WO2025119511A1 - Verfahren und system zum optimieren von produktsequenzierungen in einer maschinenlinie - Google Patents

Verfahren und system zum optimieren von produktsequenzierungen in einer maschinenlinie Download PDF

Info

Publication number
WO2025119511A1
WO2025119511A1 PCT/EP2024/075925 EP2024075925W WO2025119511A1 WO 2025119511 A1 WO2025119511 A1 WO 2025119511A1 EP 2024075925 W EP2024075925 W EP 2024075925W WO 2025119511 A1 WO2025119511 A1 WO 2025119511A1
Authority
WO
WIPO (PCT)
Prior art keywords
formal
machine line
product sequencing
solution space
product
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
PCT/EP2024/075925
Other languages
English (en)
French (fr)
Inventor
Dominik BUCHFELDER
Martin Obermeier
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.)
Krones AG
Original Assignee
Krones 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 Krones AG filed Critical Krones AG
Publication of WO2025119511A1 publication Critical patent/WO2025119511A1/de
Anticipated expiration legal-status Critical
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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations

Definitions

  • the invention relates to a method and a system for optimizing product sequencing in a machine line, in particular in a machine line for filling and packaging food and/or beverages.
  • the present invention aims to overcome these disadvantages by flexibly creating and appropriately applying various strategies for machine line behavior depending on the plant configuration and customer preference, rather than manually creating and specifying them. This aims to improve existing technology, which can increase machine line efficiency while reducing costs.
  • One embodiment of the invention relates to a method for optimizing product sequencing in a machine line, in particular in a machine line for filling and packaging food and/or beverages.
  • the method comprises creating a formal system model for the machine line.
  • the formal system model describes, as required, causal relationships between data, energy, and/or material flows.
  • the formal system model can be a semantic and formal extension of a digital design model of the machine line.
  • the formal model can describe dependencies to and between operating states, geometries, materials, processes, functions, customer requirements, and/or optimization goals.
  • the method further comprises inputting the formal system model, together with order backlog data and boundary conditions, to an artificial intelligence (AI) system.
  • AI artificial intelligence
  • the AI system then creates a solution space with a multitude of possible product sequencings for processing orders contained in the order backlog data.
  • the solution space is then searched for an optimized product sequencing based on the constraints and/or based on an optimization preference, and a product sequencing plan is output.
  • the constraints can include customer preferences and/or planning specifications, such as minimum changeover times, maximum OEE, minimum energy consumption, minimum media consumption (cleaning agents, acid bases, etc.), delivery capability for specific products, planning period, partial specifications in the production program, product-specific scheduling rules, etc.
  • the causal relationships and dependencies can be formalized in the form of a product changeover matrix. Spanning the solution space may involve a grounder generating all product sequencing options and generating a variable-free logic program as the result of the spanning. Searching the solution space for an optimized product sequencing may involve a solver searching the variable-free logic program to determine the optimized plan based on the constraints and/or the optimization preference.
  • One embodiment of the invention relates to a corresponding system for dynamically creating instructions for operator-guided changeover of a machine line.
  • Figure 1 a flowchart showing the steps of a method according to the
  • Figure 2 an exemplary plant configuration for PET containers
  • Figure 3 an exemplary plant configuration for PET containers
  • Figure 4 an exemplary system configuration for cans or glass bottles
  • Figure 5 an example system configuration for cans.
  • Embodiments of the invention relate to an optimization of production planning and sequencing in a machine line, such as a beverage bottling plant.
  • a bottling plant may have a number of different orders, each relating to different products (e.g., different beverages for different containers).
  • the aim is to provide a system that creates optimal production planning and creates an optimal sequence of production orders based on boundary conditions and practical information of the machine line. For example, a common preference may be that products with a high sugar content are filled after products with less sugar have been filled first, since the opposite would require greater cleaning effort.
  • the aim of the invention is to derive various strategies, depending on the plant configuration and customer preference, for the plant behavior by the plant in the form of an expert system in a flexible and automatic manner from formal system models and to apply them appropriately, instead of creating and specifying them manually as is usual in the prior art.
  • the automatic derivation of the plant behavior can be carried out on the basis of a formally logically and semantically extended digital design model of the machine line, which is available in machine-readable form and is passed on to the machines/plants as a knowledge model.
  • the semantic and formal extensions can make the causal relationships of data, energy, and material flows available for use in artificial intelligence. Furthermore, they can describe the dependencies to and between operating states, geometries, materials, processes, functions, customer requirements, and/or optimization goals, if applicable.
  • the structural causal relationships can be formalized in the form of product change matrices.
  • a cloud service can be used on which the calculations are carried out.
  • the cloud service can be used via a corresponding user interface.
  • the formal system model can be used to optimize production processes and sequencing. Instead of creating the optimization potential for each machine line, taking different preferences into account, through explicit customer-specific programming, embodiments of the invention are capable of automatically generating a formal system model of the machine line and/or the individual components, which can be derived, for example, based on the formal product change matrices.
  • this system model can be used, including current order backlog data from an Enterprise Resource Planning (ERP) system. System), customer preferences (e.g., minimum changeover times, maximum OEE, delivery capability for specific products, etc.), and the planning specifications (planning period, partial specifications in the production program, product-specific scheduling rules) are translated into a declarative logic language that can be processed as a query by a knowledge-based artificial intelligence (AI) system (hereinafter also referred to as an expert system).
  • AI knowledge-based artificial intelligence
  • the AI system/expert system can contain its own internal declarative formal logic knowledge model about the meaning of the query and the transmitted system relationships.
  • a user can enter planning data for production sequencing into an electronic system, such as a processing unit, via a user interface.
  • the planning data may include order backlog data and/or other constraints, such as customer preferences.
  • the user interface may be a graphical user interface through which the user can transmit the data to the cloud service.
  • the AI system may have appropriate interfaces to the ERP system to support this. After the relevant order backlog data, for example from the ERP, customer preferences, and planning specifications have been fully entered/selected, the AI system can generate a solution space.
  • the solution space for possible actions can be spanned automatically, i.e., for example, taking into account all relevant order backlog data from the ERP, customer preferences, planning specifications and the internal declarative formal logical knowledge model of the expert system, all possible options for action can be founded by a so-called grounder.
  • variable-free logic program can be generated as a result. If propagation is necessary, this can be executed in other system modules in parallel, sequentially, or as part of the grounding process.
  • the resulting solution space can then be searched for an optimization preference.
  • a solver can search the variable-free logic program to determine the optimal plan based on the preferences.
  • the optimal plan can be identified, for example, using a quality measure, such as a threshold value for one or more parameters.
  • plans for different preference profiles e.g., OEE-optimal as standard, Alternative 1: energy and media optimal, Alternative 2: inventory optimal, etc.
  • a user can You can also give the Kl system a certain amount of time for the optimization search and the Kl system will output the optimum of the search found within this time as the solution.
  • the optimal solution found, or the created plan(s), can then be displayed to the user.
