PrABCast

Unternehmen mit einem frühen Kundenentkopplungspunkt in der Produktion stehen vor dem Zielkonflikt eine hohe Flexibilität bei gleichzeitiger Erfüllung individualisierter Kundenaufträge sicherzustellen. Zuverlässige Vorhersagen spezifischer Kundenbedarfe ermöglichen hier eine vorzeitige Veranlassung von Produktionsaufträgen.

Seit Jahrzehnten werden verschiedene auf statistischen Verfahren basierende Prognosen zur Vorhersage künftiger Aufträge eingesetzt, wobei deren Eignung von der Art der Auftragsauslösung abhängig ist.

In diesem Forschungsprojekt soll in verschiedenen Anwendungsfällen untersucht werden, inwieweit eine hohe Flexibilität bei gleichzeitig maximaler Erfüllung individueller Kundenaufträge sichergestellt werden kann. Im Zentrum steht dabei die Frage, ob eine Prognose mittels Maschineller Lernverfahren (ML-Verfahren) bessere Ergebnisse als die herkömmlichen Verfahren aufweisen kann.

Ziel des Projektes PrABCast ist die Entwicklung eines anwenderfreundlichen IT-Werkzeugs zur einfachen Nutzung von ML-Verfahren zur Prognose in KMU. Damit soll für KMU mittels erfolgreicher Pilotprojekte die Hemmschwelle für die eigene Anwendung von ML im Unternehmen gesenkt werden. 
Dies soll durch das Ausschöpfen des Potentials einer prädiktiven Absatz- und Bedarfsplanung für kundenauftragsbezogene oder hybride Fertigungen ermöglicht werden. Hierdurch sollen die Bedarfsmengen angepasst und die Auftragsdurchlaufzeiten verkürzt werden.

Zu Beginn des Projekts werden die Anforderungen der Auftragsfertigung erfasst und gewichtet. Im Anschluss werden die möglichen Anwendungsfälle der Projektpartner klassifiziert und hieraus Pilotprojekte generiert. Im nächsten Schritt sollen ungenutzte Datenquellen identifiziert und ihre Auswirkung auf die Prognosegüte von Prognosen bewertet werden.
Zum Vergleich der verschiedenen Prognosen werden bekannte Analyseverfahren eingesetzt und mit den Ergebnissen der Prognosen durch ML-Verfahren in Kombination mit den neu gefundenen Datenquellen verglichen.
Die entwickelten Prognoseverfahren werden im Anschluss aufgegriffen und in ein generelles Modell überführt. Hierdurch soll sich die Dauer der Erstellung solcher Verfahren reduzieren, aber auch die Abhängigkeit von den Klassen der Anwendungsfälle bewertet werden.
Das Modell wird final in ein nutzerfreundliches IT-Werkzeug überführt. Zur Überprüfung der praktischen Anwendbarkeit wird der Einsatz in weiteren Anwendungsfällen begleitet.

Das Vorhaben PrABCast (Förderzeichen: Nr. 22180 N) der Bundesvereinigung Logistik (BVL) e.V. – Schlachte 31, 28195 Bremen - wird über die AiF im Rah­men des Programmes zur För­de­rung der Industriellen Gemeinschaftsforschung und -entwicklung (IGF) ge­för­dert.