Effizientes Datenmanagement für den Einsatz mathematischer Optimierungsmodelle in der Produktionsstrategie

Globale Produktionsnetzwerke ermöglichen produzierenden Unternehmen in einem globalen Marktumfeld erfolgreich zu sein. Für die Gestaltung und Koordination dieser Netzwerke, stehen eine Vielzahl an Methoden zur Verfügung. Die Herausforderung bei der Anwendung dieser Methoden in der industriellen Praxis ist die Bereitstellung aktueller und hochqualitativer Eingangsdaten. Mit einem effizienten Datenmanagement und der Verwendung von Data Analytics soll dieser Herausforderung begegnet werden.

 

Produzierende Unternehmen sehen sich heute einem globalen und volatilen Markt gegenüber. Um sich auf diese Marktvorgaben einzustellen, auf regionale Kundenwünsche einzugehen und Transportkosten zu reduzieren, verlagern immer mehr Unternehmen ihre ursprünglich zentralisierte Produktion in dezentrale globale Produktionsnetzwerke. Die Ausschöpfung derer Potentiale geht mit einer erhöhten Komplexität in der Planung und Steuerung einher.

Die Wissenschaft konnte hierfür in den letzten Jahren eine Vielzahl an Methoden entwickeln, die Unternehmen dabei unterstützen, diese Komplexität zu bewältigen. Auch das iwb trägt mit der Entwicklung von mathematischen Optimierungsmodellen für dieses Einsatzgebiet einen Anteil an der wissenschaftlichen Entwicklung.

Alle diese Methoden erfordern zu ihrer Ausführung jedoch eine große Menge an Eingangsinformationen und -daten. Diese Daten müssen nicht nur einmalig beschafft, sondern auch regelmäßig aktualisiert werden. Zusätzlich hat die Qualität der Daten einen maßgeblichen Einfluss auf die Ergebnisse der angewandten Methoden zur Netzwerkplanung.

Derzeit erfordert das Erfassen, Aktualisieren und Validieren der Daten einen hohen manuellen Aufwand und basiert überwiegend auf der mit Unsicherheit behafteten Einschätzung von Experten. Diese Umstände stellen eine große Herausforderung für eine nachhaltige und effiziente Netzwerkplanung dar.

Zielsetzung

Ziel des Forschungsprojekts ist daher die Entwicklung eines effizienten Datenmanagements für die Planung von globalen Produktionsnetzwerken. Hierbei soll zum einen die Qualität der Daten gesichert und erhöht sowie die manuellen Aufwände zur Beschaffung, Aktualisierung und Validierung der Daten reduziert werden.

Lösungsansatz

Im ersten Schritt Richtung eines effizienten Datenmanagements steht die Erfassung des Datenbedarfs, sowie die Klassifizierung der benötigten Daten. Mit dem Wissen über den Datenbedarf können im zweiten Schritt Strategien und Methoden entwickelt werden, das Datenmanagement effizienter zu gestalten.

Eine Möglichkeit hierfür ist die Nutzung von Daten aus verschiedensten IT-Systemen der Unternehmen. Daten zu aktuellen Produktionskapazitäten, Linienbefähigungen, etc. können beispielsweise aus der Betriebsdatenerfassung abgeleitet werden, wobei dieser Vorgang vollautomatisiert ablaufen kann. Zur Strukturierung und Analyse von teils unstrukturiert aufgezeichneten Vergangenheitsdaten können Methoden aus dem Bereich des Data Analytics zum Einsatz kommen.

Zusätzlich kann mit Hilfe von aufgezeichneten Vergangenheitsdaten die Validierung von Expertenaussagen erleichtert werden. Beispielsweise können die Hochläufe einzelner Linien nach Umbau in der Vergangenheit betrachtet und mit den Prognosen für den nächsten Umbau abgeglichen werden.

Auch Datenquellen außerhalb des Unternehmens können zur Informationsgenerierung genutzt werden. Für die Prognose von Kostensätzen für Produktion und Transport können Daten zur Entwicklung der Lohnkosten an den Produktionsstandorten oder die prognostizierte Entwicklung des Ölpreises mit berücksichtigt werden.

Im abschließenden Schritt sollen alle Methoden zusammengeführt und prototypisch implementiert werden. Zusätzlich wird untersucht, inwiefern manuelle Aufwände im Datenmanagement verringert und die Datenqualität erhöht werden konnte.

Danksagung

Der Dank gilt der BMW AG für die Förderung dieses Projektes.

Laufzeit 01.04.2017 - 31.03.2020
Projektpartner BMW AG