New Results on Semilinear Sets and Variants of Jumping Finite Automata

Die Produktionsplanung und -steuerung der Organisation und Realisierung von Wertschöpfungsprozessen trägt entscheidend zum Erfolg eines produzierenden Unternehmens bei. Aufgrund der steigenden Komplexität von immer kurzzyklischeren Veränderungen gestaltet sich diese Aufgabe zunehmend herausfordernd. Bestehende Methoden in diesem Bereich gelangen dabei an ihre Grenzen.

Maschinelles Lernen als Teilgebiet der künstlichen Intelligenz kann einen maßgeblichen Beitrag dazu leisten, die kontinuierlich veränderten Rahmenbedingungen in Form von Planungsszenarien zu bewerten und den Einfluss von Entscheidungen langfristig zu evaluieren. Entscheidend beim Einsatz maschineller Lernalgorithmen im Kontext der Produktionsplanung und -steuerung ist es, den Gesamtprozess zu berücksichtigen -- beginnend bei der Erhebung von Produktionsdaten über den Einsatz der Algorithmen bis hin zur Rückführung der Erkenntnisse in den Wertstrom. Als Ergebnis kann die Planung und Steuerung komplexer Produktionssysteme robuster und ganzheitlicher organisiert werden.