Selbstlernendes System zur artikelbezogenen Vorhersage von Fertigungsaufwänden

Durch den Einsatz von Spritzgießwerkzeugen wird die ökonomische Massenfertigung von Produkten ermöglicht. Als Schnittstelle zwischen Produktentwicklung und Produktion muss der Werkzeugbau möglichst früh ein verlässliches Richtpreisangebot abgeben können. Durch einen stetig intensiver werdenden, globalen Wettbewerb sollten die Kosten für Spritzgießwerkzeuge vor einer Investition daher möglichst genau abgeschätzt werden. In der vorliegenden Arbeit wird deshalb eine Methode zur Kostenvorhersage auf Grundlage von Artikeldaten, welche bei der Angebotsanfrage vorhanden sind, entwickelt. Die Basis bildet ein auf Maschinellen Lernverfahren basierendes Modell, welches sowohl mit den Geometriedaten der Artikel, als auch mit den dazugehörigen artikel- und werkzeugbezogenen Metadaten trainiert wird. Zusätzlich wird ein System zur Implementation der Methode entwickelt. Dadurch wird die Methode in ein selbstlernendes System überführt. Im Rahmen von zwei Fallstudien wird die entwickelte Methode auf zwei konkrete Anwendungsfälle aus der Produktionswelt - dem Spritzgießen und der additiven Fertigung - angewendet. Das System wird in Form eines Softwaredemonstrators umgesetzt und anhand von realen Produktionsdaten evaluiert.