Data Science
Die Herausforderung
In einem produktionsnahen Umfeld bestand die Herausforderung darin, die Dauer eines zentralen Prozessschritts verlässlich und reproduzierbar zu prognostizieren. Bisher basierte die Planung dieses Prozessabschnitts auf Erfahrungswerten einzelner Mitarbeitender – ein Vorgehen, das mit hohem manuellem Aufwand, eingeschränkter Skalierbarkeit und fehlender Vergleichbarkeit verbunden war.
Für die beteiligten Fachabteilungen war insbesondere die kurzfristige Planbarkeit eine Hürde: Unterschiedliche Anlagenzustände, Materialeigenschaften oder Umgebungsbedingungen führten zu schwankenden Prozessdauern, die bislang nicht transparent erklärbar oder vorhersehbar waren.
- Anwendungsfall
Lebensmittelhersteller
Optimierte Prozessplanung durch Vorhersagemodelle im Produktionsumfeld
- Zielsetzung
- Verlässliche Vorhersage der Prozessdauer
- automatisierte Bereitstellung von Prognosen
- Stärkung der Prozesssicherheit
- Reduktion von Abhängigkeiten
- Technologie
- Python
- Scikit-Learn / Random Forest
- XGBoost
- Plotly Dash
Der Lösungsweg
Gemeinsam mit den Fachabteilungen wurden die Prozesslogik und die zeitlichen Abhängigkeiten zwischen den beteiligten Anlagen analysiert und in einem geeigneten Datenmodell abgebildet. Dabei war es entscheidend, das Verständnis für die Prozessschritte mit den technischen Anforderungen an ein Machine-Learning-Modell zu vereinen.
Im nächsten Schritt wurde ein Modell zur Vorhersage der Prozessdauer trainiert, das robuste Ergebnisse auch bei variierenden Eingangsbedingungen liefert. Ergänzt wurde die Lösung um ein intuitiv bedienbares Frontend, über das Mitarbeitende ohne technisches Spezialwissen Prognosen abrufen und mit bisherigen Einschätzungen vergleichen können.
Das Ergebnis
Die Fachabteilungen profitieren von einer spürbaren Entlastung im Tagesgeschäft: Die Prognosen zur Prozessdauer können direkt in bestehende Planungs- oder Steuerungstools integriert werden. Die Ergebnisse sind nachvollziehbar, konsistent und ermöglichen eine zuverlässige Einschätzung der benötigten Zeit – unabhängig von Erfahrungswissen oder individueller Auslegung.
Zudem wurde mit der Lösung eine technische Basis geschaffen, um mittelfristig eine vollständige Automatisierung dieses Prozessschritts umzusetzen.
- Kundenvorteile
- Planungssicherheit: Realistische Einschätzung der Prozessdauer bereits im Vorfeld
- Transparenz: Nachvollziehbare Einflussfaktoren und konsistente Ergebnisse
- Entlastung: Reduktion manueller Planungsschritte und weniger Rückfragen im Produktionsalltag
- Zukunftssicherheit: Möglichkeit zur Integration in digitale Steuerungs- oder MES-Systeme