Refine
Document Type
- Report (2)
- Doctoral thesis (1)
Has Fulltext
- yes (3)
Is part of the Bibliography
- no (3)
Language
- German (3)
Keywords
- Produktion (3) (remove)
Institute
Konzeption einer Big-Data-Architektur zur Optimierung und Flexibilisierung der Automobilproduktion
(2021)
Im Zeitalter der Digitalisierung steht die Automobilindustrie vor innerbetrieblichen Herausforderungen, welche sowohl die angewandten Technologien, als auch den Menschen gleichermaßen betreffen. Dabei gilt es die Effizienz im Produktionsprozess anhand vorhandener Daten zu maximieren, indem bestehende Ressourcen optimal eingesetzt werden. Die effiziente Nutzung vorhandener Ressourcen ist ein entscheidender Faktor zur Erreichung globaler Ziele, wie dem einer ressourcenschonenden, klimaneutralen Produktion.
Das Ziel dieser Arbeit ist die Erarbeitung einer Big-Data-Architektur, mit der ein Ansatz des Predictive Maintenance in der Produktion zum Trage kommt. Das Big-Data-Konzept soll systemübergreifend die Datenflut in der Automobilproduktion abfangen und durch eine effiziente Aufarbeitung für die Verwertbarkeit sorgen. Hinsichtlich der Orchestrierung der Datensysteme liegt der Schwerpunkt in der Automatisierung der Datenanalyseprozesse. Darüber hinaus wird dem Leser das disruptive Potenzial von Big-Data-Technologien näher gebracht.
Aktuell sind Produktionssysteme mit einer zunehmenden Unsicherheit und Instabilität konfrontiert, sodass Störungen oder ungeplante Veränderungen schnell zu massiven Beeinträchtigung der Leistungsfähigkeit führen können. Zum einen liegt das an einem immer volatileren Marktumfeld, das von steigenden Kundenerwartungen und internationalerem Wettbewerb geprägt ist. Zum anderen werden die Produktionssysteme selbst immer komplexer. Derzeit führen insbesondere kürzere Planungszyklen und/oder der Einzug zunehmend vernetzter (IT-)Systeme zu einer höheren Komplexität. Damit Unternehmen unter solchen Bedingungen leistungs- und wettbewerbsfähig bleiben, ist es essentiell, bei der Konfiguration von Produktionssystemen, eine hohe Robustheit gegenüber Störungen und ungeplanten Veränderungen einzuplanen.
Trotz einer Vielzahl an modelltheoretischen Studien zu Robustheit im (erweiterten) Produktionskontext hat sich bis dato kein etabliertes Verständnis darüber herausgebildet, was Robustheit in einem Produktionssystem überhaupt bedeutet, in welchem Zusammenhang es mit anderen Fähigkeiten, wie bspw. Flexibilität oder Resilienz, steht oder wie man sie sinnvoll messen kann. Dies mag auch daran liegen, dass die Einschätzungen und Vorgehensweisen aus der industriellen Praxis bislang nur wenig Berücksichtigung fanden.
Aus diesem Grund wurde eine empirische Studie unter Entscheidungsträgern in verarbeitenden Betrieben durchgeführt. Dabei wurden das Begriffsverständnis, die Relevanz, Einflüsse sowie die Bewertung von Robustheit in Produktionssystemen aus Sicht der industriellen Praxis erfasst. Es zeigte sich u.a., dass viele Praktiker kein klares Bild von der Robustheit haben. Sie wird zudem oft als verbesserungswürdig beurteilt und von den wenigsten Unternehmen systematisch evaluiert.
Die Digitalisierung diffundiert aktuell sehr stark in die industrielle Produktion. Produzierende Unternehmen erhoffen sich durch die Umsetzung von Digitalisierungsprojekten Wettbewerbsvorteile, neue Erlöse oder Effizienzgewinne bei der betrieblichen Leistungserstellung. Getrieben durch die Aktualität des Themas gibt es zahlreiche wissenschaftliche Ansätze, die sich mit der
Digitalisierung der Produktion, etwa unter dem Schlagwort „Industrie 4.0“, auseinandersetzen.
Häufig werden technische Entwicklungen und organisatorische Veränderungen thematisiert. Konkrete Hindernisse für die Vorbereitung, Entscheidung, Umsetzung und Bewertung von Digitalisierungsprojekten werden jedoch selten adressiert. Dennoch bestehen entlang des Entscheidungsprozesses zur Umsetzung von Digitalisierungsvorhaben zahlreiche Hindernisse. Zum zielgerichteten Auflösen der vorhandenen Hindernisse ist ein auf den Besonderheiten des Entscheidungsprozesses fokussierter Ansatz notwendig, der die Umsetzung der Vorhaben beschleunigt, Ressourcen schont und die Entscheidungsqualität verbessert.
Bislang vorliegende Erkenntnisse aus dem wissenschaftlichen Schrifttum sollen mit dieser Studie im deutschsprachigen Raum empirisch vertieft werden. Die Studie wird durch die zentrale Forschungsfrage „Welche Hindernisse bestehen im Entscheidungsprozess zur Digitalisierung der Produktion und wie können diese abgebaut werden?“ geleitet. Dazu werden zunächst Hinderniskategorien gebildet und anschließend nach den dahinterliegenden Defiziten gefragt. Damit sollen Kenntnisse erlangt werden, mit denen Rückschlüsse zur Vermeidung bzw. dem Abbau der Hindernisse möglich sind.