Kontinuierliche Verbesserung mittels Prescriptive Analytics

Autor:
Busam, Thomas
ISBN
978-3-86359-921-8
39,00 €
Inkl. 7% MwSt.
-
+

Quick Overview

Sich häufig ändernde Produktionsbedingungen - wenig Personal für Prozessverbesserung - hoher Druck zur Senkung der Produktionskosten: Für dieses Spanungsfeld wird eine Methodik zur Effizienzsteigerung des kontinuierlichen Verbesserungsprozesses mittels Prescriptive Analytics vorgestellt. Die Leitidee besteht darin, einem Prozessverbesserer aus einer standortübergreifenden Wissensdatenbank gemäß Zielrichtung passende Verbesserungsansätze mit prognostizierten Ergebnissen automatisch vorzuschlagen.

Die heutigen Anforderungen an die Produktion, gerade in Hochlohnländern, sind vielschichtig. Kürzere Produktlebenszyklen, häufigere Produktänderungen während diesen Zyklen und z.T. massive Auftragsschwankungen bedingen häufigere Anpassungen der Produktionslinien. Dies resultiert in einem kürzeren stabilen Betriebszustand der Produktionsprozesse. Nichts desto trotz müssen häufig geschmälerte Teams in dieser kürzeren Zeit trotzdem die Prozesse zur Produktivitätssteigerung verbessern, um dem omnipräsenten Kostendruck begegnen zu können. Hinzu kommen die weiterhin hohen Latenzzeiten der traditionellen kontinuierlichen Verbesserung, bzw. die geringe Anpassungsfähigkeit von datengetriebenen Ansätzen.
Auf Grund des beschriebenen Spannungsfeldes wird im Rahmen dieser Forschungsarbeit eine Methodik zur Effizienzsteigerung des kontinuierlichen Verbesserungsprozesses mittels Prescriptive Analytics in einem durch Unsicherheit gekennzeichneten Produktionsumfeld entwickelt. Die Leitidee besteht darin, einem Prozessverbesserer aus einer standortübergreifenden Wissensdatenbank, mit bisher unbekannten Wirkbeziehungen, gemäß der gewünschten Zielrichtung passende Verbesserungsansätze mit prognostizierten Ergebnissen automatisch vorzuschlagen. Hierzu werden im ersten Schritt User Stories mit Prozessparametern und Verbesserungsansätzen ermittelt und in einer Datenbank aufbereitet. Im zweiten Schritt werden aus den Prozessparametern für Unternehmen bisher unbekannte Ursachen-Wirkbeziehungen ermittelt, aus denen erste Prozessverbesserungen abgeleitet werden können. Diese Beziehungen werden in ein aufzubauendes Künstliches Neuronales Netz zur Prognose der Prozessparameter inkorporiert. Im dritten Schritt werden über eine Mustererkennung des zu verbessernden Prozesses und den User Stories, diejenigen Ideen dem Anwender vorgeschlagen, deren prognostizierte Ergebnisse die Zielerreichung erfüllen oder dazu beitragen.
Die entwickelte Methodik leistet somit einen Beitrag zur Modernisierung der kontinuierlichen Verbesserung und stellt Unternehmen eine Implementierungsstrategie sowie einen Anwendungsprozess zur Verfügung.

 

Mehr Informationen
Autor Busam, Thomas
Lieferzeit 3-4 Tage
Gewicht 0.37 kg
Erscheinungsdatum 16.12.2020
Eigene Bewertung schreiben
Sie bewerten:Kontinuierliche Verbesserung mittels Prescriptive Analytics

Die heutigen Anforderungen an die Produktion, gerade in Hochlohnländern, sind vielschichtig. Kürzere Produktlebenszyklen, häufigere Produktänderungen während diesen Zyklen und z.T. massive Auftragsschwankungen bedingen häufigere Anpassungen der Produktionslinien. Dies resultiert in einem kürzeren stabilen Betriebszustand der Produktionsprozesse. Nichts desto trotz müssen häufig geschmälerte Teams in dieser kürzeren Zeit trotzdem die Prozesse zur Produktivitätssteigerung verbessern, um dem omnipräsenten Kostendruck begegnen zu können. Hinzu kommen die weiterhin hohen Latenzzeiten der traditionellen kontinuierlichen Verbesserung, bzw. die geringe Anpassungsfähigkeit von datengetriebenen Ansätzen.
Auf Grund des beschriebenen Spannungsfeldes wird im Rahmen dieser Forschungsarbeit eine Methodik zur Effizienzsteigerung des kontinuierlichen Verbesserungsprozesses mittels Prescriptive Analytics in einem durch Unsicherheit gekennzeichneten Produktionsumfeld entwickelt. Die Leitidee besteht darin, einem Prozessverbesserer aus einer standortübergreifenden Wissensdatenbank, mit bisher unbekannten Wirkbeziehungen, gemäß der gewünschten Zielrichtung passende Verbesserungsansätze mit prognostizierten Ergebnissen automatisch vorzuschlagen. Hierzu werden im ersten Schritt User Stories mit Prozessparametern und Verbesserungsansätzen ermittelt und in einer Datenbank aufbereitet. Im zweiten Schritt werden aus den Prozessparametern für Unternehmen bisher unbekannte Ursachen-Wirkbeziehungen ermittelt, aus denen erste Prozessverbesserungen abgeleitet werden können. Diese Beziehungen werden in ein aufzubauendes Künstliches Neuronales Netz zur Prognose der Prozessparameter inkorporiert. Im dritten Schritt werden über eine Mustererkennung des zu verbessernden Prozesses und den User Stories, diejenigen Ideen dem Anwender vorgeschlagen, deren prognostizierte Ergebnisse die Zielerreichung erfüllen oder dazu beitragen.
Die entwickelte Methodik leistet somit einen Beitrag zur Modernisierung der kontinuierlichen Verbesserung und stellt Unternehmen eine Implementierungsstrategie sowie einen Anwendungsprozess zur Verfügung.

 

Mehr Informationen
Autor Busam, Thomas
Lieferzeit 3-4 Tage
Gewicht 0.37 kg
Erscheinungsdatum 16.12.2020
Eigene Bewertung schreiben
Sie bewerten:Kontinuierliche Verbesserung mittels Prescriptive Analytics
Adresse

Institut für Industriekommunikation und Fachmedien (IIF) GmbH an der RWTH Aachen

Steinbachstr. 25
52074 Aachen
Deutschland