Critical Studies on Cycle Time Reduction Using Lean Tools in Aerospace Components Manufacturing Industries

In der hochriskanten Welt der Luft- und Raumfahrtfertigung ist die Herstellung eines einzelnen Teils für ein Strahltriebwerk oder einen Satelliten eine Meisterleistung extremer Präzision. Diese Komponenten, die oft aus zähen Materialien wie Titan oder speziellen Legierungen bestehen, müssen perfekt sein. Ein winziger Fehler kann den Unterschied zwischen einem sicheren Flug und einem katastrophalen Versagen bedeuten. Aus diesem Grund ist der Prozess langsam, streng reguliert und unglaublich komplex. Im Gegensatz zu einer Fabrik, die Millionen identischer Artikel in Massenproduktion herstellt, fertigen Luft- und Raumfahrtwerke oft kleine Chargen vieler verschiedener, hochspezialisierter Teile. Dieser „High-Mix, Low-Volume“-Ansatz bedeutet, dass die Maschinen ständig anhalten, um Werkzeuge zu wechseln, die Arbeiter ständig Messungen überprüfen und die Teile viel Zeit mit Warten verbringen. Die Zeit, die es dauert, einen Rohblock aus Metall in ein fertiges, zertifiziertes Teil zu verwandeln, wird als Zykluszeit bezeichnet. Für Hersteller ist die Verkürzung dieser Zeit ein großes Ziel; es bedeutet, dass sie Teile schneller liefern, ihre teuren Maschinen effizienter nutzen und Kosten senken können, ohne jemals die Sicherheitsstandards zu opfern, die den Himmel sicher halten.

Seit Jahrzehnten nutzen Fabriken eine Reihe von Managementprinzipien, die als Lean Manufacturing bekannt sind, um Prozesse zu beschleunigen. Stellen Sie sich diese Prinzipien als eine Art, einen Arbeitsplatz so zu organisieren, dass nichts der Arbeit im Weg steht. Werkzeuge wie die Wertstromanalyse fungieren als Karte, um zu finden, wo Teile unnötigerweise warten, während Single-Minute Exchange of Die (SMED) Arbeitern hilft, Maschinen-Setups in Minuten statt in Stunden zu wechseln. Die Luft- und Raumfahrtindustrie hat jedoch festgestellt, dass diese traditionellen Methoden, obwohl sie hilfreich sind, manchmal an Grenzen stoßen. Die Prozesse sind einfach zu kompliziert und die Daten zu umfangreich, als dass menschliche Manager jede Verzögerung in Echtzeit verfolgen könnten. Hier kommt die neue Welle der Technologie ins Spiel. Durch die Kombination dieser altmodischen Organisationsmethoden mit moderner Künstlicher Intelligenz versuchen Forscher nun, eine intelligentere Art der Produktionssteuerung zu entwickeln. Das Ziel ist es, Computer nicht nur dazu zu nutzen, das zu protokollieren, was passiert ist, sondern vorherzusagen, was als Nächstes passieren wird, um Fabriken zu ermöglichen, Probleme zu lösen, bevor sie überhaupt eine Verzögerung verursachen.

Ein Forschungsteam unter der Leitung von Sasidharan TP, K Manjunatha und Jayashish Kumar Pandey setzte sich zum Ziel, genau zu testen, wie gut diese Kombination funktioniert. Sie konzentrierten sich auf eine spezifische Fertigungsanlage für Luftfahrtkomponenten in Indien, die Strukturhalterungen und Triebwerksteile produziert. Die Forscher raten nicht einfach auf eine Lösung; sie entwickelten einen schrittweisen Rahmen, der zuerst die wichtigsten Gründe identifizierte, warum die Produktion langsamer wird. Sie holten Input von einem Expertengremium ein, bestehend aus Produktionsleitern und Qualitätsingenieuren, um zu bewerten, was am wichtigsten ist. Die Ergebnisse waren eindeutig: Der kritischste Faktor war nicht eine bestimmte Maschine oder ein bestimmtes Werkzeug, sondern das Engagement des Top-Managements, die Veränderungen zu unterstützen. Danach waren die Zuverlässigkeit der Maschinen und die Schulung der Mitarbeiter die nächsten wichtigen Säulen. Ohne starke Führung und geschulte, gut gewartete Ausrüstung könnte keine Software die Verzögerungen beheben.

Nachdem sie wussten, worauf sie sich konzentrieren mussten, wandten die Forscher eine Mischung aus Lean-Tools und Künstlicher Intelligenz auf eine reale Produktionslinie an. Sie begannen damit, den aktuellen Arbeitsfluss abzubilden, was enthüllte, dass Teile eine signifikante Zeit zwischen den Schritten warteten oder in der Lagerung verbrachten. Sie führten daraufhin Verbesserungen wie eine bessere Planung und vorausschauende Wartung ein, bei der das System die Arbeiter alarmiert, um eine Maschine zu reparieren, bevor sie ausfällt. Entscheidend war, dass sie eine KI-Ebene hinzufügten, die historische Daten analysieren und genau vorhersagen konnte, wie lange die Herstellung eines neuen Teils dauern würde. Dies ermöglichte es der Fabrik, ihren Zeitplan mit wesentlich größerer Genauigkeit zu planen. Das Team testete vier verschiedene Arten von KI-Modellen, um zu sehen, welches am besten für diese Vorhersageaufgabe geeignet war. Sie fanden heraus, dass ein Modell namens Long Short-Term Memory, das darauf ausgelegt ist, Sequenzen von Ereignissen zu verstehen, am genauesten war. Es konnte die benötigte Zeit für ein komplexes Teil mit einer Fehlermarge von weniger als zwei Stunden vorhersagen – ein Präzisionsniveau, das menschliche Planer allein nicht erreichen könnten.

