Home Technology Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen
Article
Licensed
Unlicensed Requires Authentication

Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen

Predictive-Analytics-Modell für die Bewertung von Eingriffen
  • Michael Wocker , Patrick Wolf , Alexander Lindworsky and Jochen Deuse
Published/Copyright: May 29, 2019
Become an author with De Gruyter Brill
Submit Manuscript Author Information
Zeitschrift für wirtschaftlichen Fabrikbetrieb
From the journal Zeitschrift für wirtschaftlichen Fabrikbetrieb Volume 114 Issue 5

Kurzfassung

Durch die Komplexität von Flexiblen Fertigungssystemen (FFS) sind betriebswirtschaftliche Auswirkungen von Instandhaltungsmaßnahmen an Anlagen im laufenden Betrieb oft nicht quantifizierbar, und es entstehen nicht planbare Ausbringungsverluste. Um die Randbedingungen von FFS bei der Planung von Instandhaltungsmaßnahmen zu berücksichtigen, wird die opportunistische Instandhaltung (IH) um die Betrachtung des ungerichteten Materialflusses sowie von Parallelressourcen erweitert.

Abstract

Due to the complexity of flexible manufacturing systems (FMS), the economic effects of maintenance measures on plants during operation are often not quantifiable and unplannable yield losses occur. In order to consider the boundary conditions of FFS when planning maintenance measures, the opportunistic maintenance is extended by the consideration of the undirected material flow as well as parallel resources.

Michael Wocker, M. Sc., geb. 1991, studierte Maschinenbau an der Universität des Saarlandes. Seit 2017 beschäftigt er sich mit der datenbasierten Instandhaltungsplanung in hochflexiblen Fertigungssystemen und promoviert am Institut für Produktionssysteme der TU Dortmund.

Patrick Wolf, M. Sc., geb. 1989, studierte Informatik an der Technischen Universität Dortmund. Seit 2017 ist er am Institut für Produk-tionssysteme angestellt und ist in den Themenbereichen Variabilität in der kundenspezifischen Produktion und Softwaregestaltung im produktiven Umfeld tätig.

Dr.-Ing. Alexander Lindworsky leitet bei der BMW Group die Gruppe Steuerungstechnik, Simulation und Einrichtungstechnik für die mechanische Fertigung. Er promovierte 2011 am Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München (TUM).

Prof. Dr.-Ing. Jochen Deuse, geb. 1967, leitet seit 2005 den Lehrstuhl für Arbeits- und Produktionssysteme und seit 2012 das aus dem Lehrstuhl hervorgegangene Institut für Produktionssysteme der TU Dortmund. Er promovierte 1998 am Laboratorium für Werkzeugmaschinen und Betriebslehre (WZL) der RWTH Aachen. Anschließend war er in leitender Funktion für die Bosch-Gruppe im In- und Ausland tätig.

Literatur

1. ElMaraghy, H.; Caggiano, A.: Flexible Manufacturing System. In: CIRP Encyclopedia of Production Engineering. Springer-Verlag, Berlin, Heidelberg201610.1007/978-3-642-35950-7_6554-4Search in Google Scholar

2. ElMaraghy, H.: Flexible and Reconfigurable Manufacturing Systems Paradigms. Inter­national Journal of Flexible Manufacturing17 (2005), S. 261–27610.1007/s10696-006-9028-7Search in Google Scholar

3. Weck, M.; Brecher, C.: Werkzeugmaschinen – Maschinenarten und Anwendungsbereiche. 6. Aufl., Springer-Verlag, Berlin, Heidelberg200510.1007/978-3-540-28085-9Search in Google Scholar

4. ElMaraghy, H.; Kuzgunkaya, O.; Urbanic, J.: Manufacturing System Configurations Complexity. CIRP Annals54 (2005) 1, S. 445–45010.1016/S0007-8506(07)60141-3Search in Google Scholar

5. Savsar, M.: Performance Analysis of an FMS Operating Under Different Failure Rates and Maintenance Policies. The International Journal of Flexible Manufacturing Systems16 (2005), S. 229–24910.1007/s10696-005-1009-8Search in Google Scholar

6. Klenner, F.; Lenze, D.; Schwarzer, S.; Deuse, J.; Friedrich, T.: Smart Data Analytics zur Identifikation dynamischer Engpässe in Flexiblen Fertigungssystemen. Automatisierungstechnik64 (2016) 7, S. 540–55410.1515/auto-2016-0014Search in Google Scholar

7. Biedermann, H.: Lean Smart Maintenance: Wertschöpfende, lernorientierte und ressourceneffiziente Instandhaltung. In: Biedermann, H. (Hrsg.): Lean Smart Maintenance. TÜV Media GmbH, Köln2016, S. 19–3010.1007/978-3-658-12097-9_7Search in Google Scholar

8. Li, L.; Ni, J.: Short-term Decision Support System for Maintenance Task Prioritization. International Journal of Production Economics121 (2009) 1, S. 195–20210.1016/j.ijpe.2009.05.006Search in Google Scholar

9. Ni, J.; Jin, X.: Decision Support Systems for Effective Maintenance Operations. CIRP Annals61 (2012) 1, S. 411–41410.1016/j.cirp.2012.03.065Search in Google Scholar

10. Dekker, R.; van Rijn, C.: „PROMPT“, a Decision Support System for Opportunity-based Preventive Maintenance. In: Özekici, S. (Hrsg.): Reliability and Maintenance of Complex Systems, Springer-Verlag, Berlin, Heidelberg2003, S. 530–54910.1007/978-3-662-03274-9_27Search in Google Scholar

