Hintergründe, Herausforderungen, Sachstand zum Einsatz von Methoden des Machine Learning in der Produktionssteuerung

Die klassischen Verfahren der Produktionsplanung und –steuerung leiden in der Praxis unter Robustheitsproblemen. Vielfach wurden daher Methoden der Selbstregelung (z.B. Kanban) oder der klassischen regelungstechnischen Vorsteuerung (z.B. APS Systeme) vorgeschlagen und teilweise auch sehr erfolgreich eingesetzt. Mit der zunehmenden Vernetzung und Verfügbarkeit von großen Datenmengen sowohl auf Nachfrage- als auch auf Angebotsseite des Produktionsprozesses liegt es nahe, Konzepte des Machine Learning für eine Verbesserung der Produktionssteuerung zu nutzen. Dies wird im Vortag diskutiert: Die Herausforderungen des Produktionsprozesses sowie die Grenzen klassischer und moderner Verfahren werden beschreiben, Anforderungen an digitale Lösungskonzepte werden erörtert und der Stand der Technik bei der Umsetzung und Anwendung von Machine Learning Konzepten werden beschrieben.
Prof. Dr. -Ing. Andreas Rükgauer
FHWS Würzburg-Schweinfurt
Prof. Dr. -Ing. Andreas Rükgauer ist ordentlicher Professor für Produktion und Industriebetriebslehre an der FHWS Würzburg-Schweinfurt und Inhaber der Unternehmensberatung intent . consult. Er blickt auf eine mehr als 20 jährige Karriere internationalen Management produzierender Unternehmen zurück. Schwerpunkte seiner Beratungstätigkeit liegen in der betrieblichen Optimierung im produzierenden Mittelstand, von der strategischen Ausrichtung über die Verbesserung von Planung und Ergebniskontrolle hin zur Verbesserung administrativer und operativer Abläufe. Prof. Rükgauer setzt sich intensiv mit der Digitalisierung in der Produktion auseinander, besondere Schwerpunkte sind dabei die Simulation logistischer Abläufe, die Beherrschung von Komplexität sowie die Optimierung der Planung und Steuerung.