Arbeitspläne dienen als Bauanleitung bei der Herstellung von Produkten in kleinen Serien und enthalten alle relevanten Informationen zum Fertigungsprozess. Diese enthalten unter anderem technologische Prozessschritte, Materialien, erwünschte Produkteigenschaften und
technische Zeichnungen. Die Zusammenhänge zwischen den geforderten Produkteigenschaften und den dafür benötigten Arbeitsschritten sind dabei meist implizit und auf Erfahrungswerten gebaut. Ebenso gibt es eine Varianz für ähnliche Produkte bzw. Produkteigenschaften in den Arbeitsplänen, die durch neue Erkenntnisse und technologische Veränderungen oder durch unterschiedliche Herangehensweisen über die Zeit entstanden ist. Die Erstellung von Arbeitsplänen ist also zeitintensiv, fehleranfällig und erfordert genaues Wissen über alle Fertigungsprozesse. Zusammen mit dem Projektpartner LAYERTEC, einem Anbieter von Spezialanfertigungen im Optikbereich, soll nun geprüft werden, wie die Qualität und Effizienz bei der Erstellung von Arbeitsplänen mit KI-gestützten Methoden erhöht werden kann. Dafür werden moderne Sprachmodelle (Transformer) eingesetzt, die bestehende Arbeitspläne in verschiedene Klassen gruppieren können und aus deren Inhalten implizite Zusammenhänge wiedergeben können. Auf Basis von Arbeitsplänen zu 30.000 Materialien soll das dort eingeflossene implizite Wissen in einem Arbeitsplangenerator verfügbar gemacht werden, der Zieleigenschaften, Materialien und ähnlichen Arbeitspläne für den Vorschlag neuer Pläne einbezieht. Dieser soll in der Lage sein, bestehende Arbeitspläne auf Plausibilität zu prüfen und bei der Erstellung neuer Arbeitspläne Vorschläge zu generieren.
Forschungszeitraum
01.01.2025 - 31.12.2025
Anschubprojekt des ZAKI
Ziele des Projekts
Ziel des Anschubprojekts ist ein weiterführender Forschungsantrag in dem der Aufbau und Einsatz des KI-basierten Arbeitsplangenerators erforscht werden soll. Dafür sollen die hier erzielten Forschungsergebnisse genutzt werden um die Machbarkeit und Plausibilität eines solchen Systems zu beweisen und ermitteln. Konkret werden dafür folgende Ziele definiert:
- Ergebnisse aus vorangegangenen Forschungsprojekten zum Thema auswerten
- Integrationsmöglichkeiten und Schnittstellen zur Datenauswertung und Analyse prüfen
- Clustering, Klassifikation und Analyse bestehender Arbeitspläne um einen Eindruck zu gewinnen, welche Informationen aus den Daten durch ein trainierbares Modell erlernbar sind
- Auswertung von Methoden der Anomaliedetektion zum Erkennen von fehlerhaften Arbeitsplänen -Evaluierung kleiner, generativer Sprachmodelle zur Erstellung und Vervollständigung von Arbeitsplänen.