De maakindustrie ontwikkelt zich voortdurend. Omstandigheden zoals fluctuerende vraag, dynamische aanbodcondities en de verregaande trend van maatwerk en personalisatie brengen de nodige uitdagingen met zich mee op het gebied van productieplanning. In grotere fabrieken wordt de productiehal ingericht om te voldoen aan de productie-eisen van de wereld van vandaag de dag, met back-to-back en parallelle productiemogelijkheden. Het probleem waar fabrikanten tegenaan lopen, is dat hun planningstools dit niet kunnen bijbenen.
De dynamische marktomstandigheden en hoge mate van maatwerk onder producten brengen unieke, complexe productiestromen met zich mee. Vanwege dringende verzoeken van klanten en tekorten in de toeleveringsketen hebben fabrikanten slimme, geavanceerde planningstools nodig, die deze dynamische veranderingen en onzekerheid meenemen en hierop anticiperen.
Bestaande productieplanningstools zijn vaak rule-based en werken op computerkracht. Deze tools hebben veel tijd nodig om planningsproblemen op te lossen: het kan bijvoorbeeld tot een uur duren voor een verandering in de planning correct is doorgerekend. Dit is niet geschikt voor het verwerken van dynamische orders en de flexibiliteit die nodig is in make-to-order productieomgevingen. Dit resulteert in een vertraging in het hele productieproces. Het offerteproces voor nieuwe bestellingen wordt hier bijvoorbeeld door vertraagd en de productieomgeving wordt niet optimaal benut.
Om hier een oplossing voor te ontwikkelen, is het AMP-gesubsidieerde project TIMELY geïnitieerd. Het projectconsortium bestaat uit Limis uit Enschede, specialist in productieplanningssoftware, Hittech Bihca, onderdeel van de Hittech Group – systeemleverancier voor hightech apparatuur, Bihca is producent van halfgeleiders of elektronische componenten, en het FIP-AM@UT.
Het doel van het project is het ontwikkelen, trainen en implementeren van een rekenkundig efficiënte planningsdemonstrator voor hybride job-shop productiesystemen. De planningstool zal gebruik maken van reinforcement learning, een vorm van kunstmatige intelligentie, voor een sterkere rekenkracht en snellere systeemreacties op veranderingen in de vraag of productie. Het is belangrijk dat de planner snel een nieuwe planning kan maken op basis van een dringend verzoek van de klant, terwijl hij robuuste planningen maakt die rekening houden met onzekerheden. Dit zal op zijn beurt leiden tot een geoptimaliseerde bedrijfsvoering.
