Refine
Document Type
- Doctoral thesis (2)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Language
- German (2)
Keywords
- Kraftfahrzeugindustrie (2) (remove)
Institute
Die in der Versorgungslogistik internationaler Automobilhersteller in China immanenten Risiken werden bislang bei versorgungslogistischen Entscheidungen nicht systematisch berücksichtigt. Um die Berücksichtigung dieser Risiken zu ermöglichen, wird ein empirisch entwickeltes Risikobewertungskonzept vorgestellt, welches an die verschiedenen Entscheidungssituationen anpassbar ist. Dieses besteht aus einem Risikobewertungsprozess und einer vorgelagerten Situationsanalyse, mit der geeignete Verfahren zur Konfiguration des Risikobewertungsprozesses identifiziert werden können. Der Risikobewertungsprozess, der alle Risiken mit einem Geldwert belegt, besteht aus fünf Schritten: 1) es werden Verteilungen der Risikofaktoren bestimmt; 2) deren Wirkung auf die Abweichung der sieben Zielgrößen der Versorgungslogistik werden ermittelt: 3) die Wirkung dieser Zielgrößenabweichung für das Unternehmen werden in Geldeinheiten ermittelt; 4) die Wirkung der Einzelrisiken werden aggregiert; 5) das Risikobewertungsergebnis wird visualisiert. Die so ermittelten Risiken werden nach der jeweiligen Abweichung von einem der sieben eingeführten versorgungslogistischen Zielgrößen benannt. Die diesem Risikobewertungsprozess vorgeschaltete Situationsanalyse unterscheidet alle versorgungslogistischen Entscheidungen in vier Basistypen, je nach Gewichtigkeit der Entscheidung für das Unternehmen und der prozess- und informationsbezogenen Qualität des Entscheidungsprozesses. Für jeden dieser vier Basistypen sind empirisch aufgenommene Anforderungen an die Risikobewertung hinterlegt, die zur Konfiguration des Risikobewertungsprozesses mit den optimal geeigneten Risikobewertungsverfahren verwendet werden. Eine Evaluation des Konzeptes zur Situationsanalyse und Konfiguration des Risikobewertungsprozesses, erfolgt anhand einer empirischen Fallstudie.
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.