das Montagestückzahlplanungssystem oder das Produktionsplanung und - Steuerungssystem den Produktionsprozess regeln und/oder steuern. Beispielsweise ändert der Montageplaner anhand dieses Ergebnisses die Eingaben, oder er gibt die Planung für die Umsetzung in der Fabrik frei. Die Erfindung ermöglicht eine Produktionsplanung und Produktionsregelung und/o- der-steuerung unter komplexen, sich über einen Horizont ändernden Produktionsbe dingungen basierend auf der erfindungsgemäßen Montagestückzahlplanung. Bei spielsweise sind erfindungsgemäß langfristige stabile Materialflüsse planbar mit gleichzeitig flexibler und schneller Reaktion auf Produktionsänderungen. Der Vorteil der erfindungsgemäßen Ausgabe von Begründungen von negativen Erfüllbarkeits prüfungen ist eine signifikante Verbesserung gegenüber bekannten Optimierungsver fahren basierend auf Constraint Optimization, da fehlerhafte oder inkonsistente Ein gaben mit einer detaillierten Begründung zurückgewiesen werden.
Das Montagestückzahlplanungssystem und das Produktionsplanung und-steue- rungssystem umfassen Hardware- und/oder Softwaremodule zur Steuerung des Pro duktionssystems, beispielsweise einer Fabrik. Die Hardwaremodule umfassen Mul- tiprozessor-Systems-on-Chip, Zentralprozessoren und/oder auf Graphikprozessoren basierende Hardwarebeschleuniger, Speichereinheiten und Konnektivitätselemente. Nach einem Aspekt der Erfindung umfasst ein Produktionssystem , beispielsweise eine Fabrik, eine Privat Cloud Infrastruktur, eine Public Cloud Infrastruktur oder eine Hybrid Cloud Infrastruktur. Das Montagestückzahlplanungssystem und das Produkti onsplanung und-steuerungssystem werden jeweils als Funktionssoftware in einer dieser Cloud Infrastrukturen ausgeführt. Die Maschinen, Produktionsabschnitte und Produktionslinien des Produktionssystems umfassen Sensoren, die über Internet of Things Technologie mit dem Montagestückzahlplanungssystem und dem Produkti onsplanung und-steuerungssystem Daten übertragend verbunden sind und mit die sen Daten austauschen. Damit kann ein automatisierter oder autonomer Betrieb des Produktionssystems realisiert werden.
Die Befehle des erfindungsgemäßen Computerprogramms umfassen Maschinenbe fehle, Quelltext oder Objektcode geschrieben in Assemblersprache, einer objektori entierten Programmiersprache, beispielsweise C++, oder in einer prozeduralen Pro grammiersprache, beispielsweise C. Das Com puterprogram m ist nach einem Aspekt der Erfindung ein Hardware unabhängiges Anwendungsprogramm, das beispiels weise über einen Datenträger oder ein Datenträgersignal mittels Software Over The Air Technologie bereitgestellt wird. Nach einem Aspekt der Erfindung basieren das erfindungsgemäße Verfahren, das Montagestückzahlplanungssystem, das Produktionsplanung und -Steuerungssystem und/oder das Computerprogramm auf künstlicher Intelligenz.
Die Erfindung hat den Vorteil, dass Montagefolgen nicht mehr manuell, beispiels weise per Excel, geplant werden müssen, sondern automatisiert, insbesondere mit Maschinenlernalgorithmen, erstellt werden können, auch mit mehreren 100 Umpla nungen täglich. Beispielsweise werden pro Tag 10.000 Getriebe in die Montagefolge eingeplant, bei einer Varianz von 300 unterschiedlichen Hardware-Stücklisten und 100 Warenempfänger auf der ganzen Welt. Die Erfindung erstellt die dafür nötigen Montagebedarfe, auch unter Einhaltung einer Vielzahl von Nebenbedingungen und Restriktionen, zum Beispiel bedingt durch kurzfristige Materialengpässe, Anforderun gen an Flexibilität und Varianz.
Nach einem Aspekt der Erfindung umfassen die Eingabedaten
• Randbedingungen umfassend fixierte Stückzahlen der Montageteile und/oder Planungshorizonte;
• Produktionsparameter umfassend Arbeitersituation, Maschinenfähigkeiten, Materialverfügbarkeiten, Lager-, Pufferbestände und/oder Lieferantenkapazitä ten;
• Bedarfe umfassend zu vorgegebenen Zeitpunkten bereitzustellende Produkt varianten, Gewichtungen und/oder Priorisierungen zu produzierender Teile;
• Daten des Produktionssystems umfassend Anzahl von Produktionsabschnit ten, Produktionslinien und/oder Puffer; und/oder die Optimalitätskriterien umfassen Auslastungen von Produktionskapazitä ten und/oder die Abweichungen werden über Zeitintervalle unterschiedlich gewichtet. Durch diese weiteren Eingabedaten wird die Montagestückzahlplanung verbessert.
Die Randbedingungen sind fix einzuhalten für einen zu startenden Optimierungslauf. Die Randbedingungen können nach einem Aspekt der Erfindung von dem Montage planer noch mal verändert werden. Der Planungshorizont gibt beispielsweise an, über wie viele Stunden, Schichten und/oder Tage die Montagebedarfsplanung vorgeplant werden soll.
Die Arbeitersituation umfasst die Arbeiterbelegung, das heißt wie viele Arbeiter sind oder werden benötigt auf welcher Linie zu welcher Schicht.
Die Bedarfe umfassen Produktvarianten, die zu einem gegebenen Zeitpunkt zum Versand verfügbar sein müssen.
Durch die zeitlich unterschiedliche Gewichtungen kann beispielsweise die Reichwei tenstrategie in einem oder mehreren Zeitpunkten/Zeitspannen unterschiedlich ge wichtet werden. Die Gesamtkostenfunktion GK hat beispielsweise folgenden Aufbau: GK = a_1 ‘Reichweitenabweichung +ß_1 *Produktionsvorgabenabwei- chung+Y_1*Rüstzeiten+---+a_n*Reichweitenabweichung +ß_n*Produktionsvorgaben- abweichung +Y_n*Rüstzeiten, wobei a_ί>0,b_ί>0,g_ί>0 eine Gewichtung der ver schiedenen Teilterme über die Zeiträume 1 ,... ,n darstellt und variabel ist.
Nach einem weiteren Aspekt der Erfindung werden basierend auf den Eingabedaten ein Modell für die Einschränkungen des Produktionssystems und ein Modell für eine Optim ierungsfunktion erstellt. Das Modell für die Einschränkungen wird in ein Ent scheidungsproblem basierend auf SMT - Satisfiability Modulo Theories - formuliert und ein SMT-Löser prüft eine Erfüllbarkeit der Einschränkungen. Falls die Einschrän kungen erfüllbar sind, werden das Modell für die Einschränkungen und das Modell für die Optim ierungsfunktion in ein Optimierungsproblem basierend Linear Program ming umfassend MILP - Mixed Integer Linear Programming - oder auf CP - Cons- traint Programming - formuliert und ein MILP- oder CP-Löser bestimmt eine Lösung, welche die Einschränkungen erfüllt und einen global optimalen Wert in der Optimie rungsfunktion hat.
Durch das Modell für die Einschränkungen, auch Constraint System genannt, wird zunächst herausgefunden, ob die Einschränkungen erfüllbar sind. Zusätzlich können mögliche Lösungen von Interesse sein. Das Modell der Einschränkungen hat genau dann eine Lösung, wenn ein Montagebedarf existiert, der die Einschränkungen erfüllt. Die Fragen nach der Erfüllbarkeit von Einschränkungen und nach konkreten Lösungen sind eng miteinander verbunden. Ist eine Einschränkung erfüllbar, so gibt es mindestens eine Lösung. Allerdings gestaltet sich die Berechnung einer Lösung oft komplizierter als die Feststellung der Erfüllbarkeit.