11. Gu, X.; Jin, X.; Ni, J.: Prediction of Passive Maintenance Opportunity Windows on Bottleneck Machines in Complex Manufacturing Systems. Journal of Manufacturing Science and Engineering137 (2015) 3, S. 031017-1–031017-910.1115/1.4029906Search in Google Scholar

12. Ab-Samat, H.; Kamaruddin, S.: Opportunistic Maintenance (OM) as a New Advancement in Maintenance Approaches: A Review. Journal of Quality in Maintenance Engineering20 (2014) 2, S. 98–12110.1108/JQME-04-2013-0018Search in Google Scholar

13. Wiegand, M.; Konrad, B.; Jalali Sousanabady, R.; Willats, P.; Deuse, J.: Quantifizierung von Variabilität durch Big Data Technologien. Produktivity Management19 (2014) 7, S. 35–38Search in Google Scholar

14. Chang, Q.; Ni, J.; Bandyopadhyay, P.; Biller, S.; Xiao, G.: Maintenance Opportunity Planning System. Journal of Manufacturing Science and Engineering129 (2007) 3, S. 661–66810.1115/1.2716713Search in Google Scholar

15. Siegel, E.: Predictive Analytics: “The Power to Predict Who Will Click, Buy, Lie, or Die”. Wiley Publishing, 2013Search in Google Scholar

16. Alpaydin, E.: Introduction to Machine Learning. The MIT Press, 2010Search in Google Scholar

Online erschienen: 2019-05-29
Erschienen im Druck: 2019-05-28

© 2019, Carl Hanser Verlag, München

Articles in the same Issue

  1. Editorial
  2. Logistik als digitaler Vorreiter
  3. Inhalt/Contents
  4. Inhalt
  5. Montage
  6. Arbeitsfortschrittssynchrone Materialbereitstellung in der Großgerätemontage
  7. Interaktive 4D-Flächenbelegungsplanung
  8. Instandhaltung
  9. Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen
  10. Predictive Maintenance im Kontext der industriellen Robotik
  11. Logistikplanung
  12. Regelbasiertes Assistenzsystem zur Logistikplanung
  13. Data Mining
  14. Dynamische Röntgenprüfung in der Elektronikproduktion
  15. Supply-Chain-Management
  16. LoRaWAN als Kommunikationstechnologie für vernetzte Sonderladungsträger
  17. Sensorik
  18. Sensorauswahl für Bestandsanlagen
  19. Gleisbasierte Schwingungs-diagnose an Straßenbahnen – mit komplementärer Sensorik
  20. Agile Arbeitsweise
  21. Agile Invention: Zehn Erfolgsthesen
  22. Agil, intelligent, flexibel
  23. Management
  24. Systematisches Organisation 4.0-Vorgehensmodell zur ganzheitlichen Prozessdigitalisierung
  25. Me-Systeme
  26. Herausforderungen bei der Auswahl und Beschaffung von ME-Systemen
  27. Anwenderbericht
  28. Fehlerquellen minimieren
  29. Digitalisierung
  30. Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg
  31. Digitaler Informationsfluss in der Unikatfertigung
  32. Künstliche Intelligenz
  33. Qualitätsprognose anhand Prozess-parametern einer Papiermaschine mittels Industrial Data Science
  34. Kollaboration
  35. Kollaboration in globalen Wertschöpfungsnetzwerken
  36. Vorschau/Preview
  37. Vorschau
https://doi.org/10.3139/104.112080

Articles in the same Issue

  1. Editorial
  2. Logistik als digitaler Vorreiter
  3. Inhalt/Contents
  4. Inhalt
  5. Montage
  6. Arbeitsfortschrittssynchrone Materialbereitstellung in der Großgerätemontage
  7. Interaktive 4D-Flächenbelegungsplanung
  8. Instandhaltung
  9. Opportunistische Instandhaltungsplanung in Flexiblen Fertigungssystemen
  10. Predictive Maintenance im Kontext der industriellen Robotik
  11. Logistikplanung
  12. Regelbasiertes Assistenzsystem zur Logistikplanung
  13. Data Mining
  14. Dynamische Röntgenprüfung in der Elektronikproduktion
  15. Supply-Chain-Management
  16. LoRaWAN als Kommunikationstechnologie für vernetzte Sonderladungsträger
  17. Sensorik
  18. Sensorauswahl für Bestandsanlagen
  19. Gleisbasierte Schwingungs-diagnose an Straßenbahnen – mit komplementärer Sensorik
  20. Agile Arbeitsweise
  21. Agile Invention: Zehn Erfolgsthesen
  22. Agil, intelligent, flexibel
  23. Management
  24. Systematisches Organisation 4.0-Vorgehensmodell zur ganzheitlichen Prozessdigitalisierung
  25. Me-Systeme
  26. Herausforderungen bei der Auswahl und Beschaffung von ME-Systemen
  27. Anwenderbericht
  28. Fehlerquellen minimieren
  29. Digitalisierung
  30. Digitalisierung der Fabrik – Datenqualität als Schlüssel zum Erfolg
  31. Digitaler Informationsfluss in der Unikatfertigung
  32. Künstliche Intelligenz
  33. Qualitätsprognose anhand Prozess-parametern einer Papiermaschine mittels Industrial Data Science
  34. Kollaboration
  35. Kollaboration in globalen Wertschöpfungsnetzwerken
  36. Vorschau/Preview
  37. Vorschau
Sign up now to receive a 20% welcome discount
Institutional Access
How does access work?
Have an idea on how to improve our website?
Please write us.
© 2026 De Gruyter Brill
Downloaded on 22.2.2026 from https://www.degruyterbrill.com/document/doi/10.3139/104.112080/html
Scroll to top button