Entwicklung emissionsorientierter Methoden zur Abstimmung von Stoff- und Energieströmen auf der Basis von fuzzyfizierten Expertensystemen, neuronalen Netzen und Neuro-Fuzzy-Ansätzen

Zukunftsorientierte Produktionsplanungs- und Steuerungssysteme müssen neben betriebswirtschaftlichen Zielkriterien, wie z. B. Steigerung der Auslastung, Verkürzung von Durchlaufzeiten, gleichermaßen qualitäts- und emissionsorientierten Zielsetzungen Rechnung tragen. Konventionelle Planungsverfahren, z. B. Verfahren der Linearen Optimierung oder Prioritätsregelverfahren, sind hierfür infolge der Komplexität realer Produktionssysteme und der Struktur des zur Verfügung stehenden Wissens, z. B. unscharfes oder implizites Wissen, im allgemeinen nicht einsetzbar. In der vorliegenden Arbeit wird untersucht, inwiefern Ansätze aus dem Bereich der «Künstlichen Intelligenz» bzw. des «Maschinellen Lernens» zur Abstimmung von Stoff- und Energieströmen eingesetzt werden können. Es werden Planungs- und Steuerungsverfahren entwickelt und anhand eines exemplarischen Produktionssystems aus der Textilindustrie validiert.