Damit kann beispielsweise relativ schnell festgestellt werden, ob eine Einschränkung nicht erfüllbar ist und in diesem Fall dem Montageplaner schnell eine Begründung gegeben werden, welche Vorgaben zusammen nicht erfüllbar sind. Beispielsweise fixiert der Montageplaner die Montagemenge von 100 Teilen eines Materials. Auf grund von Lieferrestriktionen können aber nur 50 Teile gebaut werden. In diesem Fall ist der Grund die Kombination aus fixierter Montagemenge und die Lieferrestriktion. Zur Berechnung dieser Erklärung verwendet die erfindungsgemäße Montagestück zahlplanung ein Lösungsverfahren auf Basis der Satisfiability Modulo Theories.
Das Formulieren des Modells für die Einschränkungen in ein Entscheidungsproblem oder ein Optimierungsproblem bedeutet, dass logische Operatoren aus dem Cons- traint System für eine Anwendung des Zielverfahrens, hier Satisfiability Modulo Theo ries, abgekürzt SMT, oder Mixed Integer Linear Programming, abgekürzt MILP, oder Constraint Programming, abgekürzt CP, umformuliert werden.
Satisfiability Modulo Theories sind auf den Gebieten Computerwissenschaften und mathematische Logik allgemein bekannt. Das SMT-Lösungsverfahren ermöglicht eine vorteilhafte Feststellung von nicht erfüllbaren Einschränkungen, auch Unsatisfi- able Cores bzw. Unsatisfiable Assumptions genannt. Hierbei werden nicht änderbare Einschränkungen wie Linienkapazität, fixierte Montagemengen und/oder Materiallie ferungen als Annahmen an den SMT-Löser übergeben. Wenn das Constraint System nicht erfüllbar ist, liefert der SMT-Löser eine Teilmenge dieser Annahmen zurück, die zur Unerfüllbarkeit geführt haben (Unsatisfiable Assumptions). In einem nachgelager ten Schritt werden aus diesen Annahmen Begründungen für den Montageplaner und ggf. Handlungsempfehlungen erstellt. Prinzipiell kann für diesen Schritt auch ein al ternatives Lösungsverfahren verwendet werden, so lange es die Möglichkeit bietet, Unsatisfiable Cores bzw. Unsatisfiable Assumptions zu generieren. SMT-Löser, auch SMT-Solver genannt, sind als Open Source Software oder als proprietäre Softwarte erhältlich. Der SMT-Löser führt eine Erfüllbarkeitsprüfung durch. Nach einem Aspekt der Erfindung ist der SMT-Löser ein Z3 Theorem Prover SMT-Solver, der auf Linux, Mac OS und Windows Betriebssystem ausgeführt werden kann und als Open Source Software in Quellcode unter der MIT Lizenz erhältlich ist.
MILP/CP-Verfahren haben den Vorteil, dass sie ein globales Minimum relativ schnell finden. Der MILP/CP-Löser, auch MILP/CP-Solver genannt, ist dann in der Lage, aus dem gegebenen Constraint System und der Optimierungsfunktion die Lösung zu be stimmen, welche das Constraint System erfüllt und einen global optimalen Wert in der Optim ierungsfunktion hat. Die Lösung beinhaltet alle planungsrelevanten Infor mationen. Die optimale Lösung gibt die Montagebedarfe an. Beispielsweise ist in der kommerziellen Software Matlab Mixed-Integer Linear Programming durch den Pro grammbefehl intlinprog(f,intcon,A,b) implementiert.
Nach einem Aspekt der Erfindung bilden das Constraint System, die Erfüllbarkeits prüfung basierend auf SMT -Lösungsverfahren und die Optimierung basierend auf MILP/CP-Verfahren eigenständige Softwaremodule oder ein Gesamtsoftwaremodul des Assembly Quantity Planning Systems. Nach einem weiteren Aspekt der Erfin dung werden das Constraint System und die Erfüllbarkeitsprüfung parallel ausge führt, beispielsweise auf einer Hardwarearchitektur für parallelisiertes Rechnen, bei spielsweise Graphikprozessoren.
Nach einem weiteren Aspekt der Erfindung umfassen die Einschränkungen des Pro duktionssystems Einhaltungen von Kapazitäten von Produktionslinien des Produkti onssystems und die Stückzahlen der Montageteile auf den Produktionslinien werden für vorgegebene Produkte unter Einhaltung der jeweiligen Linienkapazitäten opti miert.
Beispielsweise umfasst das Constraint System die Variable xm,i,c, das heißt Anzahl Material m auf Produktionslinie I für Kunde c, wobei m, I und c variabel sind. Die Ein schränkung lautet beispielsweise, dass für alle Produktionslinien I gilt: mit vorgegebener Linienkapazität capa(l). Ferner umfasst das Constraint System als Optim ierungsfunktion beispielsweise eine Minimierung der Abweichungen zur ge planten Kundenreichweite. Dieses Constraint System wird dann in die Eingabe für das SMT-Lösungsverfahren und MILP/CP-Verfahren kodiert oder transformiert.
Nach einem weiteren Aspekt der Erfindung werden Reichweiten, Bestände, Anteile von Bestandteilen einer Optim ierungsfunktion an einem Gesamtergebnis und/oder Kosten der Abweichungen als Ausgaben bereitgestellt oder Reichweiten, Bestände, ein zeitlicher Verlauf der Reichweiten und/oder Bestände, und/oder Anteile von Be standteilen einer Optim ierungsfunktion an einem Gesamtergebnis und Kosten der Abweichungen über Zeitintervalle werden als Ausgaben bereitgestellt. Diese Ausga ben erhöhen die Erklärbarkeit des Ergebnisses, beispielsweise warum wurde welche Menge wie eingeplant. Ferner können diese Ausgaben dem Montageplaner die Be wertung des Optimierungsergebnisses oder der Optim ierungsparameter verbessern.
Nach einem weiteren Aspekt der Erfindung werden die planungsrelevanten Ausga ben sequenziert zur Optimierung von Montagefolgen und/oder Produktionssequen zen, wobei
• Materialbedarf« in Produktionsabschnitten des Produktionssystems optimiert geordnet werden;
• einer der optimierten Materialbedarf« ausgewählt und auf Materialien in vo rausgehenden Produktionsabschnitten, die für die Produktion in dem Produkti onsabschnitt des ausgewählten Materialbedarfs benötigt werden, projiziert wird;
• zumindest eine Bedarfsmenge und/oder ein Bedarfszeitpunkt der jeweiligen Materialien angepasst werden;
• Produktionslinien des Produktionssystems basierend auf zumindest der ange passten Bedarfsmenge und/oder des Bedarfszeitpunktes geregelt und/oder gesteuert werden;
• in einer Überprüfung überprüft wird, ob die angepasste Bedarfsmenge der je weiligen Materialien für den ausgewählten Materialbedarf ausreichend ist, wo bei bei positiver Überprüfung die jeweiligen Materialien für das Produktionssystem reserviert werden, und/oder der ausgewählte Materialbe darf ausgeführt wird.
Die Materialbedarfs umfassen Materialarten oder -typen. Materialarten umfassen Rohstoffe, beispielsweise Eisen, Hilfsstoffe, beispielsweise Schrauben, Betriebs stoffe, beispielsweise Energie, unfertige Erzeugnisse, beispielsweise vormontierte Einbauteile, die noch zusammengesetzt werden müssen, Fertigerzeugnisse, bei spielsweise versandfertige Endprodukte und Handelswaren. Optimierte Materialbe darfs optimieren eine Gesamtkostenfunktion des Produktionssystems. Die Gesamt kostenfunktion bestimmt die kostenminimale Produktionsabläufe aus den technisch effizienten Produktionsprozessen. Bei der Kostenfunktion werden die Gesamtkosten eines Produktionsprozesses dargestellt, die von den eingesetzten Produktionsfakto ren herrühren, die mit ihren jeweiligen Marktpreisen oder Gewichtungen multipliziert werden. Beispielsweise wird die Gesamtkostenfunktion definiert aus: Bedarfserfül lung: Verspätungszeit, mit Gewichtung pro Bedarf; Produktionsauslastung: Zeiten mit Produktionsstillstand und/oder Produktionsnebenbedingungen: Transport zwischen Linien, Rüstzeiten.
