Anwendung von künstlichen neuronalen Netzen in Steuerung und Analyse von intralogistischen Materialflusssystemen (MFS) im Rahmen von Industrie 4.0

Abstract

In modernen Intralogistikanlagen ist optimale Materialflusssteuerung die wichtigste Funktion neben der Verwaltung der eingelagerten Waren. Um eine kostspielige Konfiguration der oft sehr komplexen Anlagen zu vermeiden, ist es notwendig, den Konfigurationsprozess zu automatisieren. Das Ziel dieser Arbeit soll ein Prototyp zur Ermittlung der optimalen Konfiguration, im Hinblick auf Leistung und Verschleiß, von intralogistischen Materialflüssen sein. Hierzu werden im Rahmen dieser Diplomarbeit zunächst Inhouse-Experten zu den unterschiedlichen Konfigurationsparametern befragt. Auf Basis der gewonnen Daten soll ein abstraktes Modell zur Modellierung der verschiedenen Intralogistikanlagen erstellt werden. Des Weiteren sollen die unterschiedlichen Methoden zur automatisierten Optimierung der Lagerflüsse untersucht und die Methode der künstlichen neuronalen Netze in einem Prototyp, unter Verwendung des abstrakten Modells, umgesetzt werden. Der Prototyp soll in der Lage sein, eine optimale Konfiguration für ein gegebenes Modell eines intralogistischen Materialflusssystems zu ermitteln. Die ermittelte Konfiguration soll in einem nächsten Schritt gegen eine Standardinstallation der Software viadat und gegen eine Simulation in der Simulations- und Emulationssoftware Emulate 3D validiert werden können. Für eine spätere Automatisierung der Validierung soll die Software Emulate 3D auf vorhandene Programmierschnittstellen untersucht werden. Des Weiteren sollen die Möglichkeiten der Anbindung der Modelllösung an die Standardsoftware viadat evaluiert werden.

In modern intralogistics systems, the optimized material flow control is the most important function, along with the management of the stored goods. To avoid the expensive configuration of the facilities, most of which are highly complex, it is required to automate the configuration process. The goal of this diploma thesis is to generate a prototype used to identify the optimum configuration of intralogistic material flows with regard to performance and wear. In the context of this diploma thesis, first of all in-house experts are to be questioned concerning the different configuration parameters. On the basis of the obtained data, an abstract model used to model intralogistics facilities of different types is to be generated. Moreover, different methods of automated optimization of the material flows are to be examined, and the method of artificial neural networks is to be implemented in a prototype, on the basis of the abstract model. The prototype must be able to identify the optimum configuration for a given model of an intralogistic material flow system. In the next step, it is intended to validate the identified configuration against a standard installation of the viadat software and against a simulation in the simulation and emulation software Emulate 3D. With regard to the automation of the validation at a later time, the software Emulate 3D is to be examined for existing programming interfaces. Another task is to evaluate the option of connecting the model solution to the standard software viadat.