Gestaltung eines wertstromübergreifenden Performance-Management-Systems
-
Lukas Longard
Lukas Longard, M. Sc., ist Oberingenieur und Wissenschaftlicher Mitarbeiter am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt.
Yuxi Wang, M. Sc., arbeitet als Wissenschaftliche Mitarbeiterin an der Technischen Universität Darmstadt, Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt.
,
Oliver Herz
Oliver Herz ist Leiter Anwendungsentwicklung ERP-Software und Prozessdigitalisierung bei der Munsch-Chemie-Pumpen GmbH in Ransbach-Baumbach.
Prof. Dr.-Ing. Joachim Metternich ist Institutsleiter des Instituts für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt.
Abstract
KPI systems for evaluating and improving industrial processes are often used ineffectively in production companies, mostly due to arbitrarily selected KPIs and an overemphasis on financial aspects. Existing performance management approaches only describe basic elements and offer few practical recommendations. Implementation is usually only carried out by upper and middle management and neglects integration into production. This article presents a methodology that derives KPIs from corporate objectives in order to identify precise deviations and support data-driven analyses. The method is illustrated by evaluating the example of a process-accurate recording of throughput time.
Abstract
Kennzahlensysteme zur Bewertung und Verbesserung industrieller Prozesse werden in Produktionsunternehmen oft ineffektiv genutzt, meist aufgrund willkürlich gewählter Kennzahlen und überbetonter finanzieller Aspekte. Bestehende Ansätze des Performance Managements beschreiben lediglich Grundelemente und bieten keine praxisnahen Empfehlungen. Die Implementierung erfolgt oft nur durch das obere und mittlere Management und vernachlässigt die Integration in die Produktion. In diesem Beitrag wird eine Methodik vorgestellt, die Kennzahlen aus Unternehmenszielen ableitet, um präzise Abweichungen zu erkennen und datengetriebene Analysen zu unterstützen. Die Methode wird durch die Evaluierung am Beispiel einer prozessgenauen Erfassung der Durchlaufzeit veranschaulicht.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
Funding statement: Diese Arbeit wurde im Rahmen des Transferprojekts Mittelstand-Digital Zentrum Darmstadt durchgeführt (Förderkennzeichen: 01MF21006A). Besonderer Dank gilt dem Bundesministerium für Wirtschaft und Klimaschutz (BMWK) für die Förderung des Projekts.
About the authors
Lukas Longard, M. Sc., ist Oberingenieur und Wissenschaftlicher Mitarbeiter am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt.
Yuxi Wang, M. Sc., arbeitet als Wissenschaftliche Mitarbeiterin an der Technischen Universität Darmstadt, Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt.
Oliver Herz ist Leiter Anwendungsentwicklung ERP-Software und Prozessdigitalisierung bei der Munsch-Chemie-Pumpen GmbH in Ransbach-Baumbach.
Prof. Dr.-Ing. Joachim Metternich ist Institutsleiter des Instituts für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt.
Literatur
1 Kleindienst, B.: Performance Measurement und Management – Gestaltung und Einführung von Kennzahlen- und Steuerungssystemen: Technoökonomische Forschung und Praxis. Springer Fachmedien Wiesbaden, Wiesbaden 2017Suche in Google Scholar
2 Aguinis, H.; Joo, H.; Gottfredson, R.: Why we Hate Performance Management — And why we Should Love it. Business Horizons 54 (2011) 6, S. 503–507 10.1016/j.bushor.2011.06.001Suche in Google Scholar
3 Eaidgah, Y.; Maki, A.; Kurczewski, K.; Abdekhodaee, A.: Visual Management, Performance Management and Continuous Improvement. International Journal of Lean Six Sigma 7 (2016) 2, S. 187–210 10.1108/IJLSS-09-2014-0028Suche in Google Scholar
