Zu Hauptinhalt springen

D4M

Intelligente Auftragsplanung und -steuerung in der Instandhaltung öffentlicher Verkehrsmittel

Zuletzt aktualisiert am 05.02.2025

Projektbeschreibung

Problem

Die Instandhaltung öffentlicher Verkehrsmittel, z.B. bei Bahn, Bussen oder Flugzeugen, hat einen hohen Einfluss auf ihre Verfügbarkeit und Sicherheit. Bislang werden planungsintensive Prozesse mit traditionellen Planungssystemen durchgeführt. Die Planungsergebnisse sind aus wirtschaftlicher Sicht teilweise nicht zufriedenstellend. Der Einsatz von KI kann zu beträchtlichen Verbesserungen bei der Planungsqualität sowie den Planungsergebnissen führen.

Ziele

In D4M wird die Datenerzeugung und -verarbeitung für die Instandhaltung öffentlicher Verkehrsmittel beleuchtet. Ziel ist a) die Schaffung eines geeigneten Datenmodells auf Basis von Revisionsvorschriften und stochastischen Ergebnissen von Befunden, das auf realen Instandhaltungsbedarfen basiert. Darauf aufbauend sind b) KI-Algorithmen zu entwickeln, mit denen die Grobplanung der Instandhaltungsarbeiten für ein Werk auf Wochenbasis prognostiziert werden kann. Daran anschließend soll c) mit einem weiteren KI-Ansatz die konkrete Werksteuerung unterstützt werden.

Eine nächtliche Sicht auf einen Stadt, umgeben von Einsen und Nullen, im Vordergrund sieht man zwei Frauenhände die ein Tablet halten.
Eine nächtliche Sicht auf einen Stadt, umgeben von Einsen und Nullen, im Vordergrund sieht man zwei Frauenhände die ein Tablet halten. | Quelle: Pixabay

Durchführung

In Phase 1 werden die Grundlagen – z.B. Abläufe, Datenverfügbarkeit und -qualität, Planungs- und Steuerungsebenen – für die Instandhaltung erarbeitet. Daran anschließend werden in Phase 2 die Grunddaten erzeugt, ein Datenbanksystem angelegt und das Datenmodell erarbeitet. In Phase 3 werden die KI-Algorithmen entwickelt und getestet. In Phase 4 erfolgt die Bewertung der Leistungsfähigkeit unter realen Betriebsbedingungen. In Phase 5 sollen die erzielten Forschungsergebnisse verwertet werden.

Kontakt

Lehrstuhl für Produktionswirtschaft

Projekt Partner

Zedas GmbH
Senftenberg
FKZ: 19FS2064E
DB FZI GmbH
Frankfurt
FKZ: 19FS2064D
Center for Hybrid Electric Systems Cottbus GmbH (CHESCO GmbH)
Cottbus
FKZ: 19FS2064B
Brandenburgische Technische Universität Cottbus-Senftenberg
Cottbus
FKZ: 19FS2064A
Fraunhofer IKTS
Dresden
FKZ: 19FS2064C