  • the invention refers to one plan that is determined and displayed to the user, but this should not exclude the possibility of finding, determining, and/or displaying a plurality of plans. This can be done, for example, via the user interface to the user. The user can then compare the output plans, accepting one of them, or rejecting it. In the first case, the behavior plan output by the solver is back-translated so that it is suitable for plant/system control. The translated plan can then be implemented and executed directly by the user's machine line.
  • the Kl system for controlling plant behavior can be regularly improved and updated online without interrupting production, with the aim of generating functional upgrades without additional effort, since manual configuration/programming adjustments are no longer required on site.
  • Figure 1 shows an exemplary flowchart illustrating a method 100 according to embodiments of the invention.
  • the method 100 for optimizing product sequencing in a machine line starts with step S102, in which a formal system model for the machine line is created.
  • the formal system model describes the causal relationships of data, energy, and/or material flows and can also contain a semantic and formal extension of a digital design model of the machine line, which further describes dependencies to and between operating states, geometries, materials, processes, functions, customer requirements and/or optimization goals.
  • step S104 data is entered into an AI system.
  • the data may include the formal system model if the AI system does not already have one.
  • the data may also include order backlog data and constraints, such as customer preferences and/or planning specifications.
  • step S106 the AI system spans a solution space with a plurality of possible product sequencings for processing the orders contained in the order backlog data. Spanning the solution space may include creating all possible action options for product sequencing by a grounder and generating a variable-free logic program as a result of the spanning.
  • step S108 the solution space is searched for an optimized product sequencing based on the constraints and/or based on an optimization preference, before a determined optimal plan is output to the user in step S110.
  • the computing unit can output violated relationships for problem solving if no valid product sequencing and thus no plan is found in the solution space.
  • the violated relationships can then be output to a user for further analysis via the user interface.
  • the user can flexibly relax previously hard-to-fulfill planning rules for problem analysis. For example, the user can specify that as many products as possible should be planned instead of planning all of them. This enables a systematically supported solution to the planning problem by calculating and comparing different scenarios, which the user can then use to make an input adjustment that leads to one or more valid plans.
  • the user can decide in step S112 whether the output product sequencing plan should be accepted or not.
  • step S114 the plan output by the solver can be implemented in the plant.
  • the plan can then be back-translated so that it is suitable for plant/system control.
  • the translated plan can then be implemented and executed directly by the user's machine line. If the user does not accept the issued plan, the process returns to step S104.
  • Figures 2 to 5 describe various exemplary system configurations for different bottling plants in which the invention, or at least parts and aspects of the invention, can be implemented.
  • the description of Figures 2 to 5 is intended only to provide a general overview of machines for which status data can be collected, on the basis of which the expert system can process user queries.
  • FIG. 2 shows an exemplary system configuration 1000 for PET bottles or PET containers and adhesive packs.
  • the system configuration 1000 comprises various modules that form a line, at the end of which finished PET containers are dispensed in the form of a pack on pallets.
  • Some of the modules and machines may be optional, and the invention is not limited to the exact form and arrangement of the system configurations.
  • the system configuration 1000 comprises an oven 1002 for preforms, a preform sorter with a feeding machine 1004, and a blow molding machine 1008.
  • the modules 1002, 1004, and 1008 generally form a stretch blow molding machine in which PET containers are produced and formed from a starting material.
  • the produced PET containers are passed on to a filler 1010, where the bottles are filled.
  • the filler can optionally include a rinser.
  • Various particles such as dust, cardboard, or remnants of wooden pallets can settle in the preforms during storage or transport. These can be removed with the rinser.
  • a closer can be arranged at the end of the filler, by means of which the PET containers are closed after filling.
  • the system configuration 1000 can include a rotating device downstream of the filler 1010, which is used for hot filling of the PET containers.
  • a rotating device downstream of the filler 1010 which is used for hot filling of the PET containers.
  • the filled PET containers are conveyed to a separator 1020 and then to a drying device 1024, in which the PET containers are dried.
  • the PET containers are conveyed to a labeling machine 1026.
  • the labeling machine 1026 can be designed for various labeling techniques, such as labeling using hot melt, cold melt, self-adhesive labels, or sleeves.
  • the PET Containers are conveyed through a second drying device 1028, a line distributor 1030, conveyor belts 1032, a self-adhesive container production line 1034, and a curing section to a handle applicator.
  • the self-adhesive container production line 1034 the PET containers are grouped into specific group sizes and packaged into a container, such as a "six-pack."
  • a carrying handle is attached to the container, which allows for comfortable carrying.
  • the finished containers are then arranged accordingly by a robot 1042 for layer production and packed on pallets by a palletizer 1044.
  • format trolleys or format racks can be arranged on various modules and machines to provide quickly interchangeable format sets for short changeover times and automatic tool changes.
  • format trolleys are format trolley 1006 for blow molding machine 1008, format trolley 1012 for filler 1010, format trolley 1022 for labeling machine 1026, format trolley 1038 for adhesive pack production 1034, and format trolley 1046 for palletizer 1044.
  • FIG. 3 shows another exemplary system configuration 1100 for PET containers and shrink packers.
  • System 1100 in Figure 3 includes many of the modules and machines from system configuration 1000 in Figure 2, but there are some differences. Therefore, the description of the modules already described in connection with Figure 2 is omitted for Figure 3.
  • a key difference between the two exemplary system configurations 1000 and 1100 is that the labeling machine 1126 with the labeling modules 1127 can be installed downstream of the blow molding machine 1008 and upstream of the filler 1008.
  • the system configuration 1100 can comprise six transport lanes 1150 into which the PET containers can be pushed. After the PET containers have pushed into one of the six lanes 1150, they are conveyed into the film wrapping module 1152 and then into the shrink tunnel 1154.
  • Figure 4 shows an example system configuration 1200 for cans or glass bottles.
  • the example system configuration 1200 from Figure 4 again has some similarities to the system configurations 1000 and 1100 from Figures 2 and 3, and the description of the system configuration is therefore limited to the differences between the system configurations.
  • the exemplary system configuration may include two separate feeders.
  • a first feeder on the left in Figure 4, shows a branch for cans or, optionally, a sub-branch for new, reusable bottles.
  • the containers, i.e., cans or new bottles are fed into the machine by a depalletizer 1302, where they are guided via conveyor belts to the filler 1010.
  • a second feeder on the right in Figure 4, shows a sub-branch for reusable bottles, which are fed into the system by a reusable sorting system (not shown).
  • the reusable bottles In the event that the already used reusable bottles are introduced into the system 1200 via the sub-branch for reusable bottles, the reusable bottles first pass through the cleaning machine or washing machine 1304.
  • Another possible difference in the exemplary system configuration 1200 is the transfer packer 1306 after the labeling machine 1026.
  • the transfer packer can sort the bottles or cans into a carton clip application or into crates or both.
  • Figure 5 shows an exemplary system configuration 1300 for cans, in which the elements already described in the other system configurations are no longer described.
  • the cans in system configuration 1300 are fed into the depalletizer 1302 from a magazine 1402 containing cans. After passing through the filler and being filled, the cans are closed by means of a closure magazine 1404 and conveyed further along the system 1400 via the conveyor belts, as described above.
  • the optional Pasteurizer 1408 can be bypassed via the Bypass 1412 if not required.
  • Freshly filled products can be pasteurized in the Pasteurizer 1408 for preservation.
  • the exemplary system configuration 1300 shows various tanks for corresponding consumables, such as tanks 1410 with rinsing liquid and/or the filling product and tanks 1406 with belt lubricant. These tanks can also be included in the exemplary system configurations already described above.
  • the chemical products 106 that are fed from the mixer 110 to the machines can be stored in tanks 1406 and 1410.

