SPECTRUM – APPLIED RESEARCH 88 / UdZ 03.22 technologien (u. a. Fertigung in Baujobs, Abhängigkeit der Produktionszeit von konkreter Baujobzusammensetzung, Auswirkungen auf Nachbearbeitungsprozesse) nicht zielgerichtet bei AM-Dienstleistern angewendet werden. Zwar existieren bereits einige Softwarelösungen, welche speziell für den Markt der AM entwickelt wurden, allerdings bieten diese oftmals nur dedizierte Lösungen einzelner Teilpro- bleme (z. B. Analyse der Druckfähigkeit, Vorbereitung der Baujobs durch Datenaufbereitungsfunktionen). Eine ganzheitliche Produktionsplanung unter Berücksichtigung der zur Verfügung stehenden Ressourcen und mit dem Ziel der konkreten Baujobzusammenstellung erfolgt bisher nicht. Lösungsansatz des Forschungsvorhaben Im Rahmen des Forschungsvorhabens soll daher eine Simulation anhand eines Usecase erstellt und ein KI-basierter Ansatz entwickelt werden (s. Figure 2), um den manuellen Aufwand der Fertigungsplanung zu minimieren und die Anlagenauslastung durch eine Verringerung von Stillstandszeiten zu erhöhen. Dadurch wird ein Beitrag zur durchgängigen Automatisierung und zur weiteren Industrialisierung der AM-Prozesskette geleistet, indem eine Reduktion des Produktionsplanungsaufwands, eine Steigerung der Maschinenauslastung und die Reduktion der Herstellkosten erfolgen. In einem Kick-off-Treffen am 23.06.2022 wurden mit 18 Partnern aus der Industrie virtuell und vor Ort in den Gebäuden des FIR an der RWTH Aachen im Cluster Smart Logistik Erwartungen, Erfahrungen mit Produktionsplanung in AM und Herausforderungen des Forschungsvorhabens aufgenommen. In einem anschließenden Workshop wurden vom FIR und dem Fraunhofer IAPT ein standardisierter Fragebogen zur Anforderungsaufnahme entwickelt. Der Fragebogen soll nachfolgend in Interviews mit den Industriepartnern aus dem projektbegleitenden Ausschuss zur Anforderungsaufnahme genutzt werden. Während der Interviews sollen auch die existierenden Auftragsabwicklungsprozesse bei AM-Dienstleistern aufgenommen und analysiert werden. Spezifisch werden die Einfluss- und Störgrößen untersucht. Ziel ist es, Figure 3: Aim of the research project (author's own graphical representation) preparation of build jobs using data preparation functions). Holistic production planning that takes the available resources into account and allows to determine the specific build job composition is not available yet. Solution Approach of the Present Research Project Within the scope of the research project, a simulation is to be created based on a use case and an AI-based approach is to be developed (see Figure 2) in order to minimize the manual effort of production planning and to increase plant utilization by reducing downtimes. This will contribute to end-to-end automation and further industrialization of the AM process chain by reducing production planning effort, increasing machine utilization, and reducing manufacturing costs. In a kick-off meeting on June 23, 2022, expectations, experiences with AM production planning, and challenges of the research project were discussed and compiled in a hybrid format (online and on-site) with 18 partners from industry at the Smart Logistics Cluster in the buildings of FIR at RWTHAachenUniversity. In a subsequent workshop, FIR and Fraunhofer IAPT developed a standardized questionnaire for requirements assessment. The questionnaire will subsequently be used in interviews with industrial partners in the project-supervising committee for the purpose or requirements assessment. During the interviews, the order handling processes currently in place at AM service providers will also be identified and analyzed. Specifically, the influencing and disturbing variables will be examined. The aim is to find out via the expert interviews which target functions AM service providers pursue for production planning. Based on the requirements analysis and additional market analyses, a use case will then be selected, with the help of which the simulation will be build and the AI-based planning tool developed (see Figure 3). The successful translation of the results into practical application requires a high flexibility of the solution to be Simulation and AI model Factory simulation AI environment Condition S Reward R Action a Corporate control level Production control level Production level jobs/ machines/plants Worker terminal Machine interface MES Business software AI-based scheduling approach for automated handling of the nesting problem of industrial AM plants Concept for the integration of the planning approach with operational application systems of the PPS (e. g. ERP, MES)
RkJQdWJsaXNoZXIy NzcyMw==