Sequenzierung oder Sequenzplanung, auch Sequencing And Scheduling genannt, umfasst in der Produktionsplanung die Bildung einer Fertigungsreihenfolge von Pro duktionsaufträgen.
Nach Durchlauf dieser Sequenzierung liefert das Verfahren regelungs- und/oder steuerungsrelevante Signale umfassend Signale für Produktionssequenzen, Arbeiter belegungen und Lieferantenaufträge, beispielsweise
• Optimierte Produktionssequenz: Welches Material wird auf welcher Linie zu welcher Zeit benötigt?
• Arbeiterbelegung: Wie viele Arbeiter sind oder werden benötigt auf welcher Li nie zu welcher Schicht?
• Lieferantenaufträge: Welches und wie viel zugeliefertes Material ist zu welcher Zeit verfügbar? Die Sequenzierung für eine adaptierte Produktionsoptim ierung ist in der deutschen Patentanmeldungen mit dem Aktenzeichen 102020203716.7 offenbart, beispiels weise Ansprüche 1 bis 4, zugehörige Beschreibungsseiten und Figuren 2 und 3 und zugehörige Beschreibungsseiten. Diese genannten Offenbarungsstellen sind hier durch Verweis miteingeschlossen.
Nach einem weiteren Aspekt der Erfindung werden die Montagestückzahlplanung, das Produktionssystem , eine Produktionsplanung und -Steuerung simuliert und in der Simulation
• die Produktionslinien in Abhängigkeit zumindest der angepassten Bedarfs menge und/oder des Bedarfszeitpunktes geregelt und/oder gesteuert;
• die Materialbedarfs ordnungsgemäß ausgewählt;
• in einer Überprüfung überprüft, ob die angepasste Bedarfsmenge der jeweili gen Materialien für den jeweils ausgewählten Materialbedarf ausreichend ist, wobei bei positiver Überprüfung die jeweiligen Materialien für das Produktions system reserviert werden, und/oder der ausgewählte Materialbedarf ausge führt wird, und ein weiterer Materialbedarf ordnungsgemäß ausgewählt wird.
Die Simulation ist nach einem Aspekt der Erfindung ein detailgetreues Abbild der ge samten Produktion. In der Simulation werden vorhandene Probleme bei der Umset zung der Montagebedarfe ersichtlich, zum Beispiel durch den Einfluss von Faktoren, die in der Mengenplanung nicht berücksichtigt werden. Nach einem weiteren Aspekt der Erfindung werden interne Lieferungen als Simulation der entsprechenden Pro duktionsabschnitte dargestellt. Dadurch wird die Machbarkeit des Produktionsplans mit allen Einflüssen und Einschränkungen der gesamten Fabrik ermittelbar. Durch die Simulation wird die erreichte Optimierung und damit das gesamte Produktions system an Produktionsänderungen vorteilhafterweise adaptiert.
Nach einem weiteren Aspekt der Erfindung umfasst die Simulation folgende Schritte:
• Durchführen eines ersten Subverfahrens und eines zweiten Subverfahrens, wobei
• das erste Subverfahren die Schritte o Priorisieren von Materialbedarfen in den Produktionsabschnitten in Ab hängigkeit einer Einwirkung auf eine Optimierung einer Kostenfunktion des Produktionssystems; o Auswählen eines der Materialbedarfe in Reihenfolge der Priorisierung, Anpassen von zumindest einer Bedarfsmenge und/oder eines Bedarfs zeitpunktes von Materialien in vorausgehenden Produktionsabschnitten zur Ausführung des Materialbedarfs und Reservieren der Materialien und der jeweils angepassten Bedarfsmenge und/oder des Bedarfszeit punktes; o Auswählen eines weiteren der Materialbedarfe, Wiederholen der voran gehenden Schritte, bis für alle der priorisierten Materialbedarfe die Ma terialien und die jeweils angepassten Bedarfsmengen und/oder Be darfszeitpunkte reserviert sind, und Erhalten der Produktionssequenz; und
• das zweite Subverfahren die Schritte o Fixieren eines ersten Produktionszeitraums in der Produktionssequenz; o Optimieren der Produktionssequenz außerhalb des fixierten ersten Pro duktionszeitraums zur weiteren Optimierung der Kostenfunktion umfasst, wobei
• das Produktionssystem gemäß der in dem zweiten Subverfahren erhaltenen optimierten Produktionssequenz geregelt und/oder gesteuert wird.
Das erste Subverfahren entspricht einem schnellen Optimierungsverfahren, welches eine initiale Produktionssequenz als erste Ergebnis innerhalb weniger Sekunden lie fert. Ein erstes Ergebnis nach kürzester Zeit ist relevant, da die Produktion nach ei nem Vorfall nie Stillstehen darf. Das Optimierungsziel ist die Bedarfsdeckung in Kom bination mit einer Maximierung der Produktionsauslastung, das heißt möglichst wenig Produktionsstillstand. Das zweite Subverfahren entspricht einem gründlicheren Opti mierungsverfahren.
Die initiale Produktionssequenz wird auch zur Umsetzung in das reale Produktions system oder die reale Fabrik gegeben. Sobald ein in Bezug auf die Gesamtkosten funktion besseres Ergebnis aus einer der nachgeschalteten gründlichen Optimierung zur Verfügung steht, wird dieses ausgegeben und direkt von dem System in der rea len Produktion umgesetzt oder zu der Unterstützung eines menschlichen Steuerers an diesen ausgegeben. Dabei wird sichergestellt, dass das bessere Ergebnis mit der schon gestarteten Produktionssequenz übereinstimmt. Das wird sichergestellt dadurch, dass jede gerade in Produktion gesetzte Planung eines vorherigen Optimie- rers für die gerade laufende Zeit eine Randbedingung des nachgeschalteten Opti- mierers ist.
Die Fixierung stellt sicher, dass die Ausgabe des zweiten Subverfahrens auch um setzbar ist. Durch die Fixierung kann in dem zweiten Subverfahren ein durch die Fi xierung bestimmter Teil der Produktionssequenz nicht mehr geändert werden. Nach einem Aspekt der Erfindung werden alle Eingabeparameter für einen bestimmten Zeitraum zeitlich fixiert. Die Fixierung wird beispielsweise durch einen Präfix in der aus dem ersten Subverfahren erhaltenen Produktionssequenz, Arbeitersituation und/oder in den Lieferungen realisiert. Bedingt durch die Fixierung kann das zweite Subverfahren maximal so viel Zeit benötigen, wie durch die Fixierung abgedeckt ist. Als Fixierungszeit wird beispielsweise die Zeit bis auf das Ende der laufenden Schicht genommen. Der schnelle Optimierer optimiert über alle Produktionszeiträume der Produktion. Der von dem schnellen Optimierer optimierte erste Produktionszeit raum wird dann in der realen Fabrik ausgeführt und kann nicht mehr geändert wer den. Daher optimiert der langsamere, aber gründlichere Optimiererweitere Produkti onszeiträume außerhalb des fixierten Zeitraums.
Nach einem weiteren Aspekt der Erfindung wird zur Durchführung des zweiten Sub verfahrens ein evolutionärer Algorithmus ausgeführt, der mit der im ersten Subver fahren erhaltenen Produktionssequenz oder einer Mutation von dieser initialisiert wird.
