Übersicht laufender Forschungsprojekte

Im Produktionsprogramm legen Unternehmen fest, welche Produkte sie in welchen Mengen zu welchem Zeitpunkt herstellen. Um Entscheidungen zum produktionstechnischen Gesamtablauf zu treffen, werden Planungstätigkeiten meist in aufeinander aufbauende Teilaufgaben zerlegt und nacheinander beantwortet. Dieses Vorgehen hat zwei Nachteile: 1.) Zum einen begünstigt die konsekutive Planung die Identifikation lokal-optimaler Lösungen (anstelle global-optimaler Lösung beim kohärenten Vorgehen). Auch etablierte Ansätze, wie produktionswirtschaftliche Heuristiken oder simulationsbasierte Planung, stehen vor dieser Herausforderung. 2.) Zum anderen entsteht ein wiederkehrender Bedarf nach qualifiziertem Planungspersonal, inbs. wenn variabilitätsbedingte Neuaufwürfe oder Anpassung von bereits erstellten Plänen auftreten. Davon sind besonders KMU betroffen, da sie meist in Wertschöpfungsnetzwerken agieren und kundenseitige Änderungswünsche kurzfristig erfüllen müssen.Um die Planungsqualität zu steigern und Planungsaufwände zu senken, wird in PrOPPlan eine neuartige Methodik zur Erzeugung optimaler Planungsempfehlungen für ursprünglich human-zentrierte Aufgaben der operativen PPP entwickelt. Dafür wird ein sich selbst optimierendes System aus Reinforcement Learning Agenten und Materialflusssimulationen produzierender Unternehmen umgesetzt. Im Zentrum der Methodik steht die Erzeugung von Handlungsempfehlungen für ideale Produktionsprogrammpläne. Primär wird dafür eine integrierte Umsetzung von Reihenfolgenplanung, Losgrößenrechnung, Feinterminierung und Auftragsfreigabe verfolgt. Sekundär werden zusätzlich Ansätze zur Durchführung von Ressourcenfeinplanung und Verfügbarkeitsprüfung umgesetzt. Mit dem PA, der aus Anwendern, Beratern und Systementwicklern besteht, wird die Methodik entwickelt und validiert. Vorhabenbegleitend erfolgen außerdem Generalisierung und Umsetzung eines nutzerfreundlichen IT-Werkzeugs zur niedrigschwelligen Verwendung der Methodik.

Im Rahmen von Produktions- und Logistikprozessen treten immer wieder ungeplante Soll-Ist-Abweichungen in Form von Störungen auf. Diese unterbrechen und verzögern den Regelablauf und können zu schwerwiegenden Produktions- und Lieferausfällen führen. Gerade bei KMU mit wenigen Betriebsmitteln kann der Ausfall viel eingesetzter Maschinen zum vollständigen Produktionsstillstand führen. Häufig treten insbesondere in der Anlaufphase (bspw. Einführung neuer Betriebsmittel, Serien- oder Produktwechseln etc.) viele Störungen auf. So müssen zum Teil externe Wartungsdienstleister in Anspruch genommen werden, sodass zusätzliche Kosten entstehen.
Der Umgang mit Störungen ist im Produktions- und Logistikumfeld für Mitarbeiter (MA) oft herausfordernd, da sie nicht immer das relevante Wissen zur Störungsbehebung besitzen. Durch die typischerweise hohe Spezialisierung von KMU besteht zudem die Gefahr des spezifischen Erfahrungs- bzw. Wissensverlustes durch Pensionierung oder Personalfluktuation. Zur Lösung dieser Probleme wird ein digitales Assistenzsystem mit einer sprachbasierten und visuellen Schnittstelle entwickelt, welches bei der Störungsdokumentation und -behebung behilflich ist und die MA durch punktuelle Informationen zielgerichtet unterstützt. Auch für das Einlernen neuer MA ist ein Einsatz des Systems denkbar.
Um eine gute Nutzbarkeit und damit schnelle Störungsbehebung zu gewährleisten, werden produktionslog. Kontextfaktoren untersucht, anhand denen das System entwickelt wird. Dies schließt umwelt- und tätigkeitsbasierte, organisatorische und inhaltliche Faktoren ein. Durch Verfahren des Data-Minings soll auch auf die Störungen eingegangen werden können, die firmenintern erstmalig auftreten. Durch Künstlichen Intelligenz (KI) sollen die Inhalte entsprechend zusammengefasst und der MA-Qualifikation angepasst werden.

