Home Prozessinnovation durch prozessbasierte Qualitätsprognose im Produktionsanlauf
Article
Licensed
Unlicensed Requires Authentication

Prozessinnovation durch prozessbasierte Qualitätsprognose im Produktionsanlauf

  • Jürgen Fleischer , Gisela Lanza and Thomas Ender
Published/Copyright: March 16, 2017

Kurzfassung

Kundenindividuellere Produkte, steigender Wettbewerbs- und Kostendruck in Verbindung mit sich stetig verkürzenden Produktlebenszyklen erhöhen die Bedeutung des Produktionsanlaufs innerhalb einer Organisation [1]. Die Fähigkeit, Produkte schneller als die Konkurrenz zu entwickeln, zu produzieren und am Markt zu positionieren, entscheidet zukünftig verstärkt über finanziellen Erfolg oder Misserfolg eines Unternehmens [2]. Hierbei gewinnt die Beherrschung der Produktionsanlaufprozesse an Bedeutung. Eine Verbesserung von am Produktionsanlauf beteiligten Prozessen bedeutet eine Qualitätssteigerung und damit zeitliche Verkürzung von Produktionsanläufen. Die am Institut für Produktionstechnik (wbk) der Universität Karlsruhe (TH) und im BMBF-geförderten Projekt ProactAS [3] entwickelte prozessbasierte Qualitätsprognose unterstützt den Anlaufmanager bei der Kontrolle und Prognose seiner Geschäftsprozesse im Produktionsanlauf. Die Qualitätsprognose bietet so eine Möglichkeit, prozessbasierte Störungen frühzeitig zu erkennen und effiziente Maßnahmen zur Störungsbeseitigung einleiten zu können.

Abstract

The big challenge in production ramp-up is to reach the planned output and to decrease the necessary time for this output. In this article a method is introduced to support planners and technical ramp-up teams doing the ramp-up quick and efficient. For this reason the article introduce a process based simulation technique. This simulation technique was developed by the institute of production technology of the University of Karlsruhe (Universität Karlsruhe TH) during a BMBF project. This simulation method increases the transparency on a business process level and helps to forecast the development of the product quality during production ramp-up. As the simulation is based on business processes this tool can be used to verify the ability of business processes with their impact on product quality during production ramp-up. With this ability the quality prognosis offers a new possibility to manage the ramp-up, to design business processes and to support ramp-up managers reaching the output targets in time and in quality.


Professor Dr.-Ing. Jürgen Fleischer, geb. 1961, ist Leiter des Instituts für Produktionstechnik (wbk) der Universität Karlsruhe (TH). Zuvor war er in verschiedenen leitenden Funktionen in Forschung, Entwicklung, Planung und Produktion bei DaimlerChrysler und Bombardier tätig.

Dr.-Ing. Gisela Lanza, geb. 1973, ist Bereichsleiterin der Forschungsgruppe Produktionssysteme am Institut für Produktionstechnik (wbk). Sie promovierte mit dem Thema „Simulationsbasierte Anlaufunterstützung auf Basis der Qualitätsfähigkeiten von Produktionsprozessen“.

Dipl.-Wi.-Ing. Thomas Ender, geb. 1978, ist Wissenschaftlicher Mitarbeiter im Bereich Produktionssysteme am Institut für Produktionstechnik (wbk). Sein Tätigkeitsfeld umfasst virtuelle Produktion, Qualitätsmanagement und Anlaufmanagement.


References

1 Fritsche, R.: Bewertung und Verkürzung von Anlaufprozessen für Betriebsmittel. Deutsche Dissertation, Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik, Technische Universität Berlin, 1997Search in Google Scholar

2 Buchholz, W.: Time-to-Market-Management, zeitorientierte Gestaltung von Produktionsprozessen, Stuttgart, Berlin, Köln, 1996Search in Google Scholar

3 ProactAS: Proaktive Anlaufsteuerung entlang der Wertschöpfungskette, BMBF gefördertes Verbundforschungsprojekt, Projektträger: PFT, Karlsruhe2004, http://www.proactas.de; Zugriff am: 30.06.2005Search in Google Scholar

4 Kuhn, A.; Wiendahl, H.-P.; Eversheim, W.; Schuh, G.: fast ramp-up: Schneller Produktionsanlauf von Serienprodukten – Ergebnisbericht; Praxiswissen, Dortmund, 2002Search in Google Scholar

5 Baumgarten, H.; Risse, J.: Logistikbasiertes Management des Produktentstehungsprozesses; In: Hossner, R. (Hrsg.): Jahrbuch der Logistik2001; Verlagsgruppe Handelsblatt; Düsseldorf, 2001Search in Google Scholar

6 Nakajima, S.: Introduction to TPM. Cambridge: Productivity Press, 1988Search in Google Scholar

7 Kinkel, S.; Dreher, C.: Delphi-Umfrage zur Einschätzung von Zukunftstrends für den Werkzeugmaschinen-Einsatz; In: WZM 20XX Initiative für die Werkzeugmaschine von morgen – Strategie, Transfer, Wirkungsanalyse, Karlsruhe, 2005Search in Google Scholar

8 Lanza, G.: Simulationsbasierte Anlaufunterstützung auf Basis der Qualitätsfähigkeiten von Produktionsprozessen. Dissertation; Forschungsberichte aus dem Institut für Produktionstechnik (wbk), Universität Karlsruhe (TH), 2004Search in Google Scholar

9 Hartung, J.; Epelt, B.: Multivariate Statistik; R. Oldenbourg Verlag, München, Wien, 1999Search in Google Scholar

10 Eisenblätter, D.: Ein informationstheoretischer Ansatz der klassischen Diskriminanzanalyse, Verlag Josef Eul, 1988Search in Google Scholar

11 Fisher, R. A.: The use of multiple measurements in taxonomic problems, 193610.1111/j.1469-1809.1936.tb02137.xSearch in Google Scholar

12 Gaul, W.: Multivariate Verfahren in der Marketingforschung, Institut für Entscheidungstheorie und Unternehmensforschung; Universität Karlsruhe (TH), 2004Search in Google Scholar

13 Hupfeld, J.: Eine kurze Einführung in die Diskriminanzanalyse, Bern, 1998Search in Google Scholar

Online erschienen: 2017-03-16
Erschienen im Druck: 2005-09-28

© 2005, Carl Hanser Verlag, München

Downloaded on 28.10.2025 from https://www.degruyterbrill.com/document/doi/10.3139/104.100935/html
Scroll to top button