In diesem Projekt soll ein Tool entwickelt werden, welches mithilfe von KI das Erstellen von Montageplänen automatisiert. Dieses dient dazu einerseits die Planungstätigkeit zu verbessern und andererseits Daimler zu zeigen, welche Ansätze vielversprechend sind und in welche Richtung
es sich lohnt, weiteren Entwicklungsaufwand zu betreiben.
Ein Einblick in unser wöchentliches Meeting
Daimler ist weltweit einer der größten deutschen Hersteller für Nutzfahrzeuge und bietet unter anderem Mobilitäts- und Finanzleistungen, wie z.B. Leasing und Versicherungen, an.
Die Montage eines PKW vom Einzelteil bis zur Auslieferung an den Kunden ist ein sehr komplexer Vorgang, der eine detaillierte Planung voraussetzt. Planer haben regelmäßig die Aufgabe, Montagepläne zu erstellen, da neue Automodelle entwickelt werden oder weil vorhandene Baureihen an einem neuen Standort gebaut werden sollen. Dafür erhalten sie eine Stückliste mit allen Bauteilen, die für die Montage benötigt werden. Die Planer müssen dabei alle Teile beplanen, indem sie den Prozess von Grund auf neu planen oder vergleichbare Prozesse in Montageplänen für ähnliche Modelle suchen. So können sie möglichst viele bereits vorhandene Arbeitsvorgänge übernehmen und sie an die Gegebenheiten eines anderen Standorts oder Modells anpassen.
Unsere Software soll nun diese Aufgabe mithilfe von KI automatisieren. Ihr sind alle vorhandenen Montagepläne bekannt, was ihr ermöglichen soll, die beste Kombination von Arbeitsvorgängen auszuwählen bzw. zu erstellen. Zudem soll sie in der Lage sein, Arbeitsvorgänge ähnlicher Teile vorzuschlagen, wenn anzunehmen ist, dass sie sich auf das vorliegende Bauteil übertragen lassen. Der Planer kann sich dann auf die Entscheidung zwischen verschiedenen Alternativen von Arbeitsvorgängen, die anschließende Plausibilisierung mit eventuellen Anpassungen und die Freigabe der erstellten Pläne konzentrieren. Planer sollen die Möglichkeit haben, die KI zu verbessern, indem sie Korrekturen an den erzeugten Plänen vornehmen. Die KI lernt aus den manuellen Änderungen und setzt sie bei zukünftigen Ausführungen, soweit möglich, automatisch um.
Um die KI zu entwickeln haben wir die verschiedenen Eigenschaften, die zwei Teile haben können analysiert. Durch verschiedene überwachte Lernverfahren wird von unserer KI die Wahrscheinlichkeit bestimmt, ob Arbeitsvorgänge für ein bestimmtes Teil verwendet werden können. Unter anderem haben wir zum Beispiel analysiert, ob diese Wahrscheinlichkeit mithilfe von Logistscher Regression, die die Eigenschaften der Teile in zwei Klassen "Arbeitsvorgänge können verwendet werden" und "Arbeitsvorgänge können nicht verwendet werden" einteilt, gelernt werden kann.
Implementation des neuronalen Netzes
Entwicklung der UI in Visual Studio mit WPF und C#
Schnittstelle zwischen KI und UI, Verwaltung der Daten in einer Datenbank
Quellcodeverwaltung mit Git auf GitLab
Continuous Integration auf GitLab