KIbaroP

Ausgangssituation

In produzierenden Unternehmen spielt die Verbesserung der Störungsvermeidung vor dem Hintergrund einer zunehmenden Störungsanfälligkeit der Produktion eine zentrale Rolle. In der industriellen Praxis erfolgt die Berücksichtigung von Störungen in der Produktionsplanung derzeit nicht oder nur durch geschätzte Aufschläge (z. B. 10 bis 20 Prozent der Durchlaufzeit) auf die geplante Durchlaufzeit. Durch diese Aufschläge wird versucht, die Termintreue trotz eventuell auftretender Störungen zu erhöhen. Dabei besteht jedoch die Gefahr, dass zu lange Durchlaufzeiten zu einer verringerten Kundenzufriedenheit, höheren Lagerkosten und einer verminderten Produktivität führen.

Erwartetes Ergebnis

Unter besonderer Berücksichtigung der spezifischen Herausforderungen von kleinen und mittleren Unternehmen, wie z. B. der eingeschränkten Datenverfügbarkeit, wird ein robuster, auf Künstlicher Intelligenz (KI) basierender Ansatz zur Produktionsplanung entwickelt und validiert:

• Einbeziehung von Störungen in den Bereichen Personal, Material, Betriebsmittel, Lager, Prozess und IT in die Produktionsplanung
• Nutzung vorhandener Produktionsdaten und Aggregation mit betrieblichen Systemdaten
• Einbeziehung von historischen und aktuellen Rückmeldedaten zur Bewertung des Störungsrisikos
• Verarbeitung der gewonnenen Informationen mittels KI-Ansätzen zur Identifizierung kritischer Aufträge oder Arbeitsplätze

Lösungsweg

Der Lösungsweg orientiert sich am industrienahen Prozess CRISP-DM (Cross Industry Standard Process for Data Mining), um eine praxisnahe Lösung als Software-Demonstrationsanwendung für kleine und mittlere Unternehmen zu entwickeln. Diese Anwendung berücksichtigt Produktionsdaten, Rückmeldedaten und weitere Daten aus der betrieblichen Systemlandschaft sowie dem sozio-technischen Umfeld. Die verfügbaren Daten für das Training der KI-Algorithmen bilden die Grundlage für die Anwendung von KI-Ansätzen.

1. Business-Understanding: strukturierte Literaturrecherche und Durchführung von Expert:inneninterviews zu den Themen Störungsmanagement, Produktionsplanung und -steuerung
2. Data-Understanding: explorative Datenanalyse bereitgestellter Unternehmensdaten, Aufbau eines generischen Simulationsmodells zur Erzeugung synthetischer Daten
3. Data-Preparation: Data-Cleaning, Aufbau einer einheitlichen Datenbasis
4. Modeling: Aufbau eines KI-Modells zur Vorhersage von Störungen
5. Evaluation: Überprüfung der Ergebnisse mit den Konsortialpartnern
6. Deployment: Umsetzung KI-Modell in Demonstrator, Integration KI-Modell in Produktionsplanung der Konsortialpartner

Nutzen für die Zielgruppe

Die Entwicklung einer KI-basierten und robusten Produktionsplanung bietet Unternehmen sowohl unmittelbare als auch mittelbare Vorteile. Der unmittelbare Nutzen liegt in der Schaffung eines Verständnisses für Störungen, wodurch präventive Maßnahmen in der Produktionsplanung ermöglicht werden. Außerdem wird das bereits vorhandene Wissen über Produktionsdaten weiter vertieft und deren Aufbereitung für KI-Anwendungen beschrieben. Darüber hinaus wird gezeigt, wie Erkenntnisse aus Stördaten generiert und präventiv genutzt werden können.

Der mittelbare Nutzen besteht in der langfristigen Steigerung der Wettbewerbsfähigkeit durch höhere Liefertreue und Kundenzufriedenheit. Die nachhaltige Produktivitätssteigerung durch geringeren Störeinfluss ermöglicht Unternehmen, ihre Profitabilität zu erhöhen.