Refine
Year of publication
- 2016 (143) (remove)
Document Type
- Contribution to a Periodical (40)
- Bachelor Thesis (20)
- Part of a Book (19)
- Lecture (19)
- Doctoral Thesis (10)
- Master's Thesis (10)
- Conference Proceeding (8)
- doctorallecture (8)
- Book (4)
- Article (1)
Is part of the Bibliography
- no (143)
Keywords
- 3PhasenKonzept (1)
- 5G (1)
- APS (1)
- Ablauforganisation (1)
- Abrechnungsmodell (1)
- Adaptive 3D-Montageanleitung (1)
- Agile Entwicklung (1)
- Agile Produktion (1)
- Airline (1)
- Analogie (1)
Institute
[Whitepaper] Pick-by-Voice
(2016)
Unternehmen stehen vor der Herausforderung, die internen Prozesse der Produktionslogistik kostengünstiger, effizienter und flexibler zu gestalten. Eine Möglichkeit dazu bietet der Einsatz sogenannter „Pick-by-Voice“-Lösungen. Pick-by-Voice ist ein belegloses Kommissionierungssystem. Den Mitarbeitern wird durch einen Sprachdialog ermöglicht, einzelne Anweisungen des Arbeitsprozesses entgegenzunehmen. Diese Technologie schafft die Möglichkeit, interne Logistikprozesse durch interaktive Kommunikation zu optimieren. Alle wichtigen Details liefert dieses Whitepaper.
The goal of this thesis is to provide startups with a minimal framework for process management that allows them to take the first steps towards Quality Management. Based on existing approaches and methods - with focus on Lean Thinking and Quality Management - the framework should provide a practical guideline to standardize and optimize processes within startups, considering their limited resources and the uncertainty of the environment they operate in.
Different levels of standardization provide an optimal tradeoff between standardization effort and process improvement, while an iterative evaluation process helps to deal with rising numbers and complexity of tasks while maintaining a low overhead. As a result, startups will be able to quickly evaluate if, how and to what degree a process needs standardization, based on available knowledge about the process.
Die vorliegende Untersuchung beschreibt und strukturiert die IT-Unterstützung in Unternehmen des Maschinen- und Anlagenbaus, um eine unternehmensübergreifendeVergleichbarkeit dieser IT-Unterstützung zu ermöglichen. Dies stellt die Grundlage für die konkrete Ausgestaltung sowie Durchführung einer unternehmensübergreifendenBewertung der IT-Unterstützung dar. So werden verschiedene Modelle vorgestellt, die eine Vergleichbarkeit auf Ebene der Unternehmen,der Prozesse und Aufgaben sowie der IT-Produkte ermöglichen. Die weitergehenden Anforderungen hinsichtlich standardisierter Kennzahlen und einer einheitlichenBewertungslogik werden durch die Verknüpfung mit einem gesonderten Mess- und Bewertungsmodellerfüllt. Aufbauend auf den gewonnenen Erkenntnissen bzgl. der Vergleichbarkeitund Beweisbarkeit werden die entwickelten Modelle abschließend in einen Anwendungszusammenhang gebracht.
