Quantitatives Management von Terminrisiken in 3D-Druckprojekten: Von Prozesszeitverteilungen über Pufferverbrauch bis zu Verzugswahrscheinlichkeit und Lieferterminzusagen

Einleitung: Warum Lieferterminzusagen in letzter Minute scheitern

Bei der Auftragsabwicklung im 3D-Druck wird häufig nicht der Druck selbst überschätzt, sondern die ihn umgebenden Warteschlangen, die Nachbearbeitung, Prüfung und Nacharbeit. Die nominelle Druckzeit eines Metall-LPBF-Auftrags kann beispielsweise 38 Stunden betragen; von der Vorbereitung und Baujobplanung über Wärmebehandlung, Drahterodieren, Strahlen bis zur Koordinatenmessung erreicht die Kalenderdurchlaufzeit der gesamten Kette jedoch oft 6 bis 9 Arbeitstage. Sagt der Vertrieb auf Basis der Druckzeit eine Lieferung in fünf Tagen zu, wird die tatsächliche Abwicklung durch Warteschlangen und Nacharbeit wiederholt unter Druck gesetzt und endet letztlich in einer Verzögerung. Um Liefertermine von Erfahrungsurteilen in umsetzbare Zusagen zu überführen, müssen Terminrisiken in messbare Größen zerlegt werden: Prozesszeitverteilungen, Beschränkungen paralleler Ressourcen, Pufferumfang und -verbrauchsgeschwindigkeit sowie die Verzugswahrscheinlichkeit selbst.

1. Prozesszeiten sind keine Konstanten, sondern Verteilungen

Der Ausgangspunkt eines Terminmodells besteht darin, die Dauer jedes Arbeitsschritts als Verteilung statt als Einzelwert zu erfassen. Am Beispiel einer Luftfahrthalterung zeigen Daten aus 30 aufeinanderfolgenden Chargen: Der Druckprozess hat einen Mittelwert von 38 Stunden und eine Standardabweichung von 4,2 Stunden; die Wärmebehandlung 9 Stunden und 1,1 Stunden; das Drahterodieren 6 Stunden und 2,4 Stunden; die Koordinatenmessung 3,5 Stunden und 1,8 Stunden. Die Standardabweichungen bei Prüfung und Trennen sind im Verhältnis zu ihren Mittelwerten deutlich höher, was auf Entscheidungen zur Nacharbeit und Unterschiede bei der Einspannung in Vorrichtungen zurückzuführen ist. Werden die Mittelwerte direkt zu 56,5 Stunden addiert und anschließend auf effektive tägliche Arbeitszeiten umgerechnet, wird das Risiko im Verteilungsrand systematisch unterschätzt. Der richtige Ansatz ist, für jeden Prozessschritt das P80- oder P90-Quantil als Planungsbasis zu verwenden und die Standardabweichung für die spätere Pufferberechnung beizubehalten.

Zugleich sind zwei Arten von Unsicherheit zu unterscheiden: Die erste sind normale Schwankungen durch Maschinenzustand, Pulverchargen und Bedienerkompetenz; sie stellen statistisch erfassbares Rauschen dar. Die zweite sind Ausnahmeereignisse, etwa ungeplante Maschinenstillstände, eine nicht bestandene Erstprüfung mit ausgelöster Nacharbeit oder nachträgliche Modelländerungen durch den Kunden. Erstere werden über Verteilungen beschrieben, während Letztere separat als Produkt aus Eintrittswahrscheinlichkeit und Auswirkungsdauer modelliert werden müssen.

2. Parallelität und Ressourcenbeschränkungen explizit modellieren

Bei der parallelen Bearbeitung mehrerer Aufträge liegt der tatsächliche Engpass meist nicht bei den Druckern, sondern bei gemeinsam genutzten Ressourcen wie Nachbearbeitung und Prüfung. Verfügt ein Betrieb über vier Drucker, aber nur einen Wärmebehandlungsofen und ein Koordinatenmessgerät, bestimmen die Warteschlangen am Ofen und Messgerät den Lieferrhythmus – unabhängig davon, wie hoch die Druckparallelität ist. Die Modellierung erfolgt durch Warteschlangen für jede gemeinsame Ressource; anhand der Auslastung ρ = Ankunftsrate/Bedienrate lässt sich feststellen, ob ein Engpassbereich erreicht wird. Erfahrungswerte zeigen, dass die Wartezeit bei ρ über 0,85 nichtlinear ansteigt. Eine bloße Erweiterung der Druckkapazität führt dann lediglich zu höheren Beständen in Arbeit. Erst wenn Ressourcenbeschränkungen in die Planung integriert sind, lässt sich beantworten, ob bei einem zusätzlichen Kundenauftrag die ursprüngliche Zusage gehalten werden kann.

Ebenso wichtig ist die Identifikation des kritischen Pfads. In der 3D-Druckprozesskette bilden Druck und Wärmebehandlung meist die Hauptkritische Kette, während die Erstellung von Prüfberichten sowie Verpackung und Versand häufig über Zeitreserven verfügen. Bei Anwendung der Critical-Chain-Methode sollten 50 % der Sicherheitszeit jedes Prozessschritts zurückgewonnen und gebündelt als Projektpuffer und Einspeisepuffer eingesetzt werden, statt in jedem einzelnen Schritt eigene Reserven zu belassen. Verteilte Reserven werden durch das Studentensyndrom und das Parkinsonsche Gesetz aufgezehrt, ohne einen tatsächlichen Terminschutz zu schaffen.

3. Quantifizierung der Puffergröße und Überwachung des Pufferverbrauchs

Ein Puffer entsteht nicht durch willkürliches Hinzufügen von zwei Tagen. Zwei Verfahren sind gebräuchlich: Erstens das Wurzelvarianzverfahren, bei dem die Puffergröße der Quadratwurzel aus der Summe der quadrierten Standardabweichungen aller Prozessschritte auf der kritischen Kette entspricht, also Puffer = √(Σσ²). Auf Basis der genannten Daten ergibt sich näherungsweise für eine kritische Kette aus Druck, Wärmebehandlung, Trennen und Prüfung mit σ von 4,2, 1,1, 2,4 und 1,8: Puffer ≈ √(17,6+1,2+5,8+3,2) ≈ 5,3 Stunden, entsprechend etwa 12 % bis 15 % der Dauer der kritischen Kette. Zweitens kann das Anteilsverfahren eingesetzt werden, bei dem direkt 20 % bis 30 % der Kalenderdauer der kritischen Kette angesetzt werden. Dieses eignet sich für frühe Phasen mit noch unzureichender Datengrundlage.

Nach der Festlegung muss der Pufferverbrauch überwacht werden. Der Puffer wird in drei gleiche Teile aufgeteilt: Ein Verbrauch unter 1/3 ist der grüne Bereich, zwischen 1/3 und 2/3 der gelbe Bereich, und über 2/3 der rote Bereich, der Maßnahmen auslöst. Ein präziserer Kennwert ist der Pufferverbrauchsindex: Er entspricht dem Anteil des verbrauchten Puffers geteilt durch den Fertigstellungsgrad der kritischen Kette. Ein Wert über 1 zeigt eine Verschlechterung der Termingesundheit an; auch ohne eingetretene Verzögerung sollte frühzeitig eingegriffen werden. Nach Einführung dieses Kennwerts verlagerte ein Betrieb den Eingriffszeitpunkt von nach Eintritt einer Verzögerung auf die Auslösung im gelben Bereich und senkte die Verzugsquote innerhalb von drei Monaten von 18 % auf 7 %.

