Auswahl von Prognosemodellen für die vorausschauende Instandhaltung und eine integrierte, auf verstärkendem Lernen basierende Produktionsplanung in dynamischen Produktionssystemen

• Antragsteller: Professor Dr.-Ing. Michael Freitag
• Fachliche Zuordnung: Produktionssystematik, Betriebswissenschaften, Qualitätsmanagement und Fabrikplanung
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 547349768

Im Zuge der digitalen Transformation gewinnen Ansätze zur datenbasierten und integrierten Produktions- und Instandhaltungsplanung zunehmend an Bedeutung. Aufbauend auf den Erkenntnissen eines kürzlich abgeschlossenen Verbundprojektes und der aktuellen Literatur soll in diesem neuen Forschungsprojekt ein adaptives Auswahlverfahren für Prognosemodelle zur zustandsbasierten Instandhaltung entwickelt und mit einer auf Reinforcement Learning basierenden Produktionsplanung in dynamischen Produktionsumgebungen kombiniert werden. In vorangegangenen Arbeiten wurden Diskrepanzen zwischen produktionslogistischen Metriken und konventionellen fehlerbasierten Metriken identifiziert, die die Auswahl geeigneter Prognosemodelle in diesem Anwendungsbereich erschweren. Ziel des Projektes ist daher die Entwicklung einer Methode, die diese Randbedingungen bei der automatisierten Auswahl von Prognosemodellen berücksichtigt. Darüber hinaus soll die Auswahlmethode für die unüberwachte multivariate Anomaliedetektion in Sensordaten so erweitert werden, dass auf die in der Praxis mit erheblichem Aufwand zu beschaffenden Labels (Kennzeichnung des wahren Zustands einer Maschine) verzichtet werden kann. Weiterhin soll die Eignung von logistischen KPIs als Kriterien zur Verbesserung des Auswahlprozesses untersucht werden. Zudem stellt die Entwicklung einer Methode für die integrierte Produktions- und Instandhaltungsplanung auf der Basis von "Reinforcement Learning" einen vielversprechenden Ansatz dar, um die Entscheidungsfindung zu verbessern und den Anforderungen dynamischer Produktionsumgebungen gerecht zu werden.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: Brasilien
• Partnerorganisation: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; (CAPES); Setor bancario Norte
• Kooperationspartnerinnen / Kooperationspartner: Professor Dr.-Ing. Enzo M. Frazzon; Professor Dr.-Ing. Carlos Eduardo Pereira; Professorin Iracyanne Uhlmann, Ph.D.