4 Schreyer, M.: Entwicklung und Implementierung von Performance Measurement Systemen. Zugl.: Bayreuth, Univ., Diss., 2007: Gabler Edition Wissenschaft. Dt. Univ.-Verl., Wiesbaden 2007Suche in Google Scholar
5 Diez, J.; Ordieres-Mere, J.; Nuber, G.: The Hoshen Kanri Tree – Cross-Plant Lean Shopfloor Management. Procedia CIRP 32 (2015), S. 150–155 10.1016/j.procir.2015.02.120Suche in Google Scholar
6 Burdensky, D.; Kneissl, B.; Alt, R.: Deskriptive Analyse von Kennzahlenrelationen. BMW Group, Leipzig München, Deutschland. Multikonferenz Wirtschaftsinformatik (2018), S. 59–70Suche in Google Scholar
7 Doumeingts, G.; Clave, F.; Ducq, Y.: ECOGRAI – A Method to Design and to Implement Performance Measurement Systems for industrial Organizations — Concepts and Application to the Maintenance Function. In: Rolstadås, A. (Hrsg.): Benchmarking – Theory and Practice. Springer US, Boston, MA 1995, S. 350–368 10.1007/978-0-387-34847-6_39Suche in Google Scholar
8 Kaganski, S.; Majak, J.; Karjust, K.; Toompalu, S.: Implementation of Key Performance Indicators Selection Model as Part of the Enterprise Analysis Model. Procedia CIRP 63 (2017), S. 283–288 10.1016/j.procir.2017.03.143Suche in Google Scholar
9 Awaritoma, O.: Performance Management in Lean Production. Unpublished Master thesis, Linnaeus University, 2010Suche in Google Scholar
10 Peters, R.: Shopfloor Management – Führen am Ort der Wertschöpfung. LOG_X, Stuttgart 2009Suche in Google Scholar
11 Gräf, J.; Ruff, J.: Top-Entscheider unzufrieden – Ergebnisse der KPI-Studie. Competence Book – Business Intelligence (2014) 8, S. 74–77Suche in Google Scholar
12 Hesse, S.: Struktur und Gestaltung von Informationsvisualisierungen zur Entscheidungsunterstützung. Dissertation, Technische Universität Dresden, 2015Suche in Google Scholar
13 Landström, A.; Almström, P.; Winroth, M.; Andersson, C.; Öberg, A.; Kurdve, M.; Shahbazi, S.; Wiktorsson, M.; Windmark, C.; Zackrisson, M.: A Life Cycle Approach to Business Performance Measurement Systems. Procedia Manufacturing 25 (2018), S. 126–133 10.1016/j.promfg.2018.06.066Suche in Google Scholar
14 Ohlig, J.; Hellebrandt, T.; Metzmacher, A.; Pötters, P.; Heine, I.; Schmitt, R.; Leyendecker, B.: Performance Management on the Shop Floor – An Investigation of KPI Perception among Managers and Employees. International Journal of Quality and Service Sciences 12 (2020) 4, S. 461–473 10.1108/IJQSS-04-2020-0051Suche in Google Scholar
15 Hellebrandt, T.; Ruessmann, M.; Heine, I.; Schmitt, R.: Conceptual Approach to Integrated Human-Centered Performance Management on the Shop Floor. In: Kantola, J.; Nazir, S.; Barath, T. (Hrsg.): Advances in Human Factors, Business Management and Society. Springer International Publishing, Cham 2019, S. 309–321 10.1007/978-3-319-94709-9_30Suche in Google Scholar
16 Rakar, A.; Zorzut, S.; Jovan, V.: Assesment of Production Performance by Means of KPI. Proceedings of the Control, 2004, S. 6–9Suche in Google Scholar
17 Ma, L.; Dong, J.; Peng, K.: A Novel Key Performance Indicator Oriented Hierarchical Monitoring and Propagation Path Identification Framework for Complex Industrial Processes. ISA Transactions 96 (2020), S. 1–13 10.1016/j.isatra.2019.06.004Suche in Google Scholar PubMed
18 Hammer, M.; Hershman, L.: Faster, Cheaper, Better – The 9 Levers for Transforming How Works Get Done. Crown Business, New York, NY 2010Suche in Google Scholar
19 Neely, A.; Bourne, M.; Mills, J.; Platts, K.; Richards, H.: Getting the Measure of Your Business: Strategy and Performance. Cambridge University Pr, Cambridge 2009Suche in Google Scholar
20 Rother, M.; Shook, J.: Sehen lernen – Mit Wertstromdesign die Wertschöpfung erhöhen und Verschwendung beseitigen. Lean Management Institut, Aachen 2004Suche in Google Scholar