Evolutionäre Algorithmen sind an der Funktionsweise von der Evolution natürlicher Lebewesen inspiriert und werden nach folgendem Verfahren prozessiert:
• Initialisierung: Die erste Generation von Lösungskandidaten wird erzeugt. Er findungsgemäß ist die erste Generation die initiale Produktionssequenz. Die initiale Produktionssequenz wird durch das erfindungsgemäße Verfahren, das heißt den schnellen Optimieren erzeugt.
• Evaluation: Jedem Lösungskandidaten der Generation wird entsprechend sei ner Güte ein Wert einer Fitnessfunktion zugewiesen. Die Fitnessfunktion ist die Zielfunktion des evolutionären Algorithmus. Vorbild für die Fitnessfunktion ist die biologische Fitness, die den Grad der Anpassung eines Organismus an seine Umgebung angibt. Bei dem evolutionären Algorithmus beschreibt die Fitness einer Produktionssequenz, wie gut die Produktionssequenz das zu grunde liegende Optimierungsproblem löst.
• Durchlaufe die folgenden Schritte, bis ein Abbruchkriterium erfüllt ist: o Selektion: Auswahl von Individuen für die Rekombination o Rekombination: Kombination der ausgewählten Individuen o Mutation: Zufällige Veränderung der Nachfahren o Evaluation: Jedem Lösungskandidaten der Generation wird entspre chend seiner Güte ein Wert der Fitnessfunktion zugewiesen o Selektion: Bestimmung einer neuen Generation.
Nach einem Aspekt der Erfindung werden die evolutionären Algorithmen mit Maschi nenlernmodellen prozessiert.
Typische Abbruchkriterien sind weiter unten genannt.
Evolutionäre Algorithmen umfassen genetische Algorithmen. Mit evolutionären Algo rithmen wird ein Lösungskandidat ausschließlich über Mutation gesucht, Rekombina tion findet nicht statt. Genetische Algorithmen berücksichtigen Rekombination. Nach einem Aspekt der Erfindung wird der evolutionäre Algorithmus in Anlehnung an eine der folgenden Evolutionsstrategien ausgeführt:
• Adaptive Anpassung oder 1/5-Erfolgsregel: Die 1/5-Erfolgsregel besagt, dass der Quotient aus den erfolgreichen Mutationen der initialen Produktionsse quenz, also Mutationen, die eine Verbesserung des Produktionsablaufs bewirken, zu allen Mutationen etwa ein Fünftel betragen sollte. Ist der Quotient größer, so sollte die Varianz der Mutationen erhöht werden, bei einem kleine ren Quotienten sollte sie verringert werden.
• Selbstadaptivität: Jedes Individuum hat ein zusätzliches Gen für die Mutati onsstärke selbst. Dies ist zwar nicht in der Biologie möglich, aber die Evolution im Rechner findet eine geeignete Varianz auf diese Weise ohne Einschrän kung des Menschen. Im Rechner werden dabei Rekombination und Mutation entsprechend der Mutationsstärke entsprechend angepasst.
Beispielsweise besteht der Genotyp für die gründliche Optimierung aus einer Daten struktur, die der schnelle Optimierer verwendet. Als initiale Population wird die Lö sung des schnellen Optimierers verwendet und anschließend durch Rekombination und Mutation die Reihenfolge der Materialbedarfe in der Datenstruktur verändert. Der Mutationsoperator verändert in diesem Fall die Reihenfolge eines zufällig ausgewähl ten Materialbedarfs eines zufällig ausgewählten Produktionsbereichs. Der Rekombi nationsoperator nimmt zwei Chromosomen von Eltern und produziert zwei Chromo somen von Kindern. Dies wird beispielsweise durch eine Rekombination von Permu tationen erreicht. Der Phänotyp wird aus dem Genotyp abgeleitet, indem der schnelle Optimierer auf der geänderten Datenstruktur ausgeführt wird.
Damit wird die adaptive Produktionsoptimierung weiter verbessert.
Das erste und zweite Subverfahren und evolutionäre Algorithmen für eine adaptierte Produktionsoptim ierung sind in der deutschen Patentanmeldungen mit dem Aktenzei chen 10 2020 203 718.3 offenbart, beispielsweise Anspruch 1 , zugehörige Beschrei bungsseiten und Figuren 4 und 5 und zugehörige Beschreibungsseiten. Diese ge nannten Offenbarungsstellen sind hier durch Verweis miteingeschlossen.
Nach einem weiteren Aspekt der Erfindung wird in der Simulation ein digitaler Zwil ling eines realen Produktionssystems erzeugt. Für den digitalen Zwilling wird ein Pla nungshorizont bestimmt. Das reale Produktionssystem wird anhand des Planungsho rizonts geregelt und/oder gesteuert. Mittels des digitalen Zwillings werden beispielsweise Engpässe oder kritische Pfade simuliert. Mittels des digitalen Zwillings werden zukünftigen Zustände des Produktionssystems simuliert. Damit werden belie big weit in die Zukunft reichende Planungshorizonte, beispielsweise im Umfang von mehreren Wochen, ermöglicht.
Nach einem weiteren Aspekt der Erfindung werden regelungs- und/oder steuerungs relevante Ausgaben und/oder weitere Ausgaben bereitgestellt, wobei die regelungs und/oder steuerungsrelevante Ausgaben Produktionssequenzen, Arbeiterbelegung und/oder Lieferantenaufträge umfassen und die weiteren Ausgaben Materialbedarfs deckung, Fertigstellungstermine, Auslastung, Engpässe, kritische Pfade und/oder zeitliche Entwicklung des Produktionssystems umfassen. Damit lassen sich Produkti onssequenzen automatisch umsetzen.
Nach einem weiteren Aspekt der Erfindung umfasst das erfindungsgemäße Produkti onsplanung und-steuerungssystem eine Cloud-Infrastruktur. Die Cloud-Infrastruktur umfasst einen Cloud-basierten Speicher. Eine Simulation und eine reale Regelung und/oder Steuerung des Produktionssystems, der Produktionsplanung, umfassend die Montagestückzahlplanung, und Produktionssteuerung erfolgen in der Cloud. Die Cloud-Infrastruktur ist beispielsweise eine Public, Private oder Hybrid Cloud Infra struktur.
Die Erfindung wird in den folgenden Ausführungsbeispielen verdeutlicht. Es zeigen:
Fig. 1 ein Ausführungsbeispiel eines erfindungsgemäßen Produktionsplanung und- steuerungssystems,
Fig. 2 ein Ausführungsbeispiel eines erfindungsgemäßen Montagestückzahlpla nungssystems,
Fig. 3 ein Ausführungsbeispiel einer Kostenfunktion,
Fig. 4 eine schematische Darstellung eines erfindungsgemäßen Verfahrens und Fig. 5 eine Ausführungsbeispiel einer erfindungsgemäßen Ergebnisdarstellung der Montageplanung.
In den Figuren bezeichnen gleiche Bezugszeichen gleiche oder funktionsähnliche Bezugsteile. Übersichtshalber werden in den einzelnen Figuren nur die jeweils rele vanten Bezugsteile hervorgehoben.
Figur 1 zeigt ein erfindungsgemäßes Produktionsplanung und -Steuerungssystem APO. Das Produktionsplanung und -Steuerungssystem APO umfasst ein erfindungs gemäßes Montagestückzahlplanungssystem AQP und einen Sequenzoptimierer APO_1 . Das Produktionsplanung und -Steuerungssystem APO unterstützt beispiels weise einen Montageplaner MP bei der Bestimmung eines Montagebedarfs und Montagefolgen.
