KI zur Vorhersage von Fertigungszeiten

Das Unternehmen Dickow Pumpen GmbH & Co. KG ist ein Hersteller von Industriepumpen und zeichnet sich durch eine hohe Fertigungstiefe aus. Viele der benötigten Einzelteile werden eigens im Haus gefertigt (z. B. durch Drehen, Fräsen, etc.) und anschließend zu den finalen Pumpen montiert. Um diese vielschichtigen Fertigungs- und Montageprozesse effizient zu takten, ist in der Arbeitsvorbereitung die exakte Schätzung von Vorgabezeiten essenziell. Veraltete Stammdaten oder fehlerhafte BDE-Rückmeldungen (Betriebsdatenerfassung) können hier schnell zu Planungsengpässen führen. Ursprünglich wurde das Projekt mit dem Fokus initiiert, Anomalien in diesen Produktionsrückmeldungen maschinell zu erkennen. Um jedoch eine prozessuale Abweichung verlässlich als "Anomalie" identifizieren zu können, muss ein System zunächst den regulären Normalzustand erlernen. Das Kernziel definierte sich folglich über die Entwicklung eines Machine-Learning-Modells, das präzise Soll-Zeiten für die Bearbeitungszeit und die Rüstzeit der jeweiligen Bauteile und Baugruppen vorhersagt. Entwickelt wurde eine maßgeschneiderte Applikation, welche die historischen BDE-Daten der Teilefertigung analysiert. Da gemeldete Fertigungszeiten – insbesondere bei kurzen Arbeitsgängen – oft stark verrauscht sind, kam das robuste Gradient-Boosting-Verfahren "XGBoost" zum Einsatz. Das System verarbeitet dabei sowohl strukturierte Daten, wie die Kategorisierung der Arbeitsgänge, als auch unstrukturierte Artikel- und Materialtexte. Das entwickelte Tool extrahiert technische Spezifikationen (wie Durchmesser oder Nenndruck) und erfasst die Text-Semantik über statistische Verfahren (TF-IDF).