Präzise Planungsdaten für den Maschinenbau dank Machine Learning
Ein deutscher Mittelserienfertiger für Werkzeugsysteme steigerte mit einem Machine-Learning-Algorithmus die Genauigkeit seiner Produktionsplanung. Durch präzisere Prognosen der Arbeitsgangdauern und verbesserte Datenqualität wurde die Planungsstabilität deutlich erhöht.
Herausforderung
Ein deutscher Mittelserienfertiger für Werkzeugsysteme mit rund 400 Mitarbeitern stand vor der Herausforderung, dass viele Planungsdaten für die Produktion sowie vor- und nachgelagerte Bereiche ungenau und Stammdaten fehlerhaft gepflegt waren. Dadurch bedingt fehlte Planungsstabilität und Termine konnten häufig nicht eingehalten werden.
Lösung
Es wurde ein Regressions-/Machine-Learning-Algorithmus entwickelt, mithilfe dessen anhand von Arbeitsgang- und BDE-Informationen Arbeitsgangdauern genau vorhergesagt werden können.
Mehrwert
- Eine durchschnittlich 30% präzisere Schätzung der Arbeitsgangdauern.
- Schnelle Identifikation von Datenqualitäts- und Prozessproblemen bei der Betriebsdatenerfassung.
Highlights
- Algorithmus lernt aus über 1.000.000 BDE-Buchungen und hunderttausenden abgeschlossenen Arbeitsgängen.
- Zusätzlich berücksichtigt er dutzende relevante Eingangsgrößen wie aktuelle Ressourcen, Material oder Stammdaten.