Landscapes

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

Abstract

Ausführungsformen der Erfindung betreffen ein Verfahren und ein System zum Optimieren von Produktsequenzierungen in einer Maschinenlinie, insbesondere in einer Maschinenlinie zum Abfüllen und Verpacken von Lebensmitteln und/oder Getränken. Die Erfindung umfasst das Erstellen eines formalen Systemmodells für die Maschinenlinie. Das formale Systemmodell beschreibt Wirkzusammenhänge von Daten-, Energie-, und/oder Materialströmen. Die Erfindung umfasst weiter das Eingeben des formalen Systemmodells zusammen mit Auftragsbestandsdaten und Randbedingungen an ein Künstliches-Intelligenz- (KI-) System. Das KI-System spannt einen Lösungsraum mit einer Vielzahl von möglichen Produktsequenzierungen zum Abarbeiten von Aufträgen auf, die in den Auftragsbestandsdaten enthalten sind. Der Lösungsraum wird dann nach einer optimierten Produktsequenzierung basierend auf den Randbedingungen und/oder basierend auf einer Optimierungspräferenz durchsucht und mindestens ein Plan zur Produktsequenzierung oder die Ursache für das Scheitern der Planberechnung mit entsprechenden Handlungsoptionen zu Behebung werden ausgegeben.