Basierend auf Optimalitätskriterien P1, Randbedingungen P2, Produktionsparameter P3, Bedarfe P4 und Daten P5 eines Produktionssystems F, die während der Optimie rung teilweise, kombiniert oder insgesamt von dem Montageplaner an veränderte Si tuationen angepasst werden können, bestimmt das Montagestückzahlplanungssys tem AQP nach dem erfindungsgemäßen Verfahren planungsrelevante Ausgaben umfassend die Montagebedarfe, welche die Gesamtkostenfunktion des Produktions systems F optimieren. Die Parameter P1 bis P5 bilden die Eingabedaten für das Montagestückzahlplanungssystem AQP. Falls dabei bestimmte Einschränkungen C nicht erfüllbar sind, meldet das Montagestückzahlplanungssystem AQP dem Monta geplaner MP zurück, welche Vorgaben nicht erfüllbar sind.
Zusätzlich stellt das Montagestückzahlplanungssystem AQP weitere Ausgaben bereit umfassend Angaben zu Materialbedarfsdeckung, Auslastungen von Maschinen und Arbeitern und kritischen Pfaden. Die weiteren Ausgaben umfassen Visualisierungen zu den Bestandteilen der Optimierungsfunktion, beispielsweise aufgeschlüsselt über Zeiträume, prognostizierte Bestandsentwicklung und/oder detaillierte Reichweiten- und Bestandsentwicklung für jedes beplante Material und jeden Warenempfänger. Der Montagebedarf wird beispielsweise in einer Datenstruktur in den Sequenzopti- mierer APO_1 eingegeben. Der Sequenzoptimierer APO_1 bestimmt, wie weiter oben und in den deutschen Patentanmeldungen mit den Aktenzeichen 102020 203716.7 und 102020203718.3 offenbart, die optimalen Produktionsse quenzen umfassend einen Planungshorizont. Sollten unter den gegebenen Ein schränkungen C keine optimalen Produktionssequenzen bestimmbar sind, erfolgt eine Rückmeldung an den Montageplaner MP mit Anzeige, welche Vorgaben nicht erfüllbar sind.
Die optimierten Produktionssequenzen werden freigegeben und in dem Produktions system F umgesetzt, entweder durch den Montageplaner MP oder automatisiert oder autonom. Alternativ ändert der Montageplaner MP basierend auf den optimierten Produktionssequenzen die Eingabedaten für das Montagestückzahlplanungssystem AQP.
Die einzelnen Funktionen des Montagestückzahlplanungssystems AQP sind in Fig. 2 dargestellt. Das Constraint System umfassend ein Modell M1 für die Einschränkun gen C und ein Modell M2 für die Optimierungsfunktion, die Erfüllbarkeitsprüfung mit tels SMT-Lösern und die Optimierung der Montagestückzahlplanung mittels MILP/CP-Lösern sind nach einem Aspekt der Erfindung einzelne Softwaremodule, nach einem anderen Aspekt der Erfindung ein Gesamtsoftwaremodul.
Von den Eingaben P1-P5 wird das Constraint System in einem Verfahrensschritt 05 erstellt. Dieses hat eine Lösung genau dann, wenn ein Montagebedarf existiert, der die Vorgaben erfüllt. Dieses Constraint System umfasst Variablen, beispielsweise ganzzahlige Variablen xm,i,ceZ, die die Anzahl der Montageteile m auf Produktionsli nien I für Kunden c darstellen, und Einschränkungen C, zum Beispiel die Einhaltung der Linienkapazität capa. Die optimale Lösung dieses Constraint Systems entspricht der optimalen Montagebedarfe laut der Vorgaben in der Eingabe. Dieses Constraint System wird in die Eingabe für die entsprechenden Zielverfahren SMT und MILP/CP kodiert oder transformiert. Zunächst wird das Modell M1 des Constraint Systems als ein SMT Constraint Sys tem kodiert. Mit Hilfe eines SMT-Lösers wird in einem Verfahrensschritt 06 eine Lö sung ermittelt, danach wird die Optimierung in einem Verfahrensschritt 07 fortge führt. Falls es keine Lösung gibt, ermitteln das Montagestückzahlplanungssystem AQP mit dem SMT-Löser die Unsatisfiable Cores und wandeln diese in eine Erklä rung für den Montageplaner MP um. Für diesen Schritt kann auch ein alternatives Lö sungsverfahren verwendet werden, so lange es die Möglichkeit bietet, Unsatisfiable Cores zu generieren.
Das Constraint System zusammen mit dem Modell M2 wird als ein MILP/CP Cons traint System kodiert. Der MILP/CP-Löser ist dann in der Lage, aus dem gegebenen Constraint System und der Optim ierungsfunktion die Lösung zu bestimmen, welche das Constraint System erfüllt und einen global optimalen Wert in der Optimierungs funktion hat. Die Lösung beinhaltet alle planungsrelevanten Informationen. Auch an dere Optimierungsverfahren, wie heuristische Suche, zum Beispiel Tabu Search, ge netische und evolutionäre Optimierung können in diesem Schritt verwendet werden, eventuell mit Initialisierung der Lösung aus dem Verfahrensschritt 05.
Fig. 3 zeigt als Gesamtkostenfunktion Kosten für Abweichung zur festgelegten Reich weite pro Warenempfänger und Material. Die Gewichtung der Abweichung, also wie stark die Abweichung in die Kosten eingeht, kann in Intervallen angegeben werden, zum Beispiel Kostenfaktor 1 für Abweichung bis 1 Tag und Kostenfaktor 10 für Ab weichung von mehr als 1 Tag.
Fig. 4 zeigt symbolisch ein erfindungsgemäßes Verfahren zur Montagestückzahlpla nung von Montageteilen m.
In einem Verfahrensschritt 01 werden Eingabedaten umfassend die Optimalitätskri- terien P1 umfassend Abweichungen des Produktionssystems F zu vorgegebenen Reichweitenzielen und/oder Produktionsvorgaben für aus den Montageteilen m mon tierbare Produkte erhalten. In einem Verfahrensschritt 02 werden die Abweichungen zu den vorgegebenen Reichweitenziele hinsichtlich Stückzahlen der Montageteile m optimiert, basierend auf den Eingabedaten unter Einhaltung der Einschränkungen C des Produktionssys tems F. Die Verfahrensschritte 05-07 bilden den Verfahrensschritt 02.
In einem Verfahrensschritt 03 wird eine Information, welche Vorgaben nicht erfüllbar sind, ausgegeben, falls die Optimierung nicht erfüllbar ist.
Anderenfalls werden in einem Verfahrensschritt 04 die planungsrelevanten Ausga ben umfassend die Stückzahlen der Montageteile m, welche die Abweichungen zu den vorgegebenen Reichweitenzielen optimieren, ausgegeben.
Fig. 5 zeigt eine Darstellung des Ergebnisses aus dem Montagestückzahlplanungs systems AQP. Dargestellt ist die erfindungsgemäß erhaltene Menge der zu bauen den Materialnummern für einen Arbeitstag, aufgeschlüsselt auf die verschiedenen Produktionslinien L1-L12. Erfindungsgemäß werden die Kapazitätsvorgaben voll aus genutzt und damit die Produktion optimiert. Das Produktionsplanung und -steue- rungssystem APO plant den Gesamthorizont, zum Beispiel 14 Tage, in Intervallen, zum Beispiel Tagen. Das Ergebnis des Montagestückzahlplanungssystems AQP Ge samthorizont/Intervalllänge hat viele Einträge. Für jeden dieser Einträge kann die Darstellung der Fig. 5 erstellt werden.
Bezuqszeichen
AQP Montagestückzahlplanungssystem
APO_1 Sequenzoptimierer
APO Produktionsplanung und-steuerungssystem
P1 Optimalitätskriterien
P2 Randbedingungen
P3 Produktionsparameter
P4 Bedarfe
P5 Daten Produktionssystem
F Produktionssystem
MP Montageplaner
M1 Modell für Einschränkungen
M2 Modell für eine Optim ierungsfunktion
C Einschränkung
SMT SMT-Löser
MILP/CP MILP/CP Löser capa Linienkapazität
I Produktionslinie
L1-L12 Produktionslinie m Montageteil c Kunde
01 -07-Verfahrensschritte

