Forschung für den Mittelstand - Die IGF-Projektdatenbank

Produktionslogistische Auftragsabwicklung mit Topologie-Bausteinen

Im Maschinen- und Anlagenbau hat die Erfüllung kundenindividueller Produktwünsche in den letzten Jahren eine wettbewerbsbestimmende Bedeutung erreicht. Besonders bei hochpreisigen und hochkomplexen Investitionsgütern spielen an den Kundenprozess angepasste Sonderlösungen und die zugehörigen Serviceleistungen eine kaufentscheidende Rolle. Dieser Individualisierungstrend hat tiefgreifende Auswirkungen auf die Produktionslogistik. Durch die nach hinten verlagerten Design- und Technologieentscheidungen stehen zur Produktionsplanung benötigte Konstruktionsdaten nicht früh genug zur Verfügung. Arbeitspläne sind in der betrieblichen Praxis somit oftmals lückenhaft bzw. beinhalten nur grobe Schätzwerte, wodurch von einem Daten-Gap gesprochen werden kann. Die sinkenden Produktionszahlen für eine Variante führen zu höheren Planungskosten je Stück bei gleichzeitig abnehmendem Erfahrungsschatz. Für kleine und mittlere Unternehmen (kmU) in hochspezialisierten Industriezweigen führen diese Umstände zunehmend zu einem ungünstigen Planungskosten-Nutzen-Verhältnis. Die Produktionsplanung kann hierdurch erschwert werden oder ganz unterbleiben. Die zur Herstellung schließlich erforderliche Produktionssteuerung kann dann nur auf spärliche oder gar keine Planungsdaten zurückgreifen. Die Steuerung der Produktion geschieht infolge der lückenhaften und unsicheren Datengrundlage dann intuitiv-operativ zusammen mit den hieraus in aller Regel resultierenden Lieferverzögerungen, Mehrkosten oder Qualitätsproblemen.

Ziel des Forschungsvorhabens ist die Entwicklung einer Planungsmethodik zur Kompensierung von Daten-Gaps auf Basis von Topologie-Bausteinen und einer darauf aufbauenden operativen Steuerungssystematik für kmU mit hoher Produktvariabilität und -komplexität bei gleichzeitig kleinsten Stückzahlen. Diese soll es kmU ermöglichen, eine der angestrebten Produktqualität entsprechenden logistischen Zielerfüllung zu erreichen, insbesondere der einer hohen Termintreue.

Ergebniszusammenfassung:

Im Rahmen des Projektvorhabens wurde eine Methode entwickelt, die für sehr variantenreich produzierende Unternehmen Lücken in der Plandatenbasis kompensiert und so eine robuste Planungsgrundlage generiert. Dies ermöglicht eine Produktionsplanung, die auf individuelle Kundenwünsche reagieren kann ohne den Steuerungsaufwand zu erhöhen und operativ in die Steuerung einzugreifen. Hierfür wurde ein Softwaretool entwickelt, dass aus historischen Datensätzen, die aus gängigen ERP-Systemen zur Verfügung gestellt werden, Plandaten wie Produkt- und Prozessdaten mittels Machine Learning Algorithmen vorhersagt. Die Vorhersage wird durch eine Auftrittswahrscheinlichkeit und eine Abgleichwahrscheinlichkeit bewertet und kann so in die Planung eingebunden werden. Mit dem Wahrscheinlichkeitsabgleich wird ein kapazitiver Puffer aufgebaut um die Planung in ihrer Robustheit zu unterstützen. Die erzielten Ergebnisse sind also eine Ergänzung zu der in KMU üblichen Meistersteuerung. Es wird eine bessere Planbarkeit von Ressourcen und Materialen erreicht, was eine komplexe operative Steuerung verringert.

Die Anwendungsmöglichkeiten liegen insbesondere im produzierenden Gewerbe mit sehr variantenreichem Produktportfolio. Dabei zielt das entwickelte Tool auf die Vereinfachung der Planung und Steuerung neuartiger Produkte, indem Vorhersagen auf Grundlage von historischen Daten gemacht werden. Denkbar wäre diese Anwendung auch für eine längerfristige Planung in produzierenden Unternehmen. Somit könnten Anwendungen sowohl in der strategischen Planung, als auch in der Produktionsprogrammplanung gefunden werden. Ein entscheidender reglementierender Faktor hierbei ist jedoch die Datengrundlage, die speziell bei KMU sehr stark schwankt. Ohne ein gewisses Maß an Selbstdisziplin zum Sammeln von Produktionsdaten werden digitale Maßnahmen zur Produktionseffizienzsteigerung nicht optimal angewendet werden können.