Description

Verfahren und System zum Optimieren von Produktsequenzierungen in einer Maschinenlinie
Die Erfindung betrifft ein Verfahren und ein System zum Optimieren von Produktsequenzierungen in einer Maschinenlinie, insbesondere in einer Maschinenlinie zum Abfüllen und Verpacken von Lebensmitteln und/oder Getränken.
Aktuell existieren für Maschinenlinien zur Herstellung, Verpackung und Abfüllung verschiedener Produkte Softwarelösungen, die zur Planung jeder Anlage kundenspezifisch verwendet werden. Produktionssequenzierung, also das Bilden einer Fertigungsreihenfolge von Produktionsaufträgen, erfolgt traditionell auf Basis von Erfahrungswissen der Planer. Es ist momentan keine Service-Funktionalität vorhanden, die das Domänenwissen eines Herstellers von Maschinenlinien für die Optimierung für seine Kunden als digitales Serviceprodukt ermöglicht. Die Planungsqualität hängt damit vom Personal des Kunden ab.
Aktuell werden Softwarelösungen zur Planung jeder Anlage kundenspezifisch verwendet. Dieser Ansatz ist zeit- und kostenintensiv, da er eine individuelle Anpassung für jeden Kunden erfordert. Außerdem besteht das Risiko von Inkonsistenzen, da jede Lösung auf ihre eigene Weise entwickelt und implementiert wird. Da die Produktionssequenzierung traditionell auf Basis des Erfahrungswissens der Planer erfolgt, ist dieses Vorgehen fehleranfällig und unsystematisch, da es von der individuellen Fähigkeit und Erfahrung jedes Planers abhängt. Darüber hinaus ist es schwierig, neues Personal in dieses Wissensgebiet einzuarbeiten, was die Effizienz weiter einschränkt.
Durch das Fehlen einer Service-Funktionalität, die das Domänenwissen eines Herstellers von Maschinenlinien für die Optimierung für seine Kunden als digitales Serviceprodukt ermöglicht, existiert eine Lücke in der Wertschöpfungskette, da Hersteller mit aktuellen Systemen nicht optimal in der Lage sind, Kunden kontinuierlich Unterstützung und Verbesserungen in der Produktsequenzierung zu bieten.
Durch die oben beschriebenen Nachteile ergeben sich somit in der Planung und Steuerung von Maschinenlinien für die Produktion Schwächen in Bezug auf Effizienz, Flexibilität, Qualität und Zuverlässigkeit.
Es besteht daher ein Bedarf für verbesserte Verfahren und Systeme zum Optimieren von Produktsequenzierungen in einer Maschinenlinie. Die vorliegende Erfindung zielt darauf ab, diese Nachteile zu überwinden, indem verschiedene Strategien je nach Anlagenkonfiguration und Kundenpräferenz für das Maschinenlinienverhalten flexibel erstellt und geeignet angewendet werden, statt sie manuell zu erstellen und vorzugeben. Dadurch wird eine Verbesserung der bestehenden Technologie angestrebt, die die Effizienz der Maschinenlinien steigern und gleichzeitig die Kosten reduzieren kann.
Die Aufgabe wird erfindungsgemäß durch ein Verfahren gemäß Anspruch 1 und ein System gemäß Anspruch 8 gelöst. Ausführungsformen und Weiterbildungen sind in den Unteransprüchen erfasst.
Eine Ausführungsform der Erfindung betrifft ein Verfahren zum Optimieren von Produktsequenzierungen in einer Maschinenlinie, insbesondere in einer Maschinenlinie zum Abfüllen und Verpacken von Lebensmitteln und/oder Getränken. Das Verfahren umfasst das Erstellen eines formalen Systemmodells für die Maschinenlinie. Das formale Systemmodell beschreibt je nach Bedarf Wirkzusammenhänge von Daten-, Energie-, und/oder Materialströmen. Gemäß weiterer Ausführungsformen kann das formale Systemmodell eine semantische und formale Erweiterung eines digitalen Konstruktionsmodells der Maschinenlinie sein. Weiterhin kann das formale Modell Abhängigkeiten zu und zwischen Betriebszuständen, Geometrien, Materialien, Prozessen, Funktionen, Kundenanforderungen und/oder Optimierungszielen beschreiben. Das Verfahren umfasst des Weiteren das Eingeben des formalen Systemmodells zusammen mit Auftragsbestandsdaten und Randbedingungen an ein Künstliches-Intelligenz- (KI-) System. Das Kl-System spannt daraufhin einen Lösungsraum mit einer Vielzahl von möglichen Produktsequenzierungen zum Abarbeiten von Aufträgen auf, die in den Auftragsbestandsdaten enthalten sind. Daraufhin wird der Lösungsraum nach einer optimierten Produktsequenzierung basierend auf den Randbedingungen und/oder basierend auf einer Optimierungspräferenz durchsucht und ein Plan zur Produktsequenzierung wird ausgegeben.
Die Randbedingungen können dabei Kundenpräferenzen und/oder Planungsvorgaben umfassen, wie beispielsweise minimale Wechselzeiten, maximaler OEE, minimaler Energieverbrauch, minimaler Medienverbrauch (Reinigungsmittel, Säure Basen etc.), Lieferfähigkeit für spezifische Produkte, Planungszeitraum, Teilfestlegungen im Produktionsprogramm, produktspezifische Einplanungsregeln, etc. umfassen. Die Wirkzusammenhänge und Abhängigkeiten können in Form einer Produktwechselmatrix formalisiert werden. Das Aufspannen des Lösungsraums kann das Erstellen aller Handlungsoptionen zur Produktsequenzierung durch einen Grounder und das Erzeugen eines variabienfreien Logikprogramms als Ergebnis des Aufspannens umfassen. Das Durchsuchen des Lösungsraums nach einer optimierten Produktsequenzierung kann durch Durchsuchen, durch einen Solver, des variabienfreien Logikprogramms geschehen, um den optimierten Plan basierend auf den Randbedingungen und/oder basierend auf der Optimierungspräferenz zu ermitteln.
Eine Ausführungsform der Erfindung betrifft ein entsprechendes System zum dynamischen Erstellen von Handlungsanweisungen zum bedienergeführten Umstellen einer Maschinenlinie.
Beispielhafte Aspekte der Erfindung sind in den Zeichnungen dargestellt. Es zeigen:
Figur 1 : ein Ablaufdiagramm, das die Schritte eines Verfahrens gemäß der
Erfindung zeigt;
Figur 2: eine beispielhafte Anlagenkonfiguration für PET-Behälter und
Klebegebinde;
Figur 3: eine beispielhafte Anlagenkonfiguration für PET-Behälter und
Schrumpfpacker;
Figur 4: eine beispielhafte Anlagenkonfiguration für Dosen oder Glasflaschen; und
Figur 5: eine beispielhafte Anlagenkonfiguration für Dosen.
Ausführungsformen der Erfindung betreffen eine Optimierung der Produktionsplanung und Sequenzierung in einer Maschinenlinie, wie beispielsweise einer Getränkeabfüllanlage. Beispielsweise kann für eine Abfüllanlage eine Reihe von verschiedenen Aufträgen vorhanden sein, die jeweils unterschiedliche Produkte (z.B. unterschiedliche Getränke für unterschiedliche Behälter) betreffen. Es soll ein System bereitgestellt werden, das eine Optimale Produktionsplanung und Bildung einer optimalen Reihenfolge der Produktionsaufträge erstellt, basierend auf Randbedingungen und praktischen Informationen der Maschinenlinie. Beispielsweise kann eine übliche Präferenz sein, dass Produkte mit viel Zuckergehalt abgefüllt werden, nachdem zuerst Produkte mit weniger Zucker abgefüllt wurden, da im umgekehrten Fall ein höherer Reinigungsaufwand aufgebracht werden müsste. Es ist das Ziel der Erfindung, verschiedene Strategien je nach Anlagenkonfiguration und Kundenpräferenz für das Anlagenverhalten durch die Anlage in Form eines Expertensystems flexibel und automatisch aus formalen Systemmodellen abzuleiten und geeignet anzuwenden, anstatt sie wie im Stand der Technik üblich manuell zu erstellen und vorzugeben.
Die automatische Ableitung des Anlagenverhaltens kann dabei auf Basis eines formallogisch und semantisch erweiterten eines digitalen Konstruktionsmodells der Maschinenlinie erfolgen, das maschinenlesbar vorliegt und den Maschinen/Anlagen als Wissensmodell mitgegeben wird.
Die semantischen und formalen Erweiterungen können die Wirkzusammenhänge von Daten-, Energie- und Materialströmen für die Verwendung in der Künstlichen Intelligenz verfügbar. Weiterhin können sie die Abhängigkeiten zu und zwischen Betriebszuständen, Geometrien, Materialien, Prozessen, Funktionen, Kundenanforderungen und/oder Optimierungszielen beschreiben, soweit vorhanden. Die strukturellen Wirkzusammenhänge können in Form von Produktwechselmatrizen formalisiert werden.
Für die technische Umsetzung und die benötigte Bereitstellung der Infrastruktur kann ein Cloud Service verwendet werden, auf dem die Berechnungen erfolgen.
