ENGINEERINGNET.BE - Na installatie van een chipmachine bij een klant is het doel dat deze machine het altijd doet. Stilstand betekent namelijk al gauw een miljoenenverlies.
Daarom heeft ASML een wereldwijd netwerk bestaande uit ruim 60 distributiepunten met reserveonderdelen. Dit moet verzekeren dat een onderdeel altijd op tijd bij de klant is voor onderhoud.
Een chipmachine heeft duizenden onderdelen, en in het distributienetwerk gaan tienduizenden verschillende reserveonderdelen rond. Al die componenten hebben een eigen gemiddelde levensduur en levertijd.
Om de aanvoer van componenten in goede banen te leiden, gebruikt ASML het systeem NORA. Dit systeem produceert elke dag een nieuw bevoorradingsplan. Het houdt minutieus bij hoeveel onderdelen er in voorraad zijn, schuift zo nodig tussen locaties en bestelt nieuwe componenten.
Masterstudent Joost van der Haar van TU Eindhoven nam NORA onder de loep. Door een deep reinforcement learning-model te trainen met het gedrag van de toeleveringsketen maakte hij een nieuw algoritme dat efficiënter is dan dat van ASML.
Zo zag de onderzoeker dat in het nieuwe model regelmatig verplaatsingen van onderdelen werden voorgesteld tussen twee lokale magazijnen, in plaats vanuit de centrale voorraad in Veldhoven. Van der Haar: “NORA doet dit soort voorstellen nog niet.”
Hij zag ook zogenoemde ‘ABC’tjes’, waarbij de lege locatie C onderdelen krijgt van locatie B die nabij is, die op zijn beurt weer voorraad krijgt uit de centrale distributieplek A. “Qua risico op tekorten kan dat gunstiger zijn dan alle lokale plekken direct aanvullen vanuit plek A.”
Volgens de masterstudent zijn er veel uitdagingen bij het trainen van het AI-model. Het is lastig om er meerdere locaties in te stoppen. De complexiteit van het rekenprobleem groeit dan snel.
Ook is het moeilijk om deep reinforcement learning toe te passen op gebeurtenissen die niet vaak voorkomen, zoals het bestellen van een onderdeel dat maar af en toe aan vervanging toe is.
Verder is er een verschil tussen de papieren en echte werkelijkheid. Onderdelen in het magazijn blijken beschadigd, raken kwijt of liggen op de verkeerde plek. "Dat kan een reden zijn om voor de zekerheid extra voorraad te hebben”, zegt Van der Haar.
Zijn onderzoek is uniek omdat het uitgaat van veel verschillende onderdelen én 60 locaties. Zonder de wiskundige trucs die hij hiervoor toepaste was het rekenprobleem voor ASML’s toeleveringsketen niet binnen een haalbare tijd oplosbaar geweest.
AMSL zou met de invoering van dit nieuwe model elk jaar zo’n 5% kunnen besparen op onder meer het transport voor de bevoorrading van de duizenden machines wereldwijd. Ook zouden machines niet langer stilstaan dan ze nu doen.
