Forschung

Wie Fraunhofer das Ausfallverhalten von Ersatzteilen prognostizierbar machen will

In einem einzigartigen Industrie-Forschungsprojekt will Fraunhofer Austria das Ausfallverhalten von Ersatzteilen unter die Lupe nehmen. Muster sollen so erkannt und exakte Prognosen die Lagerbestände optimieren.

„Wir gehen davon aus, dass es auch im Maschinenbau externe wie interne Einflüsse gibt, die sich auf den Ersatzteilbedarf auswirken.“ Martin Riester, Gruppenleiter Logistikmanagement bei Fraunhofer Austria. 

Es ist eine neue Herangehensweise. Gemeinsam mit Risc Software will die Logistikabteilung von Fraunhofer Austria künftig Prognosen zum Ausfallverhalten von Ersatzteilen erstellen. Dabei wird auf ein Software-System zurückgegriffen, das die Visualisierung von Zusammenhängen in großen Datenmengen ermöglicht. Diese Software wurde ursprünglich für die Auswertung von medizinischen Daten entwickelt. „Das heißt es werden aus einem Pool von Daten Zusammenhänge grafisch dargestellt“, erklärt es Dominic Girardi von Risc. Das Interessante: Das System kann rein durch Konfiguration vom Benutzer an den aktuellen Anwendungsfall angepasst werden. Dies erlaubt eine feine Abstimmung auf die Anforderungen des jeweiligen Unternehmens.

Ausfallverhalten besser prognostizieren

Wie so ein System nun auf die Industrie, genauer gesagt auf deren Ersatzteilmanagement, umgelegt werden soll, erklärt Martin Riester so: „Wir gehen davon aus, dass es auch im Maschinenbau externe wie interne Einflüsse gibt, die sich auf den Ersatzteilbedarf auswirken.“ Dem Gruppenleiter von Fraunhofer Austria geht es dabei vor allem darum künftig genauere Prognosen für Ersatzteilbedarfe basierend auf deren Ausfallverhalten erstellen zu können. Damit könnten Maschinenbauer in Zukunft nicht nur ihre Flotten besser beplanen, sondern auch den Lagerbestand von Ersatzteilen optimieren. 

In zwei Schritten will das Team sein Forschungsprojekt in Angriff nehmen. Schritt eins: Einflussparameter identifizieren und große Datenmengen auswerten. Hier kommt das System von Risc zum Einsatz. "Es identifiziert zwar noch keine mathematischen Zusammenhänge, kann aber die Daten soweit grafisch aufbereiten, dass erste Hypothesen erstellt werden können“, erklärt Girardi. Schritt zwei: „Die mathematischen Kausalitäten abbilden“, so Riester. Entwickelt werden soll das Ganze in Partnerschaft mit Industriebetrieben. Nur so können die richtigen Muster für Ersatzteile, die i.d.R. unternehmensspezifisch sind, erkannt werden.

White Paper zum Thema

Ein Tipp: Auf der Ersatzteiltagung in Linz werden Riester und Girardi erstmals Einblicke in ihr Industrie-Forschungsprojekt geben.