Die Ergebnisse dieser sechsmonatigen Testphase waren beeindruckend. Bevor das neue System implementiert wurde, umfasste die gesamte Zeit zur Herstellung eines Teils viele Stunden des Wartens und ineffizienter Bewegungen. Nach der Implementierung des Lean- und KI-Frameworks sank die Zeit in jeder Produktionsstufe signifikant. Für die Bearbeitungsphase, die das Schneiden und Formen des Metalls umfasst, fiel die Zeit von 42 Stunden auf 31 Stunden. Die Montagephase, in der Teile zusammengefügt werden, wurde von 30 Stunden auf 22 Stunden verkürzt. Sogar die abschließende Inspektion, die für die Sicherheit entscheidend ist, wurde schneller und sank von 24 Stunden auf 17 Stunden. Insgesamt verzeichnete die Fabrik eine massive Reduzierung der Zeit, in der Teile unnötigerweise warteten oder transportiert wurden. Auch die Zeit, in der die Maschinen tatsächlich arbeiteten, bekannt als Auslastung, verbesserte sich drastisch. Beispielsweise wurden die computergesteuerten Schneidemaschinen am Ende der Studie etwa 90 Prozent der Zeit genutzt, verglichen mit zuvor etwa 72 Prozent.

Die Studie untersuchte auch die allgemeine Gesundheit der Ausrüstung, gemessen an einem Score namens Overall Equipment Effectiveness (Gesamtanlageneffektivität). Dieser Score kombatiert die Häufigkeit, mit der eine Maschine läuft, die Geschwindigkeit, mit der sie läuft, und wie viele gute Teile sie produziert. Vor den Änderungen lag dieser Score bei etwa 68 Prozent. Nachdem das neue System implementiert worden war, stieg er stetig auf 88 Prozent. Das bedeutet, dass die Fabrik nicht nur schneller arbeitete, sondern auch smarter – mit weniger Ausfällen und weniger defekten Teilen, die nachbearbeitet werden mussten. Die Forscher fanden heraus, dass die größten Gewinne durch die Reduzierung der „Wartezeit“ erzielt wurden, die fast ein Viertel der gesamten verschwendeten Zeit in der Fabrik ausmachte. Durch den Einsatz der KI zur Vorhersage von Engpässen und der Lean-Tools zur Glättung des Arbeitsflusses eliminierte die Fabrik einen Großteil dieser Leerlaufzeiten. Auch die Verschwendung durch Überbearbeitung, bei der Teile häufiger bearbeitet oder inspiziert wurden als notwendig, sank erheblich.

Was diese Forschung besonders wertvoll macht, ist der Beweis dafür, dass diese beiden Welten – traditionelle Fabrikorganisation und fortgeschrittene Informatik – effektiv zusammenarbeiten können. Die Studie zeigte, dass man nicht einfach ein neues Computerprogramm installieren und erwarten kann, dass die Probleme verschwinden; das menschliche Element und die physische Organisation der Fabrik müssen zuerst adressiert werden. Das KI-Modell funktionierte am besten, weil es mit Daten aus einer Fabrik gespeist wurde, die bereits darauf optimiert worden war, effizient zu arbeiten. Die Forscher bestätigten, dass die Verbesserungen kein glücklicher Zufall oder ein vorübergehender Leistungsschub waren. Die Gewinne an Geschwindigkeit und Effizienz blieben über die Monate der Studie hinweg stabil, was darauf hindeutet, dass die neue Arbeitsweise nachhaltig ist.

Das Team kam zu dem Schluss, dass der Weg für Luftfahrthersteller, die schneller und effizienter werden wollen, in diesem integrierten Ansatz liegt. Sie demonstrierten, dass Fabriken, indem sie Managementunterstützung und Maschinenzuverlässigkeit priorisieren und dann intelligente Vorhersagewerkzeuge darüberlegen, ein Leistungsniveau erreichen können, das zuvor unerreichbar war. Die Studie behauptete nicht, dass dies alle Probleme in der Fertigung löst, noch deutete sie darauf hin, dass menschliche Arbeiter ersetzt würden. Stattdessen zeigte sie, dass das gesamte System resilienter und leistungsfähiger wird, wenn qualifizierte Fachkräfte durch Werkzeuge unterstützt werden, die die Zukunft der Produktion „sehen“ können. Für eine Branche, in der jede Stunde zählt und Sicherheit nicht verhandelbar ist, bietet diese Verbindung von menschlicher Expertise und maschineller Intelligenz einen klaren, bewährten Weg, die Zukunft des Fliegens zu gestalten.