Claims

Patentansprüche
1. Computerimplementiertes Verfahren zur Montagestückzahlplanung von Montage teilen (m) für eine Produktionsoptimierung eines Produktionssystems (F) umfassend die Schritte
• Erhalten von Eingabedaten umfassend Optimalitätskriterien (P1) umfassend Abweichungen des Produktionssystems (F) zu vorgegebenen Reichweitenzie len und/oder Produktionsvorgaben für aus den Montageteilen (m) montierbare Produkte (01);
• Optimieren der Abweichungen zu den vorgegebenen Reichweitenziele hin sichtlich Stückzahlen der Montageteile (m), basierend auf den Eingabedaten unter Einhaltung von Einschränkungen (C) des Produktionssystems (F) (02);
• Ausgeben einer Information, welche Vorgaben nicht erfüllbar sind, falls die Optimierung nicht erfüllbar ist (03);
• anderenfalls Bereitstellen von planungsrelevanten Ausgaben umfassend die Stückzahlen der Montageteile (m), welche die Abweichungen zu den vorgege benen Reichweitenzielen optimieren (04).
2. Verfahren nach Anspruch 1, wobei die Eingabedaten
• Randbedingungen (P2) umfassend fixierte Stückzahlen der Montageteile (m) und/oder Planungshorizonte;
• Produktionsparameter (P3) umfassend Arbeitersituation, Maschinenfähigkei ten, Materialverfügbarkeiten, Lager-, Pufferbestände und/oder Lieferantenka pazitäten;
• Bedarfe (P4) umfassend zu vorgegebenen Zeitpunkten bereitzustellende Pro duktvarianten, Gewichtungen und/oder Priorisierungen zu produzierender Teile;
• Daten (P5) des Produktionssystems (F) umfassend Anzahl von Produktions abschnitten, Produktionslinien und/oder Puffer umfassen; und/oder die Optimalitätskriterien Auslastungen von Produktionskapazitäten um fassen; und/oder die Abweichungen über Zeitintervalle unterschiedlich gewichtet werden.
3. Verfahren nach Anspruch 1 oder 2, wobei
• basierend auf den Eingabedaten ein Modell (M1) für die Einschränkungen (C) des Produktionssystems (F) und ein Modell (M2) für eine Optimierungsfunk tion erstellt werden (05);
• das Modell (M1) für die Einschränkungen (C) in ein Entscheidungsproblem ba sierend auf SMT - Satisfiability Modulo Theories - formuliert wird und ein SMT- Löser (SMT) eine Erfüllbarkeit der Einschränkungen prüft (06);
• falls die Einschränkungen erfüllbar sind, das Modell (M1 ) für die Einschrän kungen (C) und das Modell (M2) für die Optimierungsfunktion in ein Optimie rungsproblem basierend auf Linear Programming umfassend MILP - Mixed Integer Linear Programming - oder auf CP - Constraint Programming - formu liert werden und ein MILP- oder CP-Löser (MILP/CP) eine Lösung bestimmt, welche die Einschränkungen (C) erfüllt und einen global optimalen Wert in der Optim ierungsfunktion hat (07).
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei die Einschränkungen (C) des Produktionssystems (F) Einhaltungen von Kapazitäten (capa) von Produktionslinien (I) des Produktionssystems (F) umfassen und die Stückzahlen der Montageteile (m) auf den Produktionslinien (I) für vorgegebene Produkte unter Einhaltung der jeweili gen Linienkapazitäten (capa) optimiert werden.
5. Verfahren nach einem der Ansprüche 1 bis 4, wobei Reichweiten, Bestände, An teile von Bestandteilen einer Optim ierungsfunktion an einem Gesamtergebnis und/o der Kosten der Abweichungen als Ausgaben bereitgestellt werden oder wobei Reich weiten, Bestände, ein zeitlicher Verlauf der Reichweiten und/oder Bestände, und/o der Anteile von Bestandteilen einer Optim ierungsfunktion an einem Gesamtergebnis und Kosten der Abweichungen über Zeitintervalle als Ausgaben bereitgestellt wer den.
6. Verfahren nach einem der Ansprüche 1 bis 5, wobei die planungsrelevanten Aus gaben sequenziert werden zur Optimierung von Montagefolgen und/oder Produkti onssequenzen, wobei • Materialbedarfe in Produktionsabschnitten des Produktionssystems optimiert geordnet werden;
• einer der optimierten Materialbedarfe ausgewählt und auf Materialien in vo rausgehenden Produktionsabschnitten, die für die Produktion in dem Produkti onsabschnitt des ausgewählten Materialbedarfs benötigt werden, projiziert wird;
• zumindest eine Bedarfsmenge und/oder ein Bedarfszeitpunkt der jeweiligen Materialien angepasst werden;
• Produktionslinien (I) des Produktionssystems (F) basierend auf zumindest der angepassten Bedarfsmenge und/oder des Bedarfszeitpunktes geregelt und/o der gesteuert werden;
• in einer Überprüfung überprüft wird, ob die angepasste Bedarfsmenge der je weiligen Materialien für den ausgewählten Materialbedarf ausreichend ist, wo bei bei positiver Überprüfung die jeweiligen Materialien für das Produktions system (F) reserviert werden, und/oder der ausgewählte Materialbedarf aus geführt wird.
7. Verfahren nach Anspruch 6, wobei die Montagestückzahlplanung, das Produkti onssystem (F), eine Produktionsplanung und -Steuerung simuliert werden und in der Simulation
• die Produktionslinien (I) in Abhängigkeit zumindest der angepassten Bedarfs menge und/oder des Bedarfszeitpunktes geregelt und/oder gesteuert werden;
• die Materialbedarfe ordnungsgemäß ausgewählt werden;
