Forschung zur Optimierung der Planung in einer Schiffplattenbearbeitungswerkstatt basierend auf einem verbesserten NSGA‑II‑Algorithmus

Warum Werften intelligentere Zeitpläne brauchen

Moderne Werften verarbeiten tausende schwere Stahlplatten, die in genau der richtigen Reihenfolge markiert, geschnitten und bewegt werden müssen. Schon eine kleine Störung – etwa eine ausgefallene Schneidemaschine oder ein Eilauftrag – kann sich durch die Werkstatt ziehen, Energie verschwenden, einzelne Maschinen überlasten und Liefertermine gefährden. Dieser Beitrag stellt eine neue Methode vor, mit der sich die Arbeit in einer Schiffplattenbearbeitungswerkstatt nach solchen Störungen automatisch neu organisieren lässt. Eine verfeinerte evolutionäre Optimierung sorgt dafür, dass die Produktion schnell, zuverlässig und effizient bleibt.

Produktion stabil halten, wenn etwas schiefgeht

Schiffbau ist eine komplexe, von Unterbrechungen geprägte Fertigung. Platten unterscheiden sich in Größe und Form, und verschiedene Maschinen teilen sich die Arbeit. Noch heute verlassen sich viele Werften bei unerwarteten Ereignissen auf erfahrenes Personal, das den Plan manuell umstellt. Das kostet Zeit und führt häufig zu ungleichmäßiger Maschinennutzung und höheren Kosten. Die Autoren konzentrieren sich auf eine zentrale Frage: Wenn der Fertigungsbereich von Ereignissen wie Maschinenausfällen, Nacharbeiten oder verspäteten Materialien getroffen wird, wie kann ein Computer schnell einen neuen Plan erzeugen, der termingerecht fertigstellt, den Energieverbrauch niedrig hält und eine Überlastung einzelner Maschinen vermeidet?

Die Werkstatt als Digitaler Zwilling

Um das Problem anzugehen, modellieren die Forschenden zunächst die Schiffplattenwerkstatt detailliert digital nach. Sie bauen mit Ingenieurssoftware ein dreidimensionales Layout der Maschinen und Materialflüsse und koppeln es an eine Internet‑of‑Things‑(IoT‑)Datenplattform, die Echtzeitinformationen von Schneidetischen, Kränen und anderer Ausrüstung sammelt. So entsteht eine Art digitaler Zwilling der Werkstatt: eine virtuelle Umgebung, die das Geschehen auf dem Hallenboden spiegelt. Produktionsdaten fließen in ein Planungssystem, das mit Optimierungsalgorithmen einen ersten Arbeitsplan vorschlägt. Dieser Plan wird dann in einer Simulation geprüft, ob er Lieferfristen einhält und Maschinen vernünftig nutzt, bevor er zurück an die Steuerung der realen Werkstatt gegeben wird.

Zeit, Kosten und Maschinenbelastung ausbalancieren

Im Mittelpunkt der Studie steht eine mathematische Beschreibung, wie Platten durch die Werkstatt laufen. Jede Platte durchläuft mehrere Arbeitsschritte an unterschiedlichen Maschinen, und der Plan muss Reihenfolge, Maschinenauslastung und vereinbarte Liefertermine berücksichtigen. Die Autoren definieren drei Ziele gleichzeitig: die Gesamtfertigstellungszeit zu verkürzen, den gesamten Energieverbrauch während Bearbeitung und Standby zu reduzieren und lange Phasen zu vermeiden, in denen Maschinen entweder untätig oder überlastet sind. Solche Mehrzielprobleme haben keine einzelne perfekte Lösung. Stattdessen entsteht eine Menge von Kompromissen – zum Beispiel etwas früher fertig werden zulasten höheren Energieverbrauchs. Ziel des Algorithmus ist es, diese Trade‑offs abzubilden, damit Planer einen Zeitplan wählen können, der ihren Prioritäten am besten entspricht.

Dem Algorithmus beibringen, sich wie ein Experte anzupassen

Um den riesigen Raum möglicher Zeitpläne zu durchsuchen, verbessern die Autoren eine weit verbreitete evolutionäre Methode namens NSGA‑II, die eine Population von Kandidatenplänen über viele Generationen weiterentwickelt. Traditionelle Versionen arbeiten mit festen Einstellungen für das Vermischen und die zufällige Veränderung von Plänen und bewahren die besten Lösungen auf einfache Weise. Das kann dazu führen, dass die Suche zu früh hängenbleibt. Hier passen sich die Wahrscheinlichkeiten für Crossover und Mutation automatisch an den Verlauf der Suche an, was zu Beginn eine breite Erkundung und später eine gezieltere Verfeinerung fördert. Gleichzeitig steuert eine neue Elite‑Auswahlregel, inspiriert von Simulated Annealing, wie viele der besten Pläne aus jeder Generation erhalten bleiben. Das hilft, Vielfalt unter vielversprechenden Zeitplänen zu bewahren, damit der Algorithmus nicht zu schnell auf eine suboptimale Lösung konvergiert.

Die Methode in Tests und in einer echten Werft beweisen

Die verbesserte Methode wird auf zwei Arten geprüft. Zunächst läuft sie auf einer Reihe standardisierter Planungsbenchmarks, die in der Forschung weit verbreitet sind. In den meisten dieser Tests findet sie vielfältigere und qualitativ bessere Kompromisslösungen als sowohl das ursprüngliche NSGA‑II als auch eine neuere Variante namens NSGA‑III. Zweitens wenden die Forschenden das Verfahren auf einen realen Produktionsauftrag mit 16 Platten und sieben Maschinen in einer Werft an und fügen realistische Störungen hinzu: Eil‑Nacharbeiten und einen größeren Maschinenausfall. In jedem Fall versucht das System zuerst eine einfache Rechtsverschiebung der betroffenen Aufgaben; würde das den Liefertermin verpassen, löst es eine vollständige Neuterminierung mit dem verbesserten Algorithmus aus. Im Vergleich zu traditionellen Strategien liefert die neue Methode kürzere Fertigstellungszeiten, geringeren oder ähnlichen Energieverbrauch und besser ausbalancierte Maschinenbelastungen, während die Berechnungszeiten kurz genug für den praktischen Einsatz bleiben.

Was das für den Schiffbau bedeutet

Für Nichtfachleute lautet die zentrale Botschaft: Werkstätten zur Bearbeitung von Schiffplatten können jetzt automatischer und verlässlicher auf Überraschungen reagieren. Durch die Kombination eines Live‑Datastreams aus der Fabrik, eines realistischen digitalen Modells und eines intelligenteren evolutionären Algorithmus hält die Methode die Produktion im Zeitplan und reduziert manuelles Krisenmanagement. Langfristig könnte eine solche dynamische Planung Werften helfen, Verzögerungen zu verringern, Energie zu sparen und teure Ausrüstung besser zu nutzen – ein konkreter Schritt zu intelligenterer, widerstandsfähigerer Fertigung.

Zitation: Dong, L., Liu, J., Gu, S. et al. Research on scheduling optimization of ship plate processing workshop based on improved NSGA-II algorithm. Sci Rep 16, 5549 (2026). https://doi.org/10.1038/s41598-026-35278-y

Schlüsselwörter: Schiffbau, Produktionsplanung, genetischer Algorithmus, intelligente Fertigung, dynamische Optimierung