Kapazitätsgeprüfte Prognose von Lieferterminen mit Hilfe von künstlichen neuronalen Netzwerken am Beispiel der Halbleiterindustrie

Die Grundlage einer zuverlässigen Produktionsplanung und -steuerung ist die verläßliche Prognose planungsrelevanter Kennzahlen. die Simulationstechnik ist die derzeit genaueste Methode zur Prognose derartiger Kennzahlen, allerdings erfordern die in der Praxis eingesetzten Simulationssysteme in der Regel einen hohen Modellerstellungs- und -pflegeaufwand und weisen insbesondere bei komplexen Problemen lange Auswertungszeiten auf. Gesucht ist demnach ein Verfahren, das bei möglichst geringem Aufwand möglichst genaue Prognosen in möglichst kurzer Zeit zuläßt. Die Fortschritte auf dem Gebiet des maschinellen Lernens und hier insbesondere im Bereich der künstlichen neuronalen Netzwerke bieten heute die Möglichkeit, den scheinbaren Zielkonflikt zwischen Aufwand, Genauigkeit und Auswertungsgeschwindigkeit aufzulösen. Vor diesem Hintergrund wird am Institut für Industrielle Fertigung und Fabrikbetrieb (IFF) der Universität Stuttgart ein neuronales Simulationssystem entwickelt, das u.a. als Prog nosekomponente eines neuen Grobplanungssystems im Bereich der Halbleiterherstellung eingesetzt werden soll.