• in einer Überprüfung überprüft wird, ob die angepasste Bedarfsmenge der je weiligen Materialien für den jeweils ausgewählten Materialbedarf ausreichend ist, wobei bei positiver Überprüfung die jeweiligen Materialien für das Produkti onssystem (F) reserviert werden, und/oder der ausgewählte Materialbedarf ausgeführt wird, und ein weiterer Materialbedarf ordnungsgemäß ausgewählt wird.
8. Verfahren nach Anspruch 7, die Simulation umfassend
• Durchführen eines ersten Subverfahrens und eines zweiten Subverfahrens, wobei • das erste Subverfahren die Schritte o Priorisieren von Materialbedarf^ in den Produktionsabschnitten in Ab hängigkeit einer Einwirkung auf eine Optimierung einer Kostenfunktion des Produktionssystems (F); o Auswählen eines der Materialbedarfe in Reihenfolge der Priorisierung, Anpassen von zumindest einer Bedarfsmenge und/oder eines Bedarfs zeitpunktes von Materialien in vorausgehenden Produktionsabschnitten zur Ausführung des Materialbedarfs und Reservieren der Materialien und der jeweils angepassten Bedarfsmenge und/oder des Bedarfszeit punktes; o Auswählen eines weiteren der Materialbedarfe, Wiederholen der voran gehenden Schritte, bis für alle der priorisierten Materialbedarfe die Ma terialien und die jeweils angepassten Bedarfsmengen und/oder Be darfszeitpunkte reserviert sind, und Erhalten der Produktionssequenz; und
• das zweite Subverfahren die Schritte o Fixieren eines ersten Produktionszeitraums in der Produktionssequenz; o Optimieren der Produktionssequenz außerhalb des fixierten ersten Pro duktionszeitraums zur weiteren Optimierung der Kostenfunktion umfasst, wobei
• das Produktionssystem (F) gemäß der in dem zweiten Subverfahren erhalte nen optimierten Produktionssequenz geregelt und/oder gesteuert wird.
9. Verfahren nach Anspruch 8, wobei zur Durchführung des zweiten Subverfahrens ein evolutionärer Algorithmus ausgeführt wird, der mit der im ersten Subverfahren er haltenen Produktionssequenz oder einer Mutation von dieser initialisiert wird.
10. Verfahren nach einem der Ansprüche 7 bis 9, wobei in der Simulation ein digitaler Zwilling eines realen Produktionssystems (F) erzeugt wird, für den digitalen Zwilling ein Planungshorizont bestimmt wird und das reale Produktionssystem (F) anhand des Planungshorizonts geregelt und/oder gesteuert wird.
11. Verfahren nach einem der Ansprüche 1 bis 10, wobei regelungs- und/oder steue rungsrelevante Ausgaben und/oder weitere Ausgaben bereitgestellt werden, wobei die regelungs- und/oder steuerungsrelevante Ausgaben Produktionssequenzen, Ar beiterbelegung und/oder Lieferantenaufträge umfassen und die weiteren Ausgaben Materialbedarfsdeckung, Fertigstellungstermine, Auslastung, Engpässe, kritische Pfade und/oder zeitliche Entwicklung des Produktionssystems (F) umfassen.
12. Montagestückzahlplanungssystem (AQP), ausgeführt, ein Verfahren nach zumin dest einem der Ansprüche 1 bis 5 auszuführen.
13. Produktionsplanung und-steuerungssystem (APO) umfassend ein Montagestück zahlplanungssystem (AQP) nach Anspruch 12 und ausgeführt, ein Verfahren nach einem der Ansprüche 6 bis 11 auszuführen.
14. System nach Anspruch 13 umfassend eine Cloud-Infrastruktur, die Cloud-Infra- struktur umfassend einen Cloud-basierten Speicher, wobei eine Simulation und eine reale Regelung und/oder Steuerung des Produktionssystems (F), der Produktionspla nung, umfassend die Montagestückzahlplanung, und Produktionssteuerung in der Cloud erfolgen.
15. Computerprogramm zur Montagestückzahlplanung von Montageteilen (m) für eine Produktionsoptim ierung eines Produktionssystems (F) umfassend Befehle, die bewirken, dass ein Computer ein Verfahren nach einem der Ansprüche 1 bis 11 aus führt, wenn das Computerprogramm auf dem Computer läuft.
EP22720967.3A 2021-04-07 2022-04-05 Computerimplementiertes verfahren und computerprogramm zur montagestückzahlplanung von montageteilen für eine produktionsoptimierung eines produktionssystems, montagestückzahlplanungssystem und produktionsplanung und-steuerungssystem Pending EP4320567A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021203400.4A DE102021203400A1 (de) 2021-04-07 2021-04-07 Computerimplementiertes Verfahren und Computerprogramm zur Montagestückzahlplanung von Montageteilen für eine Produktionsoptimierung eines Produktionssystems, Montagestückzahlplanungssystem und Produktionsplanung und-steuerungssystem
PCT/EP2022/058976 WO2022214468A1 (de) 2021-04-07 2022-04-05 Computerimplementiertes verfahren und computerprogramm zur montagestückzahlplanung von montageteilen für eine produktionsoptimierung eines produktionssystems, montagestückzahlplanungssystem und produktionsplanung und-steuerungssystem

Publications (1)

Publication Number Publication Date
EP4320567A1 true EP4320567A1 (de) 2024-02-14

Family

ID=81535434

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22720967.3A Pending EP4320567A1 (de) 2021-04-07 2022-04-05 Computerimplementiertes verfahren und computerprogramm zur montagestückzahlplanung von montageteilen für eine produktionsoptimierung eines produktionssystems, montagestückzahlplanungssystem und produktionsplanung und-steuerungssystem