21 Metternich, J.; Müller, M.; Hertle, C.; Longard, L.; Wang, Y.: Digitales Shopfloor Management – Einführung, Erfolgskonzepte, Werkzeuge. Hanser Verlag, München 2024 10.3139/9783446479067Suche in Google Scholar
22 Meudt, T.; Rößler, M.; Böllhoff, J.; Metternich, J.: Wertstromanalyse 4.0. ZWF 111 (2016) 6, S. 319–323 10.3139/104.111533Suche in Google Scholar
23 Longard, L.; Bardy, S.; Metternich, J.: Towards a Data-driven Performance Management in Digital Shop Floor Management. In: Herberger, D.; Hübner, M. (Hrsg.): Proceedings of the 3rd Conference on Production Systems and Logistics(CPSL 2022). publish-Ing., Hannover 2022, S. 111–120 10.15488/12185Suche in Google Scholar
24 Longard, L.; Meissner, A.; Müller, M.; Metternich, J.: Digitales Shopfloor Management – Wohin geht die Reise? ZWF 115 (2020) 9, S. 645–649 10.3139/104.112358Suche in Google Scholar
© 2024 Walter de Gruyter GmbH, Berlin/Boston, Germany
Artikel in diesem Heft
- Inhalt
- Editorial
- Erfolgsgaranten der digitalen Fabrik
- Produktionsmanagement
- Simulationsbasierte Entscheidungsunterstützung mittels betriebswirtschaftlicher Bewertung
- Produktionsnetzwerke
- Resilienz in globalen Produktionsnetzwerken
- Produkt-Service-Systeme
- Produkt-Service-Systeme im Maschinen- und Anlagenbau
- Wertstrom
- Gestaltung eines wertstromübergreifenden Performance-Management-Systems
- Traceability-Systeme
- Zielgerichteter Einsatz von Traceability-Systemen
- Autonome Modellierung
- Autonome Modellierung von Maschinenverhalten
- Drohnen
- Humanzentrierte Implementierung von (teil-)autonomen Drohnen
- Intralogistik
- Wirkmodell für zellulare Fahrerlose Transportsysteme
- Energieflexibilität
- Energieflexibilisierung von Kälteversorgungssystemen
- Künstliche Intelligenz
- Generative KI in der Industrie
- Künstliche Intelligenz in der Produktionsplanung und -steuerung
- Maschinelles Lernen
- Nutzung von Machine Learning in der intelligenten Fabrik
- Digitalisierung
- Industrie 4.0: Die Revolution geht weiter
- Datengetriebene Produktion durch Digitale Plattformen
- Zukunftslabor Produktion
- Digitaler Zwilling
- Low-Code/No-Code zur Darstellung von Produktionsdaten über die Asset Administration Shell
- Datenanalyse
- Manufacturing Data Analytics: Wege zur Steigerung der Wettbewerbsfähigkeit
- Vorschau
- Vorschau
Artikel in diesem Heft
- Inhalt
- Editorial
- Erfolgsgaranten der digitalen Fabrik
- Produktionsmanagement
- Simulationsbasierte Entscheidungsunterstützung mittels betriebswirtschaftlicher Bewertung
- Produktionsnetzwerke
- Resilienz in globalen Produktionsnetzwerken
- Produkt-Service-Systeme
- Produkt-Service-Systeme im Maschinen- und Anlagenbau
- Wertstrom
- Gestaltung eines wertstromübergreifenden Performance-Management-Systems
- Traceability-Systeme
- Zielgerichteter Einsatz von Traceability-Systemen
- Autonome Modellierung
- Autonome Modellierung von Maschinenverhalten
- Drohnen
- Humanzentrierte Implementierung von (teil-)autonomen Drohnen
- Intralogistik
- Wirkmodell für zellulare Fahrerlose Transportsysteme
- Energieflexibilität
- Energieflexibilisierung von Kälteversorgungssystemen
- Künstliche Intelligenz
- Generative KI in der Industrie
- Künstliche Intelligenz in der Produktionsplanung und -steuerung
- Maschinelles Lernen
- Nutzung von Machine Learning in der intelligenten Fabrik
- Digitalisierung
- Industrie 4.0: Die Revolution geht weiter
- Datengetriebene Produktion durch Digitale Plattformen
- Zukunftslabor Produktion
- Digitaler Zwilling
- Low-Code/No-Code zur Darstellung von Produktionsdaten über die Asset Administration Shell
- Datenanalyse
- Manufacturing Data Analytics: Wege zur Steigerung der Wettbewerbsfähigkeit
- Vorschau
- Vorschau
