Rüstkostenoptimierung mit Hilfe von Vergangenheitsdaten

Die Produktionsplanung ist eine Herausforderung für Unternehmen. Verschiedene Einflussgrößen müssen beachtet werden. Die Analyse vergangener Produktionsdaten und der Einsatz von Künstlicher Intelligenz soll dabei helfen, die Produktion möglichst effizient und kostensparend zu gestalten.

Problemstellung

Die Losgrößenplanung in produzierenden Betrieben hängt direkt mit den jeweiligen Rüstkosten zusammen. Da die Ermittlung der individuellen Rüstkosten jedoch nicht ohne weiteres möglich ist, werden hier einheitliche Rüstkostensätze angenommen. Diese Annahme führt jedoch bei der Losgrößenplanung unter Umständen jedoch nicht zum optimalen Ergebnis.

Zielsetzung

Mit Hilfe von Vergangenheitsdaten (Buchungen) der Produktion soll eine optimale Produktionsreihenfolge gefunden und die vorhandenen Rüstaufwände in drei Kategorien eingeteilt werden.

Projektbeschreibung

Die in der Produktionsplanung zum Tragen kommende Losgrößenplanung ist seit jeher eine Herausforderung für Unternehmen. Haupteinflussgrößen bei der Bestimmung einer optimalen Losgrößenpolitik stellen dabei die Lagerkosten als auch die Rüstkosten dar. Dabei sind die Lagerkosten bei entsprechender Datenhaltung schnell ermittelt. Die Rüstkosten allerdings sind an viele Bedingungen wie z.B. das Einrichten, das benötigte Werkzeug, die verwendete Maschine und selbstverständlich auch an das zu fertigende Bauteil geknüpft. Da häufig nicht die notwendigen Daten für eine detaillierte Rüstkostenberechnung vorliegen, werden vereinfachte Kostenmodelle angesetzt bis hin zu einheitlichen Rüstkostensätzen und Zeitaufwänden für jedes Rüsten. Diese vereinfachten Annahmen führen unter Umständen nicht zum optimalen Ergebnis bei der Bestimmung der Losgrößenpolitik und somit zu vermeidbaren Kosten.

Das hier vorgestellte Projekt soll mit Hilfe von Methoden der künstlichen Intelligenz dieser Herausforderung entgegenwirken. Dabei wird angenommen, dass das Einrichten und Rüsten in der Produktion derzeit noch so erfolgt, dass für den Maschinenbediener im Produktionsbetrieb ein möglichst geringer Rüstaufwand entsteht und somit ohne spezielle Vorgabe der Reihenfolge, eine optimale Fertigungsreihenfolge intuitiv gewählt wird. Die Erfahrungen und das Wissen diesbezüglich ist indirekt in den Rückmeldedaten der Betriebsdatenerfassung (BDE) enthalten, da diese auch die, auf Shop-Floor-Ebene gewählte Reihenfolge beinhalten. Mit Methoden der künstlichen Intelligenz soll die optimale Produktionsreihenfolge und somit der Weg der geringsten Umrüstungen eingegrenzt werden, um anschließend drei Rüstkategorien zu erstellen. Gelingt es die optimale Reihenfolge, als auch die Kategorisierung umzusetzen, ist davon auszugehen, dass eine verbesserte Losgrößenpolitik möglich und damit deutlich Kosten reduziert werden können.