Data-Mining-basierte Erstellung von Montagearbeitsplänen in der Digitalen Fabrik

Als Reaktion auf einen gestiegenen Wettbewerb bieten produzierende Unternehmen eine zunehmende Anzahl von Produktvarianten in verkürzten Produktlebenszyklen an, wobei ein Großteil der Varianten im Bereich der Montage gebildet wird. Die Anwendung digitaler Planungswerkzeuge unterstützt die Bearbeitung von derartig komplexen Planungsaufgaben und führt zu Datenbeständen, welche die erzielten Entwicklungs- und Planungsergebnisse entlang des Produktentstehungsprozesses dokumentieren. Die Wiederverwendung und Anpassung bestehender Planungsdaten ermöglichen eine beschleunigte Planung. Die Auswahl einer optimalen Arbeitsplanvorlage erfordert jedoch das Expertenwissen bezüglich sämtlicher Produkt- und Prozessvarianten, welches in Zeiten erhöhter Produkt- und Prozesskomplexität nicht mehr vorausgesetzt werden kann. Das Ziel der vorliegenden Arbeit ist die Entwicklung einer Data-Mining-basierten Methodik zur Ableitung produktspezifischer Montagepläne aus dem Datenbestand der Digitalen Fabrik als Aufsetzpunkt für eine Anpassungsplanung. Ähnliche Produkt- und Prozessvarianten werden jeweils mithilfe von Clusterverfahren zusammengefasst. Klassifikationsverfahren werden angewendet, um Gesetzmäßigkeiten für die gefundenen Unterschiede herauszustellen und die Zuordnung neu konstruierter Produkte zu ähnlichen, bereits verplanten Produkten und die Ableitung der erforderlichen Montagepläne sicherzustellen. Die entwickelte Methodik wird prototypisch in einer Software implementiert und auf unabhängigen Testdaten validiert. Die abgeleiteten Montagepläne werden mit den von einem Experten ausgewählten Montageplänen verglichen. Die erlangten Ergebnisse bestätigen das Anwendungspotential von Data-Mining-Verfahren zur Unterstützung der Montagearbeitsplanerstellung.