Unten stehende Forschungsprojekte werden im Rahmen des Programms „Industrielle Gemeinschaftsforschung (IGF)“ durch das Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages im Auftrag der BVL e.V. gefördert
Es sind jeweils die Kontaktdaten des Projektleiters hinterlegt und ein Link zu weiteren Projektinformationen oder zur Homepage der Forschungsstelle. Unter dem Stichwort "Projektdetails" erhalten Sie weitergehende Informationen zur Zielsetzung des Projekts.
Array
UniDoku - Universelles Dokumentationsschema für den Lebenszyklus cyber-physischer Produktionssysteme (Projekt 01IF23157N)
REIM - Planung von resilienten intermodalen Straßen-/Schienengüterverkehren unter Berücksichtigung dynamischer Tourenplanung von KMU-Spediteuren und Kapazitätsplanungen von KVOperateuren (Projekt 01IF23283N)
Das Projekt zielt darauf ab, durch Experteninterviews die aktuelle Situation und wesentliche Herausforderungen der Industrie zu erfassen, um Grundlagen für eine resiliente Planung abzuleiten. Die erhobenen Daten sollen Entscheidungen zur Art und Dimensionierung eines generischen Transportnetzwerks für das Resilient Service Network Design Problem (RSNDP) unterstützen und ein agentenbasiertes Simulationsmodell ermöglichen. Dieses Modell dient der Entwicklung effizienter und resilienter Planungsmöglichkeiten für KMU-Spediteure und KV-Operateure. Abschließend sollen die Ergebnisse als Handlungsempfehlungen für diese Zielgruppen aufbereitet werden.
Array
Künstliche Intelligenz zur Prozessprognose und -optimierung im Kombinierten Verkehrsterminal (Projekt 01IF22768)
Forschungsstelle:
Fraunhofer IIS und Fraunhofer-Arbeitsgruppe SCS
Nordostpark 93
90411 Nürnberg
Themenbereich: Arbeitswissenschaft, Instrumente zur betriebswirtschaftlichen Bewertung/KPI/ Controlling, Kommissioniertechnik
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.