Country Status (3)

Country Link
EP (1) EP4320567A1 (de)
DE (1) DE102021203400A1 (de)
WO (1) WO2022214468A1 (de)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630822B (zh) * 2022-11-03 2026-04-24 合肥工业大学 面向海外小批量订单的跨行业多主体制造任务规划方法
CN115983584B (zh) * 2022-12-29 2025-09-09 成都飞机工业（集团）有限责任公司 一种装配过程规划优化方法、装置、设备及介质
CN115983901B (zh) * 2023-03-17 2023-06-06 山东捷瑞数字科技股份有限公司 基于数字孪生的设备配件需求量预测方法、系统及介质
CN116414094B (zh) * 2023-04-10 2025-09-12 中国电子科技集团公司第三十八研究所 一种焊接装配智能调度方法及系统
CN116125935B (zh) * 2023-04-14 2023-07-21 成都飞机工业（集团）有限责任公司 一种装配工艺流程构建方法、装置、设备及介质
EP4553725A1 (de) * 2023-11-10 2025-05-14 Siemens Digital Logistics GmbH Verfahren zur rechnergestützten erzeugung eines datengetriebenen modells für die rechnergestützte verarbeitung digitaler daten eines materialflusssystems und vorrichtung
CN117314127B (zh) * 2023-11-29 2024-03-12 武汉爱科软件技术股份有限公司 一种混合遗传禁忌搜索算法的生产计划和排产方法
DE102023212063A1 (de) * 2023-12-01 2025-06-05 Zf Friedrichshafen Ag Computerimplementiertes Verfahren und Computerprogramm zur Montagestückzahlplanung von Montageteilen für eine Produktionsoptimierung eines Produktionssystems und Produktionsplanungs- und Steuerungsvorrichtung
DE102024203930A1 (de) * 2024-04-26 2025-10-30 Zf Friedrichshafen Ag System zum Optimieren einer Produktion
CN119690000A (zh) * 2024-11-29 2025-03-25 杭州电子科技大学 一种不确定情况下啤酒生产调度方法
CN120029248B (zh) * 2025-04-24 2025-08-01 山东浪潮智能终端科技有限公司 一种工业生产线全工况效率优化方法、系统、终端及介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007041424A1 (de) * 2007-08-31 2009-03-05 Abb Research Ltd. Verfahren und System zur optimierten Planung komplexer Produktionsabfolgen in großtechnischen Anlagenbetrieben
EP3410363A1 (de) * 2017-05-31 2018-12-05 Siemens Aktiengesellschaft Bestimmen eines produktionsplans
DE102020203718B4 (de) 2020-03-23 2025-07-17 Zf Friedrichshafen Ag Computerimplementiertes Verfahren für eine Produktionsplanung und/oder -steuerung eines Produktionssystems und Produktionsplanung und/oder-steuerungssystem zur Produktionsoptimierung
DE102020203716B4 (de) 2020-03-23 2025-07-24 Zf Friedrichshafen Ag Computerimplementiertes Verfahren für eine Produktionsplanung und/oder -steuerung eines Produktionssystems und Produktionsplanung und/oder-steuerungssystem

Also Published As

Publication number Publication date
WO2022214468A1 (de) 2022-10-13
DE102021203400A1 (de) 2022-10-13

Similar Documents

Publication Publication Date Title
EP4320567A1 (de) Computerimplementiertes verfahren und computerprogramm zur montagestückzahlplanung von montageteilen für eine produktionsoptimierung eines produktionssystems, montagestückzahlplanungssystem und produktionsplanung und-steuerungssystem
DE102020203718B4 (de) Computerimplementiertes Verfahren für eine Produktionsplanung und/oder -steuerung eines Produktionssystems und Produktionsplanung und/oder-steuerungssystem zur Produktionsoptimierung
DE102020203716B4 (de) Computerimplementiertes Verfahren für eine Produktionsplanung und/oder -steuerung eines Produktionssystems und Produktionsplanung und/oder-steuerungssystem
DE102020204351A1 (de) Vorrichtung und verfahren zum planen einer mehrzahl von aufträgen für eine vielzahl von maschinen
DE69028612T2 (de) Aufstelloptimierung von flexiblen Herstellungssystemen
DE602005002839T2 (de) Ablaufplanung von industriellen produktionsprozessen
DE69601152T2 (de) System zum darstellen eines erweiterbaren modellnetzwerks für die prozessplanung
Khmeleva et al. Fuzzy-logic controlled genetic algorithm for the rail-freight crew-scheduling problem
WO1999067729A9 (de) Verfahren und system zur maximierung des bereichs von abdeckungsprofilen bei der bestandsverwaltung
EP3410363A1 (de) Bestimmen eines produktionsplans
DE102022211446A1 (de) Computerimplementiertes Verfahren und Computerprogrammprodukt zum Generieren von Trainingsdaten für die Inferenz einer Produktionssequenz mittels eines Graphen neuronalen Netzwerks, computerimplementiertes Verfahren und Computerprogrammprodukt zum Trainieren eines Graphen neuronalen Netzwerks auf Inferenz einer Produktionssequenz, computerimplementiertes Verfahren und Computerprogrammprodukt für eine Produktionssequenzerstellung zum Steuern und/oder Regeln eines Produktionssystems gemäß der erstellten Produktionssequenz
DE102020203296A1 (de) Verfahren und Vorrichtung zur optimierten Produktion von Blechteilen
Varghese et al. Dynamic spatial block arrangement scheduling in shipbuilding industry using genetic algorithm
EP3992733A1 (de) Maschinenbelegungsplanung für eine komplexe fertigungsanlage
DE102020122194A1 (de) Steuereinheit sowie Verfahren zum Steuern von Transporten einer Vielzahl an Werkstücken in einem modularen Montagesystem mittels eines genetischen Algorithmus; Montagesystem
DE102021210025A1 (de) Planungssystem zur Erstellung eines Bestellplans für zumindest ein Bauteil und Trainingsverfahren
EP3637354A1 (de) Verfahren zur suche eines programmcodes für ein elektronisches gerät in einer datenbank
Mavrothalassitis et al. A Deep Reinforcement Learning Approach for Production Scheduling with the Use of Dispatch Rules
DE102020202276A1 (de) Verfahren zur Herstellung von Produkten
WO2017054958A1 (de) Optimieren eines logistischen netzes
CN119904058B (zh) 一种基于大语言模型的运输车辆调度方法、系统及存储介质
DE112023003860T5 (de) System und Einrichtung, die sich für die Nutzung eines Ansatzes auf Basis eines neuronalen Netzwerks in Assoziation mit Algorithmusoptimierung eignen, und damit assoziiertes Verarbeitungsverfahren
Costa et al. Improving procedures for production and maintenance control towards industry 4.0 implementation
EP4357997A1 (de) Verfahren zum ermitteln einer fertigungsreihenfolge von fertigungsaufträgen einer fertigungsanlage, fertigungsanlage-system, computerprogramm sowie elektronisch lesbarer datenträger
DE202024101830U1 (de) Ein prädiktionsfähiges kollaboratives Fertigungs-Framework (PE-CF)-System

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231006

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)