Wenn beispielsweise ein Kunde für seine Maschinenlinie(n) bzw. beliebige Systemverbünde (beispielsweise Logistiksysteme + BPE-Anlage) die Optimierungspotentiale in der Produktionssequenzierung beim Produktwechsel für einen definierten Produktionszeitraum (beispielsweise 1-5 Tage, 1-4 Wochen, 1-2 Monate, etc.) durch einen flexibel nutzbaren Service optimal je nach kundenspezifischen Präferenzen aufgezeigt bekommen und in der Produktion umsetzen können möchte, kann der Cloud Service über eine entsprechende Benutzerschnittstelle genutzt werden.
Gemäß einiger Ausführungsformen kann das formale Systemmodell für die Optimierung der Produktionsabläufe und Sequenzierung verwendet werden. Anstatt für jede Maschinenlinie das Optimierungspotential unter der Berücksichtigung von unterschiedlichen Präferenzen durch explizites kundenanfragespezifisches Programmieren zu erstellen, sind Ausführungsformen der Erfindung in der Lage, automatisch ein formales Systemmodell der Maschinenlinie und/oder der einzelnen Komponenten zu erzeugen, die beispielsweise auf Basis der formalen Produktwechselmatrizen abgeleitet werden können.
Zur Optimierung der Anlagenproduktionssequenz kann dieses Systemmodell inklusive aktueller Auftragsbestandsdaten aus einem Enterprise-Resource-Planning-System (ERP- System), Kundenpräferenzen (beispielsweise minimale Wechselzeiten, Maximaler OEE, Lieferfähigkeit für spezifische Produkte, etc.) und die Planungsvorgaben (Planungszeitraum, Teilfestlegungen im Produktionsprogramm, produktspezifische Einplanungsregeln) in eine deklarative Logiksprache übersetzt werden, die von einem wissensbasierten Künstliche- I ntelligenz- (KI-) System (im Folgenden auch Expertensystem genannt) als Anfrage bearbeitet werden kann. Das Kl-System/Expertensystem kann ein eigenes internes deklaratives formallogisches Wissensmodell über die Bedeutung der Anfrage und der übermittelten Systemzusammenhänge enthalten. Zur Ermittlung der optimalen Beantwortung der Anfrage mittels dem formalen Systemmodel und dem Kl-System kann wie folgt vorgegangen werden,
Ein Benutzer kann Planungsdaten für die Produktionssequenzierung über eine Benutzerschnittstelle an ein elektronisches System, beispielsweise eine Recheneinheit, eingeben. Die Planungsdaten können Auftragsbestandsdaten und/oder andere Randbedingungen, wie Kundenpräferenzen umfassen. Die Benutzerschnittstelle kann eine grafische Bedienoberfläche sein, über die der Benutzer die Daten an den Cloud Service übermitteln kann. Das Kl-System kann zur Unterstützung dafür über entsprechende Schnittstellen zum ERP System verfügen. Nach vollständiger Eingabe/Auswahl der relevanten Auftragsbestandsdaten, beispielsweise aus dem ERP, der Kundenpräferenzen und der Planungsvorgaben kann das Kl-System einen Lösungsraum aufspannen.
Der Lösungsraum für mögliche Handlungen kann automatisch aufgespannt werden, d.h. beispielsweise unter Berücksichtigung aller relevanten Auftragsbestandsdaten aus dem ERP, der Kundenpräferenzen, der Planungsvorgaben und des internen deklaratives formallogisches Wissensmodell des Expertensystems können alle möglichen Handlungsoptionen durch einen sogenannten Grounder gegründet werden.
In diesem Schritt kann als Ergebnis ein variabienfreies Logikprogramm erzeugt werden. Falls Propagation nötig ist, kann diese in weiteren Systemmodulen parallel, sequenziell oder im Rahmen des Groundings ausgeführt werden.
Der dabei erstellte Lösungsraum kann im Folgenden nach einer Optimierungspräferenz durchsucht werden. Beispielsweise kann durch einen Solver das variabienfreie Logikprogramm durchsucht werden, um den nach den Präferenzen optimalen Plan zu ermitteln. Der optimale Plan kann beispielsweise mittels einem Gütemaß, wie beispielsweise einem Schwellwert für einen oder mehreren Parametern identifiziert werden. Zusätzlich ist es möglich Pläne für verschiedene Präferenzprofile (z.B. OEE-optimal als Standard, Alternative 1 : energie- und medienoptimal, Alternative 2: Lagerbestandsoptimal usw.) zur Gegenüberstellung in der Bedienoberfläche zu erzeugen. Beispielsweise kann ein Benutzer dem Kl-System auch eine bestimmte Zeit für die Optimierungssuche geben und das Kl-System gibt das Optimum der innerhalb dieser Zeit gefundenen Suche als Lösung aus.
Die gefundene optimale Lösung, bzw. der erstellte Plan bzw. die Pläne können dem Benutzer dann angezeigt werden. Im Folgenden bezieht sich die Erfindung auf einen Plan, der ermittelt und dem Benutzer angezeigt wird, was jedoch nicht ausschließen soll, dass eine Vielzahl von Plänen gefunden, ermittelt und/oder angezeigt werden. Dies kann beispielsweise über die Benutzerschnittstelle an den Benutzer geschehen. Der Benutzer kann die ausgegebenen Pläne dann vergleichen, einen davon annehmen oder sie ablehnen. Im ersten Fall wird der vom Solver ausgegebene Verhaltensplan dafür zu rückübersetzt werden, so dass er zur Anlagen-/Systemsteuerung geeignet ist. Der übersetzte Plan kann dann direkt von der Maschinenlinie des Benutzers implementiert und umgesetzt werden.
Es kann auch vorkommen, dass der Benutzer den ausgegebenen Plan nicht übernimmt, z.B. wegen Fehleingaben oder dass der Benutzer neue Präferenzen hat und die Eingabe für eine Neuplanung überarbeitet. Dann kann das Verfahren von vorne begonnen werden.
Durch eine Online Verbindung der Maschinen/Anlagen mit dem Kl-System in der Cloud oder Installation des Kl-Systems auf Anlagenebene beim Benutzer, kann die Optimierung der Anlagenproduktionssequenzen automatisch umgesetzt werden.
Die hierin beschriebenen Ausführungsformen bieten dabei einige Vorteile gegenüber der bisher ausgeführten Praxis. Benutzer der Maschinenlinien benötigen beispielsweise keine Experten für die Produktionssequenzierung ihrer Anlagen, da die Hersteller der Maschinenlinien dieses Know-how als Service für die Benutzer zur Verfügung stellen können.
Das Kl-System zum Steuern von Anlagenverhalten kann regelmäßig verbessert und online ohne Produktionsunterbrechung aktualisiert werden, mit dem Ziel, Funktionsnachrüstungen ohne zusätzlichen Aufwand zu generieren, da keine manuellen Konfigurations-/Programmieranpassungen vor Ort mehr benötigt werden.
Figur 1 zeigt ein beispielhaftes Ablaufdiagramm, das ein Verfahren 100 gemäß Ausführungsformen der Erfindung zeigt.
Das Verfahren 100 zum Optimieren von Produktsequenzierungen in einer Maschinenlinie startet mit Schritt S102, in dem ein formales Systemmodell für die Maschinenlinie erstellt wird. Das formale Systemmodell beschreibt Wirkzusammenhänge von Daten-, Energie-, und/oder Materialströmen und kann darüber hinaus noch eine semantische und formale Erweiterung eines digitalen Konstruktionsmodells der Maschinenlinie sein, das des Weiteren Abhängigkeiten zu und zwischen Betriebszuständen, Geometrien, Materialien, Prozessen, Funktionen, Kundenanforderungen und/oder Optimierungszielen beschreibt.
In Schritt S104 werden Daten in ein Kl-System eingegeben. Die Daten können das formale Systemmodell umfassen, falls das Kl-System dieses nicht bereits besitzt. Die Daten können des Weiteren Auftragsbestandsdaten und Randbedingungen, wie beispielsweise Kundenpräferenzen und/oder Planungsvorgaben sein.
In Schritt S106 wird durch das Kl-System ein Lösungsraum mit einer Vielzahl von möglichen Produktsequenzierungen zum Abarbeiten der Aufträge, die in den Auftragsbestandsdaten enthalten sind aufgespannt. Das Aufspannen des Lösungsraums kann das Erstellen aller Handlungsoptionen zur Produktsequenzierung durch einen Grounder und das Erzeugen eines variabienfreien Logikprogramms als Ergebnis des Aufspannens umfassen.
In Schritt S108 wird der Lösungsraums nach einer optimierten Produktsequenzierung basierend auf den Randbedingungen und/oder basierend auf einer Optimierungspräferenz durchsucht, bevor in Schritt S110 ein ermittelter optimaler Plan an den Benutzer ausgegeben wird. Die Recheneinheit kann alternativ verletzte Zusammenhänge zur Problemlösung ausgeben, falls keine gültige Produktsequenzierung und somit kein Plan in dem Lösungsraum gefunden wird. Über die Bedieneroberfläche können die verletzten Zusammenhänge dann an einen Benutzer zur weiteren Analyse auszugeben werden. Der Benutzer kann eine flexible Entspannung zuvor hart zu erfüllender Regeln der Planung zur Problemanalyse vornehmen. Beispielsweise kann der Benutzer angeben, dass so viele Produkte wie möglich geplant werden sollen, anstatt alle zu planen. Dies ermöglich eine systematisch unterstütze Lösung des Planungsproblems durch die Berechnung und Gegenüberstellung verschiedener Szenarien, womit dann der Benutzer eine Eingabeanpassung vornehmen kann, die dann zu einem / mehreren gültigen Plänen führt.
