KI-basierte Optimierung der Blechlagerhaltung

Deckenkräne bewegen tonnenschwere Stahlbleche umher, Maschinen drücken Bleche millimetergenau in Form, andere schweißen komplexe Bauteile zusammen – wer die Hallen von Ferro Umformtechnik in Stadtlohn betritt, sieht sofort: Hier wird richtig was bewegt. Das Unternehmen hat sich auf die Herstellung von Halbzeugen und Komponenten aus hoch- und verschleißfesten Stählen spezialisiert. Zu seinen Produkten gehören unter anderem gekantete und lasergeschweißte Rohre für teleskopierbare Systeme von Arbeitsbühnen und Autokränen. Die Kundenbedarfe sind dabei durch sehr kleine Losgrößen und spezifischen Anforderungen hinsichtlich Stahlgüten und Abmessungen gekennzeichnet. Auf der anderen Seite stehen Mindestliefermengen von Blechlieferanten. Ferro Umformtechnik muss oft mehr Bleche bestellen, für die noch kein Kundenbedarf vorliegt. Das Ergebnis sind hohe Lagerbestände, welche wiederum zu lange Such- und Handlingzeiten – und letztlich hohe Lagerkosten führen.

„Ferro Umformtechnik hatte 2021 die Idee, Blechbestellungen zusammenzuführen, um die Bestände zu reduzieren – etwa, wenn sich die Bleche nur in Länge oder Breite, nicht aber in ihrer Beschaffenheit unterscheiden“, erklärt Dr.-Ing. Markus Witthaut vom Fraunhofer Institut für Materialfluss und Logistik IML.

Angenommen, für zwei Aufträge wird je ein Blech mit den Maßen 10 x 2 Meter und ein Blech mit den Maßen 10,5 x 1,8 Meter benötigt, die sich vom Material und der Dicke her nicht unterscheiden. Durch eine „Clusterung“ werden zwei identische Bleche mit den Maßen 10,5 x 2 Meter bestellt. Aus diesen Blechen lassen sich dann beide Aufträge realisieren, es werden Lagerplätze eingespart und der Verschnitt wird verschrottet. Doch hierbei entstehen Verschrottungsverluste. Es muss also die Differenz durch diese Clusterung eingesparten Handlings- und Lagerungskosten einerseits und den zusätzlichen Kosten für die Verschrottung andererseits bestimmt werden; und dies muss für alle möglichen Clusterkombinationen berechnet werden. Hierbei steigen die möglichen Clustervarianten sehr schnell mit der Anzahl gleichartiger Bleche. Gibt es nur 3 Blechartikel zu clustern, dann müssen 5 Clusterkombinationen untersucht werden; bei 6 Artikel gibt es schon 203 Clusterkombinationen und bei 12 Artikeln müssen über 4 Millionen Clustervarianten analysiert werden. Hier hat das Fraunhofer IML Verfahren entwickelt, die den Lösungsraum in wenigen Sekunden durch „smarte“ KI-Algorithmen durchsuchen, um optimierte Materialcluster zu bilden. Dieser Gedanke legte damals den Grundstein für ein umfassendes Digitalisierungsprojekt, das durch das Fraunhofer IML umgesetzt wurde.