Im Rahmen des Projekts „Intelligent Planning and Ordering“ entwickeln die Fraunhofer-IPA-Forscher datenbasierte Modelle, um zukünftiges Kundenverhalten abschätzen und die daraus resultierenden Materialbedarfe ableiten zu können. Ziel ist es, flexibler zu werden und gleichzeitig die komplette Prozesskette von der Planung bis zur Auslieferung der Fahrzeuge stabil zu halten.
In der ersten Projektphase haben die Projektpartner dazu ein KI-Modul entwickelt, das auf Basis von Vertriebs-, Entwicklungs- und Marktdaten vollständig spezifizierte Fahrzeugkonfigurationen generiert, die als sogenannte Planaufträge in der Auftragsabwicklung bearbeitet werden. Diese Planaufträge hat noch niemand bestellt, es ist aber sehr wahrscheinlich, dass ein Kunde künftig ein solches oder sehr ähnliches Auto nachfragen wird.
„Das Modul stellt sicher, dass nur baubare Fahrzeuge in die Produktion eingeplant werden, die die Wünsche der Kunden möglichst gut antizipieren. Um das zu erreichen, werden verschiedenste Datenquellen im Unternehmen verwendet und mit Methoden der KI verarbeitet“, erklärt Raphael Lamprecht, Projektleiter am Fraunhofer IPA.
Mathematische Optimierung der Produktionsreihenfolge
In der zweiten Projektphase wurde ein Softwareprototyp erarbeitet, mit dem die generierten Planaufträge bestmöglich in die Produktion eingelastet und die benötigten Material- und Kapazitätsbedarfe ermittelt werden können. Da die operative Planung stark auf strategischen Unternehmensentscheidungen beruht, werden in der Produktionsplanung verschiedene Szenarien simuliert, bewertet und analysiert.
Ein solches Szenario ist beispielsweise eine starke Gewichtung von Nachhaltigkeitszielen wie eine möglichst CO2-arme Produktion und Fahrzeugflotte oder ein Szenario, in dem die Flexibilität im Produktionsprogramm besonders priorisiert wird, um kurzfristige Kundenwünsche umfassend zu erfüllen.
Produktion soll flexibel und doch effizient sein
Sind die strategischen Entscheidungen getroffen, werden mathematische Optimierungsverfahren eingesetzt, um die Produktionsreihenfolge der Planaufträge zu bestimmen. Dabei werden verschiedene Restriktionen wie werkspezifische Produktionskapazitäten oder Vertriebsvorgaben berücksichtigt. Das Produktionsprogramm wird derart gestaltet, dass es einerseits so flexibel ist, kurzfristige Änderungen an den Fahrzeugen zu möglichen, und dass andererseits die für eine effiziente Produktion notwendige Kontinuität besteht.
„Zukünftig soll es möglich sein, Änderungswünsche der Kunden auch dann noch umzusetzen, wenn sich das Fahrzeug bereits in der Produktion befindet. Voraussetzung hierfür sind hochflexible Prozesse und ein genaues Verständnis der damit einhergehenden Entwicklungen im Planungssystem, die wir durch den gezielten Einsatz von KI erreichen können“, beschreibt Simon Dürr, Projektleiter Porsche AG, das anvisierte Ziel.
Enormer Rechenaufwand für optimale Produktionsreihenfolge
Eine Herausforderung ist dabei der enorme Rechenaufwand, der zum Auffinden der optimalen Produktionsreihenfolge der Fahrzeuge notwendig ist. „Reihenfolgeplanungsprobleme sind rechentechnisch enorm komplex. Um die hohen Laufzeitanforderungen in der Produktionsplanung zu erfüllen, werden verschiedene Varianten des mathematischen Problems für den kurz-, mittel- und langfristigen Planungshorizont betrachtet“, so Lamprecht.
In der letzten Projektphase wird ein Algorithmus entwickelt, der Planaufträgen reale Kunden- und Händleraufträge zuordnet. Um kurzfristige Planänderungen möglichst gering zu halten, Lieferzeiten zu prognostizieren und einzuhalten sowie Aufträge miteinander zu vergleichen, setzen die Forscher auch hier auf KI-Verfahren.
Nach erfolgreichem Abschluss des Kooperationsprojektes sollen die Konzepte und Prototypen die Grundlage einer zukünftigen Planung und Auftragsabwicklung der Porsche AG bilden und in den kommenden Jahren in den operativen Betrieb überführt werden.
Hier finden Sie mehr über: