Article
Licensed
Unlicensed Requires Authentication

Digitalisierung des Fehlermanagements

Ein (selbst-)lernender Ansatz für kleine und mittlere Unternehmen (KMU)
  • and
Published/Copyright: June 25, 2020
Become an author with De Gruyter Brill
Submit Manuscript Author Information
Zeitschrift für wirtschaftlichen Fabrikbetrieb
From the journal Zeitschrift für wirtschaftlichen Fabrikbetrieb Volume 115 Issue 6

Kurzfassung

Die systematische Nutzung des historischen Fehlerwissens bietet das Potenzial einer beschleunigten sowie nachhaltigen Abstellung von Produkt- und Prozessfehlern. Gerade für kleine Unternehmen sind die Digitalisierung sowie die Einführung moderner Analyseansätze aufgrund hoher Implementierungskosten und Anforderungen an die Infrastruktur eine große Herausforderung. Im Rahmen des IGF Verbundprojektes „LeaF – Learning Failure Management“ (AiF-Nr.: 19931N) wird die systematische Erfassung und Verarbeitung von relevanten Informationen zu Produkt- und Prozessfehlern erarbeitet.

Abstract

A (self-)learning approach for small and medium-sized enterprises (SME). The systematic use of historical failure expertise offers the potential for the accelerated and sustainable resolution of product and process failures. Especially for small companies the digitization as well as the introduction of modern analysis approaches are a big challenge due to high implementation costs and infrastructural demands. Within the collaborative IGF project „LeaF - Learning Failure Management“ (AiF-No.: 19931N) the systematic collection and processing of relevant information on product and process failures is being developed.

Robin Günther, M. Sc. RWTH, geb. 1988, promoviert als Wissenschaftlicher Mitarbeiter am Werkzeugmaschinenlabor WZL der RWTH Aachen in der Gruppe Process Insights.

Prof. Dr.-Ing. Robert H. Schmitt, geb. 1961, ist Inhaber des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen.

Literatur

van Dyck, C.; Frese, M.; Baer, M.; Sonnentag, S.: Organizational Error Management Culture and Its Impact on Performance: A Two-Study Replication. The Journal of Applied Psychology90 (2005) 6, S. 1228–124010.1037/0021-9010.90.6.1228Search in Google Scholar PubMed

Thoma, J.; Funken, C.: Failure of Networks and Network Management. In: Kunert, S. (Hrsg.): Strategies in Failure Management. Springer-Verlag, Cham (CH)2018, S. 191–20910.1007/978-3-319-72757-8_14Search in Google Scholar

Vogel-Heuser, B.; Bauernhansl, T.; ten Hompel, M.: Handbuch Industrie 4.0 – Allgemeine Grundlagen (Bd. 4). 2. Aufl., Springer-Verlag, Berlin, Heidelberg2017, S. 26310.1007/978-3-662-53254-6Search in Google Scholar

Ungermann, F.; Kuhnle, A.; Stricker, N.; Lanza, G.: Data Analytics for Manufacturing Systems – A Data-driven Approach for Process Optimization. Procedia CIRP81 (2019) 1, S. 369–37410.1016/j.procir.2019.03.064Search in Google Scholar

Kirmse, A.; Kuschicke, F.; Hoffmann, M.: Industrial Big Data: From Data to Information to Actions. In: Proceedings of the 4th International Conference on Internet of Things, Big Data and Security. The EGI Foundation, 2019, S. 137–14610.5220/0007734501370146Search in Google Scholar

Groggert, S.; Wenking, M.; Schmitt, R.; Friedli, T.: Status Quo and Future Potential of Manufacturing Data Analytics – An Empirical Study. In: IEEE (Hrsg.): International Conference on Industrial Engineering & Engineering Management, 2017, S. 779–78310.1109/IEEM.2017.8289997Search in Google Scholar

Nalbach, O.; Linn, C.; Derouet, M.; Werth, D.: Predictive Quality: Towards a New Understanding of Quality Assurance Using Machine Learning Tools. In: Abramowicz, W.; Paschke, A. (Hrsg.): Business Information Systems. Springer-Verlag, Cham (CH)2018, S. 30–4210.1007/978-3-319-93931-5_3Search in Google Scholar

Schmitt, R.; Falk, B.; Voet, H.; Fels, A.; Rüßmann, M.: Smart Quality. In: Schmitt, R. (Hrsg.): Smart Quality – QM im Zeitalter von Industrie 4.0 (20. Business Forum Qualität). Apprimus Verlag, Aachen, 2016, S. 1–27Search in Google Scholar

Thiele, T.; Hoffmann, M.; Meisen, T.: Industrial Big Data – Tieferes Prozessverständnis durch Daten. Industrie 4.0 Management33 (2017) 4, S. 57–60Search in Google Scholar

Groggert, S.; Elser, H.; Ngo, Q. H.; Schmitt, R.: Scenario-based Manufacturing Data Analytics with the Example of Order Tracing through BLE-Beacons. Procedia Manufacturing24 (2018) 1, S. 243–24910.1016/j.promfg.2018.06.032Search in Google Scholar
Online erschienen: 2020-06-25
Erschienen im Druck: 2020-06-26

© 2020, Carl Hanser Verlag, München

Articles in the same Issue

  1. Editorial
  2. Robuste Lieferketten?
  3. Inhalt/Contents
  4. Inhalt
  5. Agile Methoden
  6. Agile Transformation in produzierenden Unternehmen
  7. Agilität und Skalierung sind (k)ein Widerspruch
  8. Entwicklung digital vernetzter Produkte und Geschäftsmodelle
  9. Agile Planung und Entwicklung von Produkt-Service Systemen
  10. Arbeitspläne
  11. Effizienzsteigerung durch ideale Arbeitspläne
  12. Fehlermanagement
  13. Digitalisierung des Fehlermanagements
  14. Änderungsmanagement
  15. Flexibilisierung des Änderungsmanagements
  16. Auftragsabwicklung
  17. Auslegung der Auftragsabwicklungsstrategie
  18. Produktionsprozesse
  19. Die unausweichliche Richtung zu asynchronen Produktionsprozessen
  20. Hybride Prozessmodelle
  21. Prozessuale Grundtypen für eine hybride Produktentwicklung
  22. Wissensmanagement
  23. Externalisierung von prozess-spezifischem Mitarbeiterwissen im Produktionsumfeld
  24. Kleinteilelogistik
  25. Modulare Ladungsträger für den Kleinteiletransport
  26. Digitaler Zwilling
  27. Der Digitale Zwilling entlang des Produktlebenszyklus
  28. Digitaler Zwilling: Effizient in Engineering und Betrieb
  29. Rahmenwerk zur Einordnung Digitaler Zwillinge in Produktionssystemen
  30. Mensch-Technik-Interaktion
  31. Human Factors-basierte Arbeitsgestaltung in Cyber-Physischen Produktionssystemen
  32. Assistenzsysteme
  33. Digitale Informationsbereitstellung in der Produktion
  34. IIot-Technologien
  35. Cardboard Engineering 4.0 – IIoT für jedermann?
  36. Digitale Transformation
  37. Wie werden wir digital?
  38. Vorschau/Preview
  39. Vorschau
https://doi.org/10.3139/104.112279

Articles in the same Issue

  1. Editorial
  2. Robuste Lieferketten?
  3. Inhalt/Contents
  4. Inhalt
  5. Agile Methoden
  6. Agile Transformation in produzierenden Unternehmen
  7. Agilität und Skalierung sind (k)ein Widerspruch
  8. Entwicklung digital vernetzter Produkte und Geschäftsmodelle
  9. Agile Planung und Entwicklung von Produkt-Service Systemen
  10. Arbeitspläne
  11. Effizienzsteigerung durch ideale Arbeitspläne
  12. Fehlermanagement
  13. Digitalisierung des Fehlermanagements
  14. Änderungsmanagement
  15. Flexibilisierung des Änderungsmanagements
  16. Auftragsabwicklung
  17. Auslegung der Auftragsabwicklungsstrategie
  18. Produktionsprozesse
  19. Die unausweichliche Richtung zu asynchronen Produktionsprozessen
  20. Hybride Prozessmodelle
  21. Prozessuale Grundtypen für eine hybride Produktentwicklung
  22. Wissensmanagement
  23. Externalisierung von prozess-spezifischem Mitarbeiterwissen im Produktionsumfeld
  24. Kleinteilelogistik
  25. Modulare Ladungsträger für den Kleinteiletransport
  26. Digitaler Zwilling
  27. Der Digitale Zwilling entlang des Produktlebenszyklus
  28. Digitaler Zwilling: Effizient in Engineering und Betrieb
  29. Rahmenwerk zur Einordnung Digitaler Zwillinge in Produktionssystemen
  30. Mensch-Technik-Interaktion
  31. Human Factors-basierte Arbeitsgestaltung in Cyber-Physischen Produktionssystemen
  32. Assistenzsysteme
  33. Digitale Informationsbereitstellung in der Produktion
  34. IIot-Technologien
  35. Cardboard Engineering 4.0 – IIoT für jedermann?
  36. Digitale Transformation
  37. Wie werden wir digital?
  38. Vorschau/Preview
  39. Vorschau
Downloaded on 2.4.2026 from https://www.degruyterbrill.com/document/doi/10.3139/104.112279/html
Scroll to top button