Sensorgestützte Analyse der Maschinenbedienung in der Kleinserienfertigung
-
Philipp Steenwerth
Philipp Steenwerth studierte Wirtschaftsingenieurwesen an der Technischen Universität Braunschweig. Nachdem er als Prozessingenieur bei einem Hersteller von Industrielacken tätig war, ist er seit 2018 Wissenschaftlicher Mitarbeiter im Bereich Produktivitätsmanagement am Institut für Produktionsmanagement und -technik der Technischen Universität Hamburg.
and
Hermann Lödding
Prof. Dr.-Ing. habil. Hermann Lödding ist Professor für technisches Produktionsmanagement an der TU Hamburg und leitet das Institut für Produktionsmanagement und -technik. Seine Forschungsschwerpunkte liegen auf den Gebieten Produktionsplanung und -steuerung, Produktivitätsmanagement und Digitales Produktionsmanagement.
Abstract
Dieser Beitrag beschreibt ein Vorgehen, mit dem gleichzeitig sowohl die Mitarbeiter- als auch die Maschinenproduktivität an Maschinenarbeitsplätzen mithilfe von Low-Cost-Technologien und bestehenden Datenquellen analysiert werden kann. Das Konzept basiert darauf, Informationen aus verschiedenen Datenquellen zusammenzuführen und aus diesen sowohl für die Maschine als auch für den Werker Zustandsinformationen abzuleiten. Dazu wurde eine Web-Anwendung entwickelt, die es ermöglicht, die Analyse für jeden Anwendungsfall einfach und ohne tiefgreifende Vorkenntnisse individuell zu konfigurieren. Grundlage sind die Erfassung definierter Ereignisse durch geeignete Sensoren, bestehende Informationsquellen (z. B. MDE) und eine Web-App. Innerhalb der Anwendung werden die Analysedaten automatisiert verarbeitet und visualisiert. Hervorgehoben werden die Wartezeiten je Maschine und Werker. Darüber hinaus wird die Zusammensetzung der Wartezeiten ausgewertet. Der modulare Aufbau sowie die Verwendung von Low-Cost-Technologien ermöglichen eine effiziente und kostengünstige Analyse von Maschinenarbeitsplätzen.
Abstract
This paper describes an approach to simultaneously analyze the labour and machine productivity at machine workstations using low-cost technologies and existing data sources. The concept is based on combining information from different data sources and deriving status information for both the machine and the worker. For this purpose, a web application was developed that allows the analysis to be configured for each use case. The core of the analysis is the recording of defined events by suitable sensors, existing information sources (e. g. machine data collection) and a web app. Within the application, the analysis data is automatically processed and visualized. The waiting times per machine and worker are highlighted. In addition, the composition of the waiting times is evaluated. The modular structure and the use of low-cost technologies enable an efficient and economical analysis of machine workplaces.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
Funding statement: Dieser Beitrag basiert auf den Arbeiten im Rahmen des Projekts „Kombinierte sensor- und trackinggestützte Produktivitätsanalysen für die Maschinenbedienung in der Kleinserienfertigung“ (IGF-Vorhaben Nr.: 20267 N), das durch die Bundesvereinigung Logistik (BVL) e. V. gefördert wird.
About the authors
Philipp Steenwerth studierte Wirtschaftsingenieurwesen an der Technischen Universität Braunschweig. Nachdem er als Prozessingenieur bei einem Hersteller von Industrielacken tätig war, ist er seit 2018 Wissenschaftlicher Mitarbeiter im Bereich Produktivitätsmanagement am Institut für Produktionsmanagement und -technik der Technischen Universität Hamburg.
Prof. Dr.-Ing. habil. Hermann Lödding ist Professor für technisches Produktionsmanagement an der TU Hamburg und leitet das Institut für Produktionsmanagement und -technik. Seine Forschungsschwerpunkte liegen auf den Gebieten Produktionsplanung und -steuerung, Produktivitätsmanagement und Digitales Produktionsmanagement.
Literatur
1 DIN IEC 60050–351: Internationales Elektrotechnisches Wörterbuch – Teil 351: Leittechnik DIN IEC 60050–351. Beuth Verlag, Berlin 2014Search in Google Scholar
2 Schebek, L.; Kannengießer, J.; Campitell, A.; Fischer, J.; Abele, E.; Bauerdick, C.; Anderl, R.; Sauer, A.; Mandel, J.; Lucke, D.; Bogdanov, I.; Nuffer, A.-K.; Steinhilper, R.; Böhner, J.; Lothes, G.; Schock, C.; Zühlke, D.; Plociennik, C.; Bergweiler, S.; Haag, S.: Studie: Ressourceneffizienz durch Industrie 4.0 –Potenziale für KMU des verarbeitenden Gewerbes. FhG, Berlin 2017Search in Google Scholar
3 Bokranz, R.; Landau, K.; Becks, C. (Hrsg.): Produktivitätsmanagement von Arbeitssystemen – MTM-Handbuch. Schäffer-Poeschel Verlag, Stuttgart 2006Search in Google Scholar
4 Westkämper, E.; Decker, M.: Einführung in die Organisation der Produktion (Springer-Lehrbuch). Springer-Verlag, Berlin, Heidelberg 2006Search in Google Scholar
5 Weber, H.: Rentabilität, Produktivität und Liquidität. Größen zur Beurteilung und Steuerung von Unternehmen (Gabler-Lehrbuch). Gabler Verlag, Wiesbaden 1998 DOI: 10.1007/978-3-322-87031-510.1007/978-3-322-87031-5Search in Google Scholar
6 Conrad, K.-J. (Hrsg.): Taschenbuch der Werkzeugmaschinen. Fachbuchverlag Leipzig im Hanser Verlag, München 2015 DOI: 10.3139/978344643816310.3139/9783446438163Search in Google Scholar
7 Nebl, T.; Dikow, A.: Produktivitätsmanagement – Theoretische Grundlagen, methodische Instrumentarien, Analyseergebnisse und Praxiserfahrungen zur Produktivitätssteigerung in produzierenden Unternehmen (REFA-Fachbuchreihe Unternehmensentwicklung). Hanser Verlag, München 2004Search in Google Scholar
8 Hesse, S.; Schnell, G.: Sensoren für die Prozess- und Fabrikautomation: Funktion – Ausführung – Anwendung. Springer-Vieweg-Verlag, Wiesbaden 2018 DOI: 10.1007/978-3-658-21173-810.1007/978-3-658-21173-8Search in Google Scholar
9 Grabner, C.; Khokhar, F.; Schoop, T.; Lödding, H.: Ein digitales Universalwerkzeug für die Produktionsanalyse – Entwicklung einer Web-App zur methodenübergreifenden Analyse von Produktionsprozessen. Industrie Management (2017) 6, S. 7–10Search in Google Scholar
10 Grabner, C.; Glöckner, R.; Barck, N.; Lödding, H.: Produktivitätsanalyse 4.0. In: Matt, D. (Hrsg.): KMU 4.0 – Digitale Transformation in kleinen und mittelständischen Unternehmen. GITO Verlag, Berlin 2018, S. 113–132 DOI: 10.30844/wgab_2018_0610.30844/wgab_2018_06Search in Google Scholar
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- KI-Lösungen in der Produktion
- Produktionsnetzwerke
- Zukunftsfähige Produktionsnetzwerke in disruptiven Zeiten
- Gestaltung von effizienten Produktionsnetzwerken in der Automobilindustrie
- Globale Produktionsstrategien in der Praxis – Strategieformulierung und -implementierung
- Produktivität
- Sensorgestützte Analyse der Maschinenbedienung in der Kleinserienfertigung
- Prozessmanagement
- Nutzung kollaborativer digitaler Tools zur Prozessoptimierung im Laborumfeld
- Prozessmodellierung in hochdynamischen Umgebungen
- Servicemanagement
- Ein hyperheuristischer Ansatz für die operative Serviceplanung in Product-Service Systems
- Planungsmethoden
- Überprüfung der Zukunftsfähigkeit von Planungsmethoden
- Wandlungstreiber
- Kategorisierung und Erstbeurteilung von Wandlungstreibern
- Datenqualität
- Erfasste Betriebsdaten und ihre Qualität
- Unternehmensübergreifendes Datenqualitätsmanagement
- Automatisierung
- Industriefähiges Bin Picking
- Energieeffizienz
- Wie effizient sind gleichspannungsversorgte Maschinen?
- Simulation
- Agile Erstellung von Materialflusssimulationen
- Geschäftsmodelle
- Risiken managen – Einsatzpotenziale von EaaS-Lösungen in der Produktion
- Digitale Plattformen
- Digitale Kollaborationsplattform zur verteilten, agilen Planung im Produktentstehungsprozess
- Virtuelle IIoT-Plattform für die Digitalisierung der Fertigung
- Künstliche Intelligenz
- Implikationen Künstlicher Intelligenz im industriellen Einkauf
- Szenariobasiertes Krisenmanagement mittels KI
- Sensorik
- Konzept zur Sensornachrüstung
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- KI-Lösungen in der Produktion
- Produktionsnetzwerke
- Zukunftsfähige Produktionsnetzwerke in disruptiven Zeiten
- Gestaltung von effizienten Produktionsnetzwerken in der Automobilindustrie
- Globale Produktionsstrategien in der Praxis – Strategieformulierung und -implementierung
- Produktivität
- Sensorgestützte Analyse der Maschinenbedienung in der Kleinserienfertigung
- Prozessmanagement
- Nutzung kollaborativer digitaler Tools zur Prozessoptimierung im Laborumfeld
- Prozessmodellierung in hochdynamischen Umgebungen
- Servicemanagement
- Ein hyperheuristischer Ansatz für die operative Serviceplanung in Product-Service Systems
- Planungsmethoden
- Überprüfung der Zukunftsfähigkeit von Planungsmethoden
- Wandlungstreiber
- Kategorisierung und Erstbeurteilung von Wandlungstreibern
- Datenqualität
- Erfasste Betriebsdaten und ihre Qualität
- Unternehmensübergreifendes Datenqualitätsmanagement
- Automatisierung
- Industriefähiges Bin Picking
- Energieeffizienz
- Wie effizient sind gleichspannungsversorgte Maschinen?
- Simulation
- Agile Erstellung von Materialflusssimulationen
- Geschäftsmodelle
- Risiken managen – Einsatzpotenziale von EaaS-Lösungen in der Produktion
- Digitale Plattformen
- Digitale Kollaborationsplattform zur verteilten, agilen Planung im Produktentstehungsprozess
- Virtuelle IIoT-Plattform für die Digitalisierung der Fertigung
- Künstliche Intelligenz
- Implikationen Künstlicher Intelligenz im industriellen Einkauf
- Szenariobasiertes Krisenmanagement mittels KI
- Sensorik
- Konzept zur Sensornachrüstung
- Vorschau
- Vorschau