Der Benutzer kann in Schritt S112 entscheiden, ob der ausgegebene Plan zur Produktsequenzierung angenommen werden soll oder nicht.
Wenn der Benutzer den Plan annimmt, geht das Verfahren zu Schritt S114 weiter und der vom Solver ausgegebene Plan kann in der Anlage implementiert werden. Der Plan kann dafür zurückübersetzt werden, so dass er zur Anlagen-/Systemsteuerung geeignet ist. Der übersetzte Plan kann dann direkt von der Maschinenlinie des Benutzers implementiert und umgesetzt werden. Wenn der Benutzer den ausgegebenen Plan nicht übernimmt, geht das Verfahren zurück zu Schritt S104.
In den folgenden Figuren 2 bis 5 werden verschiedene beispielhafte Anlagenkonfigurationen für verschiedene Flaschenabfüllanlagen beschrieben, in denen die Erfindung oder wenigstens T eile und Aspekte der Erfindung implementiert werden können. Die Beschreibung der Figuren 2 bis 5 soll nur eine allgemeine Übersicht über Maschinen geben, für welche Zustandsdaten gesammelt werden können, auf deren Grundlage das Expertensystem Benutzeranfragen verarbeiten kann.
Figur 2 zeigt eine beispielhafte Anlagenkonfiguration 1000 für PET-Flaschen oder PET- Behälter und Klebegebinde. Wie in Figur 2 zu sehen, umfasst die Anlagenkonfiguration 1000 verschiedenste Module, die eine Linie bilden, an deren Ende fertig abgefüllte PET-Behälter in Form eines Gebindes auf Paletten ausgegeben werden. Einige der Module und Maschinen können dabei optional sein und die Erfindung ist nicht auf die genaue Form und Anordnung der Anlagenkonfigurationen beschränkt.
Die Anlagenkonfiguration 1000 umfasst einen Ofen 1002 für Preforms, eine Preform- Sortierung mit Zuführmaschine 1004 und eine Blasmaschine 1008. Die Module 1002, 1004 und 1008 bilden im Allgemeinen eine Streckblasmaschine, in welcher PET-Behälter aus einem Ausgangsmaterial hergestellt und geformt werden. Die hergestellten PET-Behälter werden weitergeleitet in einen Füller 1010, in dem die Flaschen befüllt werden. Der Füller kann optional einen Rinser umfassen. In den Preforms können sich während der Lagerung oder des Transports verschiedene Partikel wie Staub, Pappe oder Reste von Holzpaletten ablagern. Mit dem Rinser lassen sich diese entfernen. Am Ende des Füllers kann ein Verschließer angeordnet sein, mittels welchem die PET-Behälter nach der Befüllung verschlossen werden.
Optional kann die Anlagenkonfiguration 1000 nach dem Füller 1010 eine Drehvorrichtung umfassen, die bei Heißabfüllung der PET-Behälter zum Einsatz kommt. Über ein oder mehrere Transportbänder 1016, die auch einen Puffer 1018 zum Zwischenladen von befüllten Behältern umfassen können werden die befüllten PET-Behälter zu einem Vereinzeler 1020 und weiter zu einer Trocknungsvorrichtung 1024 geleitet, in welcher die PET-Behälter getrocknet werden.
Nach erfolgter Trocknung werden die PET-Behälter in eine Etikettiermaschine 1026 befördert. Die Etikettiermaschine 1026 kann für verschiedene Etikettiertechniken ausgelegt sein, wie beispielsweise eine Etikettierung mittels Heißleim, Kaltleim, Selbstklebe-Etiketten oder Sleeves. Nach dem Bedrucken oder Etikettieren der PET-Behälter, werden die PET- Behälter durch eine zweite Trocknungsvorrichtung 1028, einen Linienverteiler 1030, Transportbänder 1032, eine Klebegebindeherstellung 1034 und eine Aushärtstrecke zu einem Handle-Applikator geleitet. In der Klebegebindeherstellung 1034 werden die PET-Behälter in bestimmte Gruppengrößen zusammen gruppiert und zu einem Gebinde, wie beispielsweise einem „Sixpack“ verpackt. In dem Handle-Applikator wird ein Tragegriff an das Gebinde angebracht, was ein komfortables Tragen des Gebindes ermöglicht. Die fertigen Gebinde werden dann von einem Roboter 1042 zur Lagenherstellung entsprechend angeordnet und von einem Palettierer 1044 auf Paletten verpackt.
In der Anlagenkonfiguration 1000 können an verschiedenen Modulen und Maschinen sogenannte Formatwagen oder Formatregale angeordnet sein, um schnell wechselbare Formatsätze für kurze Umstellzeiten und automatischen Werkzeugwechsel zur Verfügung zu stellen. Beispiele für Formatwagen sind der Formatwagen 1006 für die Blasmaschine 1008, der Formatwagen 1012 für den Füller 1010, der Formatwagen 1022 für die Etikettiermaschine 1026, der Formatwagen 1038 für die Klebegebindeherstellung 1034 und der Formatwagen 1046 für den Palettierer 1044.
Figur 3 zeigt eine weitere beispielhafte Anlagenkonfiguration 1100 für PET-Behälter und Schrumpfpacker. Die Anlage 1100 aus Figur 3 umfasst viele der Module und Maschinen aus der Anlagenkonfiguration 1000 aus Figur 2, jedoch gibt es einige Unterschiede. Auf die Beschreibung der Module, die bereits in Zusammenhang mit Figur 2 beschrieben sind, wird daher für Figur 3 verzichtet.
Ein wesentlicher Unterschied zwischen den beiden beispielhaften Anlagenkonfigurationen 1000 und 1100 besteht darin, dass die Etikettiermaschine 1126 mit den Etikettiermodulen 1127 bereits nach der Blasmaschine 1008 und vor dem Füller 1008 installiert sein kann. Dafür kann die Anlagenkonfiguration 1100 gleich sechs Transportspuren 1150 umfassen, in die sich die PET-Behälter eindrängeln können. Nachdem die PET-Behälter sich entsprechend in eine der sechs Spuren 1150 eingedrängelt haben, werden sie in das Folieneinschlagmodul 1152 und anschließend in den Schrumpftunnel 1154 befördert.
Figur 4 zeigt eine beispielhafte Anlagenkonfiguration 1200 für Dosen oder Glasflaschen. Die beispielhafte Anlagenkonfiguration 1200 aus Figur 4 hat wieder einige Ähnlichkeiten zu den Anlagenkonfigurationen 1000 und 1100 aus Figuren 2 und 3 und die Beschreibung der Anlagenkonfiguration beschränkt sich daher auf die Unterschiede der Anlagenkonfigurationen. Wie in Figur 4 gezeigt, kann die beispielhafte Anlagenkonfiguration zwei separate Zuführungen umfassen. Eine erste Zufuhr, links in Figur 4, zeigt einen Zweig bei Dosen oder optional einen Teilzweig bei Mehrweg-Neuflaschen. Dabei werden die Behälter, d.h. Dosen oder neue Flaschen, von einem Depalettierer 1302 in die Maschine geführt, wo sie über Transportbänder zu dem Füller 1010 geführt werden. Eine zweite Zufuhr, rechts in Figur 4, zeigt einen Teilzweig bei Mehrwegflaschen, die von einer Mehrwegsortieranlage (nicht abgebildet) in die Anlage eingeleitet werden.
In dem Fall, dass die bereits benutzten Mehrwegflaschen über den Teilzweig bei Mehrwegflaschen in die Anlage 1200 eingeleitet werden, durchlaufen die Mehrwegflaschen zunächst die Reinigungsmaschine oder Waschmaschine 1304. Ein weiterer möglicher Unterschied der beispielhaften Anlagenkonfiguration 1200 ist der Umsetzpacker 1306 nach der Etikettiermaschine 1026. Der Umsetzpacker kann die Flaschen oder Dosen in eine Karton- Clip-Aufbringung oder in Kästen oder beides einsortieren.
Figur 5 zeigt eine beispielhafte Anlagenkonfiguration 1300 für Dosen, in der wieder die bereits in den anderen Anlagenkonfigurationen beschriebene Elemente nicht mehr beschrieben werden. Die Dosen in der Anlagenkonfiguration 1300 werden von einem Magazin 1402 mit Dosen in den Depalettierer 1302 eingeleitet. Die Dosen werden, nachdem sie den Füller durchlaufen haben und gefüllt sind mittels Verschlussmagazin 1404 verschlossen und über die Transportbänder, wie oben beschrieben, weiter entlang der Anlage 1400 geleitet.
Der optionale Pasteur 1408 kann über den Bypass 1412 umgangen werden, falls dieser nicht benötigt wird. Im Pasteur 1408 können die frisch abgefüllten Produkte für die Konservierung pasteurisiert werden.
Im Gegensatz zu den Anlagenkonfigurationen 1000, 1100 und 1200 sind in der beispielhaften Anlagenkonfiguration 1300 verschiedene Tanks für entsprechende Verbrauchsgüter gezeigt, wie die Tanks 1410 mit Rinsflüssigkeit und/oder dem Abfüllprodukt und den Tanks 1406 mit Bandschmiermittel. Diese Tanks können auch in den bereits oben beschriebenen beispielhaften Anlagenkonfigurationen enthalten sein. In die Tanks 1406 und 1410 können beispielsweise die chemischen Produkte 106, die aus dem Mischer 110 zu den Maschinen geleitet wird, gespeichert werden.

Claims

ANSPRÜCHE
1. Verfahren zum Optimieren von Produktsequenzierungen in einer Maschinenlinie, insbesondere in einer Maschinenlinie zum Abfüllen und Verpacken von Lebensmitteln und/oder Getränken, oder in mehreren Maschinenlinien oder in Systemverbünden, umfassend Logistiksysteme, wobei das Verfahren umfasst:
Erstellen (S102) eines formalen Systemmodells für die Maschinenlinie oder die mehreren Maschinenlinien oder die Systemverbünde, wobei das formale Systemmodell Wirkzusammenhänge von Daten-, Energie-, und/oder Materialströmen beschreibt;
Eingeben (S104) des formalen Systemmodells zusammen mit Auftragsbestandsdaten und Randbedingungen an ein Künstliches-Intelligenz- (KI-) System;
Aufspannen (S106), durch das Kl-System, eines Lösungsraums mit einer Vielzahl von möglichen Produktsequenzierungen zum Abarbeiten von Aufträgen, die in den Auftragsbestandsdaten enthalten sind;
Durchsuchen (S108) des Lösungsraums nach einer optimierten Produktsequenzierung basierend auf den Randbedingungen und/oder basierend auf einer Optimierungspräferenz; und
Ausgeben (S110) eines Plans zur Produktsequenzierung.
2. Verfahren nach Anspruch 1 , wobei das formale Systemmodell eine semantische und formale Erweiterung eines digitalen Konstruktionsmodells der Maschinenlinie oder der mehreren Maschinenlinien oder der Systemverbünde ist und des Weiteren Abhängigkeiten zu und zwischen Betriebszuständen, Geometrien, Materialien, Prozessen, Funktionen, Kundenanforderungen und/oder Optimierungszielen beschreibt.
3. Verfahren nach Anspruch 1 oder 2, wobei die Randbedingungen Kundenpräferenzen und/oder Planungsvorgaben umfassen.
4. Verfahren nach einem der Ansprüche 1 bis 3, wobei die Wirkzusammenhänge und Abhängigkeiten in Form wenigstens einer Produktwechselmatrix formalisiert sind.
5. Verfahren nach einem der Ansprüche 1 bis 4, wobei das Aufspannen des Lösungsraums umfasst:
Erstellen aller Handlungsoptionen zur Produktsequenzierung durch einen Grounder;
Erzeugen eines variabienfreien Logikprogramms als Ergebnis des Aufspannens.
6. Verfahren nach Anspruch 5, wobei das Durchsuchen des Lösungsraums nach einer optimierten Produktsequenzierung umfasst:
Durchsuchen, durch einen Solver, des variabienfreien Logikprogramms, um den optimierten Plan basierend auf den Randbedingungen und/oder basierend auf der Optimierungspräferenz zu ermitteln.
7. System zum Optimieren von Produktsequenzierungen in einer Maschinenlinie, insbesondere in einer Maschinenlinie zum Abfüllen und Verpacken von Lebensmitteln und/oder Getränken oder in mehreren Maschinenlinien oder in Systemverbünden umfassend Logistiksysteme, wobei das das System umfasst: eine Recheneinheit mit einer Benutzerschnittstelle, wobei die Recheneinheit angepasst ist zum:
Erstellen (S102) eines formalen Systemmodells für die Maschinenlinie, wobei das formale Systemmodell Wirkzusammenhänge von Daten-, Energie-, und/oder Materialströmen beschreibt;
Eingeben (S104) des formalen Systemmodells zusammen mit Auftragsbestandsdaten und Randbedingungen an ein Künstliches-Intelligenz- (KI-) System, wobei wenigstens ein Teil der Randbedingungen über die Benutzerschnittstelle an die Recheneinheit übertragen werden;
Aufspannen (S106), durch das Kl-System, eines Lösungsraums mit einer Vielzahl von möglichen Produktsequenzierungen zum Abarbeiten von Aufträgen, die in den Auftragsbestandsdaten enthalten sind; Durchsuchen (S108) des Lösungsraums nach mindestens einer optimierten Produktsequenzierung basierend auf den Randbedingungen und/oder basierend auf einer Optimierungspräferenz; und
Ausgeben (S110), über die Benutzerschnittstelle, mindestens eines Plans zur Produktsequenzierung.
8. System nach Anspruch 7, wobei die Recheneinheit des Weiteren so angepasst ist, dass sie verletzte Zusammenhänge zur Problemlösung ausgibt, falls keine gültige Produktsequenzierung in dem Lösungsraum gefunden wird.
9. System nach Anspruch 8, wobei die Recheneinheit des Weiteren dazu ausgelegt ist, über die Bedieneroberfläche die verletzten Zusammenhänge an einen Benutzer zur weiteren Analyse auszugeben.
10. System nach einem der Ansprüche 7 bis 9, wobei das formale Systemmodell eine semantische und formale Erweiterung eines digitalen Konstruktionsmodells der Maschinenlinie ist und des Weiteren Abhängigkeiten zu und zwischen Betriebszuständen, Geometrien, Materialien, Prozessen, Funktionen, Kundenanforderungen und/oder Optimierungszielen beschreibt.
PCT/EP2024/075925 2023-12-08 2024-09-17 Verfahren und system zum optimieren von produktsequenzierungen in einer maschinenlinie Pending WO2025119511A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102023134472.2A DE102023134472A1 (de) 2023-12-08 2023-12-08 Verfahren und System zum Optimieren von Produktsequenzierungen in einer Maschinenlinie
DE102023134472.2 2023-12-08

