Thema: Offer-Al - Teilautomatisierte Erstellung von Arbeitsplänen für Produktionsprozesse im Maschinenbau

Finanzierung: Förderung mit Landesmitteln nach Maßgabe der „Richtlinie für die Gewährung von Zuwendungen zur Förderung des Einsatzes von Künstlicher Intelligenz in Schleswig-Holstein (Kl-Förderrichtlinie)“

Forschungskennzahl: 220 23 014

Fördersumme: 333.135,00 €

Laufzeit: 01.09.2023 bis 31.08.2026

Projektleiter: Prof. Dr.-Ing. Daniel Böhnke

Projektpartner: Fachhochschule Kiel | Thyssenkrupp Marine Systems GmbH

Kurzfassung: Arbeitspläne werden als Grundlage von Angeboten und Produktionsprozessen im Maschinenbau benötigt. Die Erstellung ist zeitintensiv und erfordert ein hohes Kompetenzniveau. Da Unternehmen kontinuierlich Arbeitspläne erstellen, sind potentiell große Mengen an Daten verfügbar. Ziel des Projektes ist es, dieses Erfahrungswissen mittels KI zu extrahieren und in einer Form nutzbar zu machen, die es ermöglicht teilautomatisch Arbeitspläne zu generieren. Dies ermöglicht eine schnellere Arbeitsplanung und damit Angebotserstellung bzw. Produktionsbeginn bei geringerem Ressourceneinsatz und höherer Qualität.

Im Projekt wird eine KI erstellt, welche basierend auf einer Stückliste eine Vorhersage für eine Sequenz von Prozessschritten erstellt. Vielversprechende Technologien in diesem Bereich sind rekurrente neuronale Netze und Transformer, welche inzwischen häufig im Bereich der Sprachverarbeitung eingesetzt werden.

Entscheidend für den Einsatz dieser Technologien ist eine ausreichend große Menge an Daten, da in der Regel recht komplexe KI-Netze zu trainieren sind. Diese Tatsache bedingt aber auch, dass entsprechend hoher Aufwand bei der Aufbereitung der Daten für den Einsatz von KI aufgebracht werden muss. An der FH Kiel wurden bereits themenverwandte Vorarbeiten durchgeführt, z. B: das Aufarbeiten von CAD Daten für KI und Demonstratoren für Vorhersagen in Planungsprozessen.

Eine vollständige Automatisierung ist nach derzeitigem Stand der Technik weder möglich noch sinnvoll. Ziel ist es jedoch, eine Vorhersagegenauigkeit von mehr als 85 Prozent zu erreichen. Dadurch wird die Arbeitsplanung bei TKMS signifikant entlastet und kann in geringerer Zeit durchlaufen werden.