Prospektive Ermittlung von Montagearbeitsinhalten in der Digitalen Fabrik (ProMondi)

Problemstellung

In der industriellen Praxis besteht die Anforderung, den Zeit- und Kapazitätsbedarf für die Herstellung eines neuen Produktes bereits in der Produktentwicklung hinreichend genau zu bestimmen, wobei in dieser Phase das Produkt nur unvollständig spezifiziert ist. Potenziale bei der Verbesserung der Planungsqualität können nur dann voll gehoben werden, wenn es gelingt, basierend auf einer Zusammenführung der Forschungsfelder der Produktdatentechnologie, der Digitalen Fabrik, des Data Mining und der Zeitwirtschaft, domänenübergreifendes Planungswissen aus unterschiedlichen PEP-Phasen (Produktentstehungsprozess) entlang der Produktentstehung verfügbar zu machen. Derzeit greifen hier die meisten Unternehmen auf Schätzwerte zurück, ohne dass vergangenheitsbezogene Planungsdaten aktueller Produkte systematisch bereitgestellt und intelligent ausgewertet werden. Die Ermittlung der Arbeitsinhalte und der dazugehörigen Zeitwerte mit einer hinreichenden Genauigkeit, entsprechend dem Zeitpunkt der Planung, ist nicht nur für langfristige Planungsaufgaben (bspw. Target Costing, Time-to-Market, Make-or-Buy-Entscheidungen, Standort- und Investitionsplanung), sondern auch zur Personalbemessung, Planung der Schichtmodelle und Hochlaufplanung unumgänglich.

Projektziel

Ziel des Forschungsvorhabens war es eine möglichst allgemeingültige und branchenneutrale Methode zur prospektive Ermittlung von Montagearbeitsinhalten in einer frühen PEP-Phase zu entwickeln, um den hohen gestalterischen Anteil der Planungsaktivitäten in der Produktentstehung in einem montageorientierten Produktdatenmodell zusammenzufassen. Dies trägt zur Verkürzung der Planungszeiten, zur Verbesserung der Planungsqualität und zur Reduzierung der Fehlplanungskosten bei.

Vorgehensweise

Hierzu wurden die Forschungsfelder der Produktdatentechnologie, der Digitalen Fabrik, des Data Mining und der Zeitwirtschaft zusammengeführt, um domänenübergreifendes Wissen aus unterschiedlichen Produktentstehungsphasen in Form einer gemeinsamen Informationsbasis für die Konstruktion und Produktionssystemplanung bereitstellen zu können. Diese Wissensbasis wird unter Verwendung Mustererkennender Verfahren für die Planungs- und Entscheidungsunterstützung genutzt.Hierbei erfolgt eine Systematisierung und intelligente Verknüpfung von Produkt- und Prozessdaten durch Datenmodellerweiterungen von CAD- und PDM-Systemen. Es wurde ein exemplarisches IT-Werkzeug entwickelt, das die kommerziellen Softwarewerkzeuge der Digitalen Fabrik und der Zeitwirtschaft um montagearbeitsinhaltsrelevante Informationen in frühen Planungsphasen anreichert. Eine Validierung der Methoden erfolgte im Rahmen einer pilothaften Umsetzung bei drei Anwenderunternehmen.

Ergebnisse und Anwendungspotenzial

Frühzeitig, auf fundierter Basis getroffene strategische Entscheidungen bei der Wahl von Standorten, Montagekonzepten oder Produktalternativen stellen die Grundlage dar für die Abstimmung über die Wirtschaftlichkeit von Herstellungsvarianten. Die erwarteten wirtschaftlichen Ergebnisse liegen insbesondere in einer Ausschöpfung von Zeit- und Kostenpotenzialen ohne Funktions-, Qualitätsnachteilen bei Partnerschaften mit Herstellern von Lösungen der digitalen Fabrik (z.B. Digitale Fabrik Mercedes-Benz Cars). Das dabei erwartete Potenzial liegt dabei bei etwa 5% für die auftragsbezogenen Konstruktionskosten sowie im Rahmen von ca. 5 – 10% der Montagekosten. Die Umsetzung der Ergebnisse erfolgte u. a. in Form von marktfähigen SW-Produkten der beteiligten Systemhäuser. Auch die Einbindung der Erkenntnisse in die nationale und internationale Normung im Rahmen der DIN EN ISO 10303 (STEP: Standard for the Exchange of Product Model Data) stand im Fokus.

• Hochschule für angewandte Wissenschaften München
• KHS GmbH
• Mercedes-Benz Group AG
• Miele & Cie. KG
• MTM ASSOCIATION e.V.
• PROSTEP AG
• RapidMiner GmbH
• Siemens Industry Software GmbH
• Technische Universität Dortmund
• Technische Universität Kaiserslautern