Publications (1)

Publication Number Publication Date
WO2025119511A1 true WO2025119511A1 (de) 2025-06-12

Family

ID=92816556

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2024/075925 Pending WO2025119511A1 (de) 2023-12-08 2024-09-17 Verfahren und system zum optimieren von produktsequenzierungen in einer maschinenlinie

Country Status (2)

Country Link
DE (1) DE102023134472A1 (de)
WO (1) WO2025119511A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220027817A1 (en) * 2018-10-26 2022-01-27 Dow Global Technologies Llc Deep reinforcement learning for production scheduling
WO2023159344A1 (zh) * 2022-02-22 2023-08-31 京东方科技集团股份有限公司 产品的生产排程方法、电子设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012206083A1 (de) * 2012-04-13 2013-10-17 Krones Ag Verfahren und Vorrichtung zur Optimierung eines Produktionsprozesses
DE102021201887A1 (de) * 2021-03-01 2022-09-01 Sms Group Gmbh System, Verfahren und Computerprogramm zur betriebswirtschaftlichen Optimierung eines Prozesses in einer Produktionsanlage, insbesondere einer Produktionsanlage der metallerzeugenden Industrie, der nicht-Eisen- oder Stahlindustrie oder der Vorlegierungsherstellung
DE102021128795B4 (de) * 2021-11-05 2024-05-02 Dr. Ing. H.C. F. Porsche Aktiengesellschaft System, Verfahren und Computerprogrammprodukt zur optimierten regelbasierten Prozessplanung für eine Entität

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220027817A1 (en) * 2018-10-26 2022-01-27 Dow Global Technologies Llc Deep reinforcement learning for production scheduling
WO2023159344A1 (zh) * 2022-02-22 2023-08-31 京东方科技集团股份有限公司 产品的生产排程方法、电子设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GEORGIADIS GEORGIOS P ET AL: "Optimal production scheduling of food process industries", COMPUTERS & CHEMICAL ENGINEERING, PERGAMON PRESS, OXFORD, GB, vol. 134, 14 December 2019 (2019-12-14), XP086078223, ISSN: 0098-1354, [retrieved on 20191214], DOI: 10.1016/J.COMPCHEMENG.2019.106682 *
HARJUNKOSKI IIRO ET AL: "Scope for industrial applications of production scheduling models and solution methods", COMPUTERS & CHEMICAL ENGINEERING, PERGAMON PRESS, OXFORD, GB, vol. 62, 12 December 2013 (2013-12-12), pages 161 - 193, XP028856575, ISSN: 0098-1354, DOI: 10.1016/J.COMPCHEMENG.2013.12.001 *

Also Published As

Publication number Publication date
DE102023134472A1 (de) 2025-06-12

Similar Documents

Publication Publication Date Title
EP3812981B1 (de) Verfahren und fertigungsanlage zur herstellung eines produktes
Maalouf et al. A case study of VSM and SMED in the food processing industry
WO2004088439A1 (de) Verfahren zum rechnergestützten regeln einer mehrzahl von in serie miteinander gekoppelten maschinen, regelungseinrichtung und maschinen-anordung
DE102018127823A1 (de) Verfahren und System zum Verpacken von Artikeln
DE60105215T2 (de) System und Verfahren zur Demontage und Montage eines Produkts
WO2025119511A1 (de) Verfahren und system zum optimieren von produktsequenzierungen in einer maschinenlinie
WO2025011828A1 (de) Fehlerursachenanalyse für eine maschinenlinie
DE102024100434A1 (de) Verfahren und System zur Analyse und Ausgabe von Daten einer Maschinenlinie
DE102023119272A1 (de) Verfahren und System zur angepassten Ausgabe von Daten einer Maschinenlinie
EP3294637B1 (de) Verfahren und vorrichtung zum behandeln von getränkebehältnissen
DE102023119266A1 (de) Verfahren und System zur unterstützten Steuerung einer Maschinenlinie
DE102024122698A1 (de) Verfahren zum Optimieren eines Maschinenlinien-Aufbaus
DE112022001276T5 (de) Verfahren und system zum bestimmen und/oder optimieren von betriebsbedingungen eines intralogistiksystems
EP4586033A1 (de) Verfahren und system zum erkennen und beheben von fehlfunktionen einer maschine
DE102023118117A1 (de) Fehlerursachenbestimmung für eine Maschinenlinie
WO2025078118A1 (de) Umstellprozess für maschinen und dynamisches erstellen von handlungsanweisungen
EP4147104B1 (de) Verfahren und steuereinheit zum bereitstellen von transportdaten zum steuern eines warentransports in einer produktionsumgebung sowie produktionsumgebung
DE202020104479U1 (de) Reifenmarkierungsvorrichtung und Reifen
DE102024122673A1 (de) Verfahren und System zum kontextbasierten Bereitstellen von technischen Handlungsanweisungen
DE102024123890A1 (de) Verfahren und System zur Zustandsüberwachung einer Behälterbehandlungslinie
DE102024113427A1 (de) Maverick-Bündelung
EP4538815A1 (de) Verfahren zum bereitstellen von betriebsdaten eines transportsystems in einer maschinenlinie
DE102024100432A1 (de) Verfahren und Vorrichtung zur Überwachung und/oder Steuerung einer Maschine mittels digitalem Zwilling
EP2327645B1 (de) Vorrichtung und Verfahren zum teilweise oder vollständig automatischen Kommissionieren von Gebinden
DE102020124684B4 (de) Verfahren sowie Steuereinheit zum automatisierten Einlasten jeweiliger Fertigungsprozesse von Werkstücken unterschiedlicher Typen in einem gewünschten Verhältnis

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24773013

Country of ref document: EP

Kind code of ref document: A1