Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Datengetriebene Produktionsoptimierung in der Montage

Data driven production optimization in the assembly
 
: Palm, Daniel; Ohlhausen, Peter; Braun, Anja; Welte, Rebecca; Styr, Angelika; Walter, Felix; Meindorfer, Tobias; Schmitt, Christian; Seeger, Elena; Altmann, Ruben; Sai, Brandon

:

Zeitschrift für wirtschaftlichen Fabrikbetrieb : ZWF 113 (2018), Nr.7/8, S.518-521
ISSN: 0947-0085
Deutsch
Zeitschriftenaufsatz
Fraunhofer IAO ()
Fraunhofer IPA ()
Montage; datengetriebene Produktionsoptimierung; lean management; Digitale Transformation; Datenanalyse; Fehlererkennung; Fehlerprävention

Abstract
Der Einsatz von Data Science in der Produktion ermöglicht eine neue Art der Optimierung von Prozessen und Systemen. Die Bedeutung der datengetriebenen Produktionsoptimierung wächst zunehmend im produzierenden Gewerbe. Im Gegensatz zu konventionellen Ansätzen, wie z. B. die des Lean Managements, basiert dieser anhaltende Trend auf der steigenden Verfügbarkeit von Daten im Zuge der digitalen Transformation. Vor allem kleine und mittlere Unternehmen stehen vor der Herausforderung abzuwägen, welche Maßnahmen hierfür ergriffen werden sollten und welche Nutzenpotenziale sich daraus ergeben. Diese Arbeit stellt einen strukturierten Leitfaden zur Vorgehensweise bei Datenanalyseprojekten bezogen auf einen spezifischen Anwendungsfall im Kontext einer frühen Fehlerdetektion und -prävention dar.

 

Using data science in the production area enables a new kind of process and system optimization. The importance of data driven production optimization is growing continuously in all main industrial sectors. In contrast to conventional approaches such as lean manufacturing, this lasting trend is based on the increasing availability of data due to the digital transformation. Especially SMEs are facing the challenge of evaluating which methods should be used and offer the highest potential. Within this paper, a structured guideline of how to approach projects in the field of data science is given.

: http://publica.fraunhofer.de/dokumente/N-512475.html