Terminals des Kombinierten Verkehrs (KV) haben insbes. im Fall von KMU mit einer knappen Ressourcenlage und hohen Auslastungen zu kämpfen. Auch der Fachkräftemangel trägt hierzu bei. Notwendige Mehrarbeiten durch eine unzureichende Auftragsplanung, wie bspw. Umlagerungsvorgänge oder weite innerbetriebliche Transportwege, wiegen daher besonders bei knapp ausgestatteten Betrieben extrem nachteilig hinsichtlich Umschlagsgeschwindigkeit und -menge sowie auch deren Profitabilität. Gegenwärtig genutzte Planungssysteme liefern lediglich regelbasiert optimierte Auftragspläne, wodurch es an Flexibilität mangelt und nicht optimal auf unsichere Ereignisse, wie bspw. Verspätungen oder lange Prozesszeiten, reagiert werden kann. In Folge kommt es zu unproduktiver Mehrarbeit und Ressourcenengpässen.In KIProKV soll daher ein Planungstool entwickelt werden, welches mathematische Optimierungsansätze nutzt und mit datengetriebener Prozessprognose mittels Machine Learning verbindet. Dabei werden durch das Prognosemodell unsichere Prozessvariablen vorhergesagt, um vorausschauend und flexibel möglicherweise entstehende Verschiebungen oder Engpässe im geplanten Prozessablauf identifizieren zu können. Die Quantifizierung der Unsicherheiten fließt in den Entstehungsprozess der Optimierungsmodelle ein und trägt dazu bei, effiziente Lösungsalgorithmen zu entwickeln. Durch eine Feedbackschleife aus Optimierung und Prognose soll im Gesamtansatz eine Echtzeit-Planung der Umschlagsaufträge erfolgen, welche dem Terminalpersonal zur Verfügung gestellt wird.Durch diesen Ansatz soll die Unproduktivität um deutlich mehr als 30% (Praxisaussage bzgl. rein regelbasierter Optimierung) reduziert werden. Hieraus resultieren kürzere Durchlaufzeiten und somit eine gesteigerte Effizienz der Umschlagsprozesse - vor allem für KMU relevant. Dadurch kann bei gegebenen Kapazitäten und ohne Erweiterung der KV-Infrastruktur die Umschlagsmenge erhöht und somit ein nachhaltigerer Güterverkehr ermöglicht werden.

Die Wareneingangskontrolle erfolgt in vielen KMUs noch manuell. Eine Automatisierung dieser Prozesse optimiert den Wareneingang, reduziert Fehler entlang der gesamten Lieferkette und schafft Wettbewerbsfähigkeit auf dem Markt der Transport- und Lagerlogistik. Die Umsetzung dieser Automatisierung, sei es durch eigene Entwicklung oder Nutzung von bestehenden Lösungen auf dem Markt, ist sehr kostspielig und für viele KMUs nicht realisierbar.Hier setzt das Forschungsvorhaben „Pakur“ an, um KMUs im Logistik-Segment eine (teil-)automatisierte Datenerfassung in der Wareneingangskontrolle bzw. bei der Inventur zu ermöglichen. Die neueren Durchbrüche im Bereich der Bildverarbeitung mittels neuronaler Netze sollen verwendet werden, um eine einfach zu nutzende, automatische, digitale Standardlösung zur Identifikation und Zählung von Paketen anhand von Bildern der palettierten Ware zu entwickeln. Dabei soll der Mitarbeiter durch eine App unterstützt werden, um so den Prozess der Warenannahme und Inventur zu beschleunigen und gleichzeitig mögliche Fehlerpotenziale zu minimieren. Hierbei sollen Algorithmen entwickelt und neuronale Netze trainiert werden, die in der Lage sind, die einzelnen Elemente, wie z.B. Pakete oder Säcke, auf einer Palette fehlerfrei auch in heterogenen Umgebungen zu erkennen, ihr Packmuster zu analysieren und daraus dann die Anzahl der Elemente entsprechend je Stückgut abzuleiten. Diese Information kann dann direkt an ein mögliches Warenwirtschaftssystem weitgegeben werden. Fehler werden so frühzeitig erkannt und falsche Informationen im System vermieden.Der Fokus der Entwicklung liegt auf der Erstellung der Algorithmen, basierend auf aktueller, innovativer Forschung. Der Transfer in die Praxis wird durch eine fertige, quelloffene, durch Dritte einfach nutzbare Softwarebibliothek und eine quelloffene Demo-Anwendung für das Smartphone realisiert. Damit wird sichergestellt, dass auch Dritte das Ergebnis aktiv nutzen und auf andere Bereiche anwenden können.

