UdZ 03.22 / 87 Stützstruktur und Verteilung der Bauteile), der Bauteil- Orientierung (Qualität), der Höhe der Bauteile im Bauraum, derAM-MaschineundderAnlagenvorbereitungab (s. Figure 1, S. 86). Ziel des Nestings ist also die optimale Verteilung einer größtmöglichenAnzahl vonBauteilen inder Baukammer der Anlage. Bei AM steht daher die Baujobzusammenstellung in direktem Zusammenhang mit den Bauteilkosten und der benötigten Fertigungszeit3. Gleichzeitig müssen AM-Dienstleister insbesondere oftmals hohe zeitliche Restriktionen der Fertigung berücksichtigen. Darüber hinaus verschärft der hohe Anteil an Einzelteilfertigungen die Problemstellung. Fertigungsbaujobs weisen folglich einen hohen Individualisierungsgrad auf, wodurch eine voraussichtlich geplante Maschinenauslastung manuell unzureichend bemessen werden kann. Eine manuelle Planung erfordert bedeutenden personellen Aufwand, weshalb großes Interesse an einem automatisierten Planungsansatz zur Kostenreduktion besteht. Zudem kann durch eine automatisierte Planung innerhalb von Sekunden auf veränderte Rahmenbedingungen wie Anlagenstörungen oder spontane Eilaufträge reagiert werden4. Die bestehende unzureichende Prozess- und Anlagenstabilität führt dazu, dass Baujobs abbrechen oder die Fertigungsqualität unzureichend ist. Daher ist eine dynamische Baujobplanung zur schnellen und flexiblen Reaktion auf sich ändernde Rahmenbedingungen erforderlich. Anforderungen der additiven Fertigung Klassische Produktionsplanungssysteme können aufgrund der spezifischen Anforderungen der additiven Produktions4 s. Zeyn 2017, S. 114 – 130 4 Zeyn 2017, p. 114 – 130 optimally distribute the largest possible number of components in the build chamber of the system. In AM, therefore, build job composition is directly related to component costs and the required manufacturing time3. At the same time, AM service providers in particular are typically faced with high manufacturing time restrictions. Furthermore, the high proportion of single-part production exacerbates the problem. Consequently, production build jobs are characterized by a high degree of individualization, which means that machine utilization can only be inadequately planned manually. Manual planning requires significant staff time and effort, which iswhy there is great interest in an automatedplanning approach that helps reduce costs. In addition, automated planning makes it possible to react within seconds to changing conditions such as plant malfunctions or unexpected rush orders4. Insufficient process and plant stability causes build jobs to be aborted or manufacturing quality to be insufficient. Therefore, dynamic construction job planning is required to be able to react quickly and flexibly to changing framework conditions. Requirements of Additive Manufacturing Due to the specific requirements of additive production technologies (e. g. production in build jobs, dependency of production time on specific build job composition, impact on post-processing), traditional production planning systems cannot be used efficiently by AM service providers. Although a few software solutions specifically developed for the AM market are available, these often offer dedicated solutions to individual sub-problems only (e. g. analysis of printability, Condition S Reward R AI Environment Agents perform actions on the current state to maximize or minimize the reward. Action a (is chosen depending on the algorithm based on Q) Input = state S Output = state Q (an | S) Evaluation of action a for the current state S Neural web Factory simulation Factory Layout, Construction jobs, ... Machine utilization, lead times, ... Interference , … Input Output Boundary conditions: Capacity utilization, adherence to delivery date, avail. Personnel... Simulation: Lead time, uncertainty, ... State S of a booking plan (example) construction part x in construction job y on machine z at time I Actions an (examples) wise construction job machine to remove component from construction job assigning parts from sales orders to a construction job set start date and time ... Simulation and AI environment Figure 2: Conceptual representation of the simulation and AI environment (author's own graphical representation)
RkJQdWJsaXNoZXIy NzcyMw==