4. Verzugswahrscheinlichkeit und Bildung von Lieferterminzusagen

Ein gegenüber Kunden zugesagter Termin sollte auf einer expliziten Schätzung der Verzugswahrscheinlichkeit beruhen. Die einfachste Umsetzung ist eine Monte-Carlo-Simulation: Für jede Prozessdauer wird eine Dreiecksverteilung definiert – optimistischster, wahrscheinlichster und pessimistischster Wert –, ergänzt um Zweige für Nacharbeitswahrscheinlichkeiten und Ressourcenwarteschlangen. Nach mindestens 5.000 Durchläufen entsteht eine kumulative Verteilung der Fertigstellungstermine. P50 dient als internes Ziel, während P85 oder P90 als externe Zusage verwendet wird; damit lässt sich die Terminerfüllungsquote im Bereich von 85 % bis 90 % halten. Fordert der Kunde eine höhere Sicherheit, verschiebt sich der zugesagte Termin entsprechend nach hinten, oder es entstehen Kosten für eine Beschleunigung der kritischen Kette.

Vor einer Zusage sollte außerdem eine Prüfung der Lieferfähigkeit erfolgen: verfügbare Restkapazität kritischer Ressourcen bei laufenden Aufträgen, Vollständigkeit von Materialien wie Pulver und Bauplatten sowie die bereits zugesagte Auslastung der Prüfwarteschlange. Ist auch nur einer dieser Punkte nicht erfüllt, sollte keine verbindliche Zusage gegeben werden, sondern eine bedingte Antwort. Die Unterteilung in zusagbare Mengen, bedingte Zusagen und nicht zusagbare Aufträge reduziert spätere Streitigkeiten stärker als die pauschale Nennung eines Datums.

5. Quantifizierung von Ausnahmeereignissen und Verantwortungsgrenzen

Das Modell muss auch Ausnahmefälle abbilden. Ungeplante Maschinenstillstände können über historische MTBF- und MTTR-Werte in einen erwarteten Zeitverlust pro Ereignis umgerechnet und anschließend mit der Ausfallwahrscheinlichkeit der betreffenden Maschine im Projektzeitraum multipliziert werden. Die Nacharbeitswahrscheinlichkeit nach einer nicht bestandenen Erstprüfung lässt sich aus der historischen Erstdurchlaufquote vergleichbarer Teile ableiten. Bei Kundenänderungen wird die Auswirkung anhand der Anzahl verbleibender Tage bis zur Fertigstellung berechnet; je näher die Änderung am Fertigstellungstermin erfolgt, desto größer ist ihr Einfluss. Werden diese Größen mit erwarteter Auswirkungsdauer in ein Risikoregister aufgenommen, kann der Projektleiter Risiken anhand einer einheitlichen Grundlage vergleichen und entscheiden, für welche sich Minderungsmaßnahmen wirtschaftlich lohnen.

Auf Vertragsebene sollten Verzugsverantwortung und Mitteilungsfristen für höhere Gewalt, Kundenänderungen und Anomalien beim beigestellten Material klar geregelt werden, damit nicht jede Verzögerung dem Lieferanten zugerechnet wird. Gleichzeitig sollten Preis- und Terminänderungsformeln für Änderungen vereinbart werden, damit die Zusage stets mit dem aktuellen Leistungsumfang übereinstimmt.

Fazit

Um Liefertermine von Erfahrungswerten in belastbare Zusagen zu überführen, sind drei Punkte entscheidend: Prozesszeiten müssen durch Verteilungen statt Mittelwerte beschrieben, gemeinsame Ressourcen mit Warteschlangenmodellen statt Intuition bewertet und der Fortschritt anhand von Pufferverbrauch und Verzugswahrscheinlichkeit statt des reinen Fertigstellungsprozents überwacht werden. Die Umsetzung kann mit einem minimalen Regelkreis beginnen: Zunächst werden die Prozesszeiten von 30 Chargen erfasst und Standardabweichungen berechnet, anschließend wird ein Puffer nach dem Wurzelvarianzverfahren festgelegt und schließlich eine P85-Zusage mittels Monte-Carlo-Simulation abgeleitet. Nach drei Monaten Datensammlung sind bei Terminerfüllungsquote und Umlaufbestand in Arbeit üblicherweise messbare Verbesserungen erkennbar.