Bedingt durch steigende Produktindividualisierung und schwankende Nachfragen, wird die operative Beherrschung von Produktions- und Logistikabläufen in variantenreichen Produktionsumgebungen mit kleinen Losgrößen und hoher Volatilität für KMU zunehmend zur Herausforderung. Um auch zukünftig eine hohe Wettbewerbsfähigkeit der KMU sicherzustellen, adressiert das Forschungsvorhaben zwei Problemfelder. Zum einen nutzen KMU meist die Effizienzpotentiale des innerbetrieblichen Transports nicht aus, zum anderen wird das Digitalisierungspotential in Produktion und Logistik nicht ausgeschöpft.Das Ziel des Projekts ist die Erarbeitung einer harmonisierten und dezentralen Produktions- und Logistikregelung (PLR), die für KMU unter dem Aspekt der Digitalisierung nutzbringend und ohne großen Aufwand umsetzbar ist. Aufgrund der Abhängigkeiten zwischen den produktionslogistischen Zielgrößen, ist eine enge, bidirektionale Abstimmung zwischen Produktion und Logistik erforderlich. Wie der Stand der Forschung zeigt, existiert ein vielversprechender Produktionsregelungsansatz, auf den im Projekt aufgebaut werden kann und der im Projektverlauf weiterentwickelt wird. Zudem wird eine dazu kongruente Logistikregelung für den innerbetrieblichen Transport entwickelt. Anschließend erfolgt die Zusammenführung zur PLR, die mittels Simulation untersucht und optimiert wird. Darüber hinaus wird ein Funktionsnachweis der PLR erbrachtUm den Ansatz für KMU nutzbar zu machen, wird eine frei zugängliche Informationsplattform entwickelt, mittels der sich KMU über die Funktionsweise der PLR informieren sowie deren Einsatzmöglichkeiten und Realisierungsaufwand abschätzen können. Ebenso wird ein Leitfaden erarbeitet, der als Anleitung zur Umsetzung und Implementierung des Ansatzes dient. Durch diese Maßnahmen sowie die Veröffentlichung der im Projekt entstehenden Algorithmen wird ein hoher Nutzen für viele KMU erzielt, die die Projektergebnisse in ihre Produkte und Abläufe integrieren können.

Nachhaltige Produktionsstrategien sind heutzutage durch Ressourcenknappheit und Umweltaspekte immer mehr in Unternehmen einzubringen. Zirkuläre Geschäftsmodelle bringen den Unternehmen Wettbewerbsvorteile sowie Kosten- und Ressourceneinsparungen bei der Produktion. Bei der Einführung von zirkulären Geschäftsmodellen und speziell dem Remanufacturing sind kleine und mittlere Unternehmen (KMU) durch fehlende Ressourcen vor Herausforderungen gestellt. Hierbei sind sie meist auf Unterstützung angewiesen.Ziel des Vorhabens  ist es ein Modell zu entwickeln, dass durch eine integrierte Betrachtung der Produktauswahl, der Analyse des Wertschöpfungsnetzwerks, sowie des Beschaffungsmanagements vor allem KMU bei der Einführung von Remanufacturing unterstützt. Hierdurch können nachhaltige Geschäftsmodelle entwickelt und umgesetzt werden.Produzierende Unternehmen aller Branchen können den Softwaredemonstrator nutzen und die Ergebnisse führen nicht zu einseitigen Wettbewerbsvorteilen. Eine exklusive Nutzung der Ergebnisse durch ein oder mehrere Unternehmen ist ausgeschlossen.

