Die zentrale Herausforderung bei der Optimierung von Fertigungspfaden in einem SFG ist die hohe Komplexität und Dynamik der Produktion. Verschiedene MMUs mit spezifischen Fähigkeiten müssen flexibel für unterschiedliche Produktionsaufträge verfügbar sein. Da sich Anforderungen und Systemzustände häufig ändern, müssen die Fertigungspfade zur Laufzeit angepasst werden, um Ausfälle und Verzögerungen zu minimieren. Zudem stellt die Einhaltung variabler Produktionsziele – wie Energieeffizienz, Produktionsgeschwindigkeit und Termintreue – eine Herausforderung dar.

Eine weitere Schwierigkeit ist die präzise Fähigkeitsbewertung jeder MMU in Abhängigkeit von Faktoren wie Produktionsdauer, Transportzeiten und Ressourcenverfügbarkeit. Die Anwendung Digitaler Zwillinge ermöglicht die Überwachung und Anpassung der Produktion in Echtzeit, jedoch bleibt die Integration verschiedener Datenquellen und die Handhabung komplexer Produktionsszenarien anspruchsvoll. Auch das Anpassen der Pfade an kurzfristige Änderungen wie Maschinen- oder Transportausfälle erfordert stabile und gleichzeitig flexible Steuerungsmethoden.

Unser Ansatz untersucht den Einsatz von genetischen Algorithmen und Reinforcement Learning, um optimale Produktionspfade in einem Smart Factory Grid effizient zu identifizieren und zu steuern. Bei diesem Scheduling-Problem werden sowohl Bearbeitungs- als auch Transportprozesse berücksichtigt. Jede Micro-Manufacturing Unit (MMU) und deren Systemzustand wird als Bestandteil dieses Modells betrachtet, sodass die Fertigungsschritte und Transporte im Gesamtsystem abgebildet sind.

Für die Fähigkeitsbewertung nutzen wir Digitale Zwillinge, die relevante Echtzeit- und historische Daten zu den MMUs sammeln und analysieren. Durch eine Kombination aus simulationsbasierten und datengetriebenen Verfahren wird eine adaptive Steuerung der Matrixproduktionssysteme entwickelt, die sich auch an komplexe Randbedingungen wie variable Transportzeiten, Fristen und Ausfälle anpassen kann. Die Implementierung fortgeschrittener Optimierungsverfahren stellt sicher, dass die Pfade den Produktionsanforderungen flexibel gerecht werden.