Im Bereich der industriellen Dienstleistungen kommt dem produktivitätsorientierten Management eine zentrale Bedeutung zu. Zur Erhaltung der Wettbewerbsfähigkeit müssen industrielle Dienstleister die Produktivität der Dienstleistungsproduktion steigern und gleichzeitig eine hohe Dienstleistungsqualität sicherstellen. Als problematisch erweist sich dabei zunächst, dass das klassische industrielle Produktivitätsverständnis nicht ohne weiteres auf industrielle Dienstleistungen übertragen werden kann. Zusätzlich ist zu berücksichtigen, dass aufgrund des menschlichen Arbeitsverhaltens nichtlineare, sich wechselseitig beeinflussende Wirkungszusammenhänge auftreten. Das übergeordnete Ziel dieser Arbeit besteht darin, Unternehmen zu befähigen, die Produktivität in der Dienstleistungsproduktion zu steigern. Das konkrete Ziel dieser Arbeit besteht in der Erklärung des Verhaltens von Dienstleistungsproduktionssystemen unter Berücksichtigung des menschlichen Arbeitsverhaltens und der Abbildung der Wirkungsweise auf Basis von Kennlinien. Als Grundlage für die Entwicklung des Kennlinienmodells wurden die Anforderungen der industriellen Dienstleistungsproduktion an ein Kennlinienmodell in Form eines geeigneten Zielsystems ermittelt. Darauf aufbauend wurde ein produktionstheoretisches Modell der industriellen Dienstleistungsproduktion entwickelt. Das Modell stellt den notwendigen produktionstheoretischen Rahmen für die nachfolgende Erklärung des Systemverhaltens dar. Anschließend wurde ein systemdynamisches Modell entwickelt, welches die Ursache-Wirkungsbeziehungen der Dienstleistungsproduktion unter Berücksichtigung des menschlichen Arbeitsverhaltens erklärt. Durch die Überführung des Modells in ein ablauffähiges Simulationsmodell konnten die erklärten Effekte quantifiziert und anschließend in mathematische Näherungsgleichungen eines Kennlinienmodells überführt werden. (Quelle: Apprimus Verlag)
Ziel dieser Bachelorarbeit ist, durch die Entwicklung eines methodischen Ansatzes zur Anwendung von Prognoseverfahren zu bewerten, ob die Anzahl von Lufttransporten innerhalb von internationalen Lieferketten trotz starker Bedarfsschwankungen und kurzfristiger Programmänderungen verringert werden kann. Der Fokus dieser Arbeit liegt dabei auf den statistischen Prognoseverfahren, die am häufigsten in der Praxis angewendet werden.
Failure management in the production area has been intensely analyzed in the research community. Although several efficient methods have been developed and partially successfully implemented, producing companies still face a lot of challenges. The resulting main question is how manufacturers can be assisted by a sustainable approach enabling them to proactively detect and prevent failures before they occur. A high-resolution production system based on analyzed real-time data enables manufacturers to find an answer to the main question. In this context, Big Data technologies have gained importance since the critical success factor is not only to collect real-time data in the production but also to structure the data. Therefore, we present in this paper the implementation of Big Data technologies in the production area using the example of an actual research project. After the literature review, we describe a Big Data based approach to prevent failures in the production area. This approach mainly includes a real-time capable platform including complex event processing algorithms to define appropriate improvement measures.
Im Forschungsprojekt BigPro wird die Frage beantwortet, wie Big Data aus der Produktion genutzt werden können, um das Störungsmanagement zu unterstützen. Dazu wurde ein Vorgehen entwickelt, das sicherstellt, dass die erforderlichen Informationen in der richtigen Form zu Verfügung stehen und das System zielgerichtet auf- und eingesetzt werden kann. Das Projekt „BigPro“ wird
über das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprogramms IKT 2020 – Forschung für Innovationen mit dem Förderkennzeichen 01IS14011 gefördert
BigPro: Störungsfreie Produktionssysteme durch die Integration innovativer Big-Data-Technologien
(2016)
Das Forschungsprojekt BigPro hat die Entwicklung einer echtzeitfähigen Big-Data-Plattform zum Ziel, die die Anforderung einer konkreten industriellen Anwendbarkeit einschließt. Die Big-Data-Plattform ermöglicht die reaktionsfähige Gestaltung des Produktionssystems und die Realisierung eines proaktiven Störungsmanagements in der Wertschöpfungskette. Sie dient dazu, Störungen noch vor deren Auftreten zu prognostizieren und durch adäquate Reaktionsmaßnahmen zu verhindern. Aufgetretene Störungen sollen durch die Durchführung situationsgerechter Maßnahmen teil- und vollautomatisiert sowie reaktionsschnell behoben werden.