Fahrerlose Transportsysteme (FTS) übernehmen immer mehr die innerbetrieblichen Transportbedarfe, da technologische Entwicklungen in der Robotik, wie etwa leistungsfähigere Sensorik und Datenverarbeitung, einen zunehmend flexibleren Einsatz von FTS in der Logistik ermöglichen. Die Autonomie und Effizienz der fahrerlosen Transportfahrzeuge (FTF) oder mobilen Roboter hängt wesentlich von ihren Fähigkeiten zur Wahrnehmung der Umgebung ab. In heterogenen FTS ist bisher kein ganzheitlicher Austausch zwischen FTF zu diesen Wahrnehmungen möglich. Ziel des Forschungsvorhabens ist daher die Entwicklung, Umsetzung und Evaluation eines kollektiven Umgebungsinformationssystems für mobile Roboter. Hierfür werden Anforderungen an ein Umgebungsinformationssystem ermittelt und darauf aufbauend die Systemarchitektur entworfen. Anschließend wird ein Datenmodell entwickelt, das die Daten zur geometrischen und semantischen Abbildung der Umwelt umfasst. Für ein allgemeingültiges Abbild der Umgebung werden im nächsten Schritt Strategien zur Datenkonsolidierung und -verteilung entwickelt. Schließlich wird das Umgebungsinformationssystem demonstratorisch implementiert und mithilfe von Feldtests evaluiert. Die Ergebnisse sind daher in großem Maß vorwettbewerblich und vielseitig nutzbar. Die Zusammensetzung des projektbegleitenden Ausschusses bestätigt die KMU-Relevanz des Vorhabens. Insbesondere KMU-Anwender, welche zunehmend auch heterogene FTS-Flotten für den innerbetrieblichen Transport einsetzen, können durch ein Umgebungsinformationssystem Synergieeffekte zwischen den Flotten erzielen und ihre automatisierten Transportprozesse ganzheitlich optimieren. Aber auch Hersteller von FTS, die häufig KMU darstellen, profitieren durch die Anbindung an das Umgebungsinformationssystem, das eine Steigerung der Effizienz aller FTF verspricht. Schließlich profitieren auch KMU-Softwareanbieter, welche die Ergebnisse im Bereich Data Science für die Entwicklung eigener Softwarelösungen verwenden können.

In der Bauindustrie existieren viele Insellösungen bzw. Informationssilos, proprietäre Datenformate und politische Spannungen, die die Interoperabilität und Dynamik des Wertschöpfungsnetzwerkes einschränken. Individuelle Interessen Beteiligter stehen bisher über den Idealen einer offenen und fairen Informationslogistik. Mit anderen Worten werden Digitalisierungslösungen heute von GUs bestimmt ohne Beteiligung der KMUs, die über 96 % in der Bauindustrie ausmachen. Dabei werden die Daten mit zunehmender Digitalisierung brisanter und die Gestaltung des Datenaustausches komplexer. Es fehlt ein externer Impuls zur Schaffung einer fairen und offenen Informationslogistik für die Baustelle durch eine neutrale Stelle und der praxisnahe Beweis, dass alle Beteiligten, vor allem KMUs, davon profitieren.In der Agrarindustrie hat sich bereits eine Initiative, namens „agrirouter“, für den herstellerunabhängigen Datenaustausch etabliert. Solch ein branchenweiter KMU endnutzerzentrierter Datentreuhand-Ansatz existiert in der Bauindustrie bis dato nicht. Forschungsziel ist daher die Entwicklung und Etablierung eines vertrauensvollen und fairen Datenaustauschs für die Informationslogistik der digitalen Baustelle. Im Vordergrund stehen die Identifikation der Anforderungen der Beteiligten an der Informationslogistik Baustelle, die Entwicklung einer auf die Interessen aller Beteiligten maßgeschneiderten Web-Applikation für den fairen, transparenten und nachhaltigen Datenaustausch und die Etablierung eines von allen Beteiligten abgesegneten Datentreuhandmodells. Die Neuheit der Projektidee ist, dass alle Beteiligten der Informationslogistik kollaborieren und ihre Interessen innerhalb des Projekts gewinnbringend berücksichtigt werden. Dazu sind im PA stellvertretend Firmen aller Nutzungsgruppen vertreten, was letztlich als Grundlage für die Schaffung des bisher fehlenden baubranchenweiten Standards für die Nutzungsrechte der einzelnen Beteiligten dient.

Der Verkehrssektor ist mit rund 20% CO2-Austoß der drittgrößte Verursacher von Treibhausgasemissionen in Deutschland. Ein großer Anteil entfällt dabei auf den Gütertransport mit LKW. Der vielfach aus kleinen und mittleren Unternehmen (KMU) bestehende Kombinierte Verkehr (KV), also die Kombination der Verkehrsträger Straße, Wasserstraße und Schiene, hat das Potential, den CO2-Austoß deutlich zu senken. Allerdings ist der KV heute aufgrund höherer Transportzeiten und kosten oft nicht konkurrenzfähig. Grund hierfür sind maßgeblich die Zeitverluste und Kosten für den Umschlag auf den Terminals. Ein geringer Anteil an Direktumschlägen und zugleich lange und unproduktive Wartezeiten für LKW werden vor allem durch eine unzureichende logistische Planung und Steuerung, insbesondere der Portalkrane als zentrale Arbeitssysteme, verursacht.Ziel des Vorhabens ist es entsprechend, zum einen Durchlaufdiagramme und Betriebskennlinien für Portalkrane als Grundlage für eine modellbasierte Steuerung auf KV-Terminals zu entwickeln. Zum anderen soll im Vorhaben ein geeignetes System entwickelt werden, um LKW-Ankünfte zu planen und zu steuern (Access Management System).Der Arbeitsplan sieht dazu vor,1. Referenzprozesse an KV-Terminals aufzunehmen und grundlegende Definitionen von Auftragsarten bzw. Zeitanteilen abzuleiten,2. Betriebskennlinien und grundlegende Wirkzusammenhänge für KV-Terminals zu modellieren,3. aus den Modellen ein Vorgehen zur Termin- und Kapazitätsplanung abzuleiten,4. ein einfaches Monitoring- sowie Auslastungs- und Buchungssystems prototypisch umzusetzen.Dieses System soll auf die vielen KMU des KV zugeschnitten sein und vergleichsweise einfache Anforderungen an Datenbedarf, Softwaresysteme und Handhabung stellen.KMU können die Modelle und das Access Management System nutzen, um die heute hohen Wartezeiten der LKW zu verringern, den Anteil der Direktumschläge zu erhöhen sowie Durchlaufzeit und Zuverlässigkeit der Schiffs- und Zugabfertigung zu verbessern.

Künstliche Intelligenz (KI) gilt heute als eine der entscheidenden Schlüsseltechnologien. Durch die Umsetzung geeigneter KI-Anwendungsfälle können Unternehmen nicht nur bestehende Prozesse optimieren, sondern auch bisher ungenutzte Wertschöpfungspotenziale entdecken und bestehende Geschäftsfelder durch KI-getriebene Geschäftsmodelle erweitern. In der Wissenschaft wurde das enorme Potenzial von KI für Logistik und SCM bereits erkannt. Als Hauptnutzen von KI für Logistik und SCM werden die Steigerung der Produktivität, die Erhöhung der Transparenz in der Supply Chain, die Optimierung bestehender Prozesse und die Verbesserung der Kundenzufriedenheit genannt. Allerding ist die Einführung von KI in KMU mit großen Schwierigkeiten verbunden. Dies liegt zum einen an den strukturellen Voraussetzungen der KMU, da diese in der Regel über nicht ausreichende Kompetenzen und begrenzte Ressourcen verfügen. Für KMU besteht generell ein Bedarf an methodischer Unterstützung bei der Einführung von KI in Logistik und SCM. Ziel des beantragten Forschungsprojektes ist es, ein Konzept zu entwickeln, mit dem sich KMU bei der Einführung von KI in Logistik und SCM besser orientieren und so das Potenzial von KI in diesem Bereich wirtschaftlich nutzen können. Dabei sollen insbesondere die spezifischen Herausforderungen in Logistik und SCM sowie die heterogenen Anforderungen von KMU berücksichtigt werden.