Damit ein Automobilunternehmen am starken Wachstum teilhaben kann, müssen erhöhte Kundenanforderungen, die u.a. zu Komplexitätssteigerungen führen, befriedigt werden. Hierzu gehören neue Modelle, Derivate sowie eine höhere Anzahl an Produktvarianten und verkürzte Produktlebenszyklen. Insbesondere der letzte Punkt verdeutlicht die hohe Relevanz des Produktanlaufmanagements in Unternehmen. Damit Produktionsanläufe hinsichtlich Qualitäts-, Kosten- und Terminzielen erfolgreich und effizient umgesetzt werden können, werden stabile Prozesse und qualifizierte Mitarbeiter benötigt. Speziell an neuen Fertigungsstandorten spielen diese Aspekte eine besondere Rolle, da erfahrene Experten nicht ausreichend zur Verfügung stehen. Dieses Problem spiegelt sich vor allem in einer nicht ausreichenden Problemlösekompetenz der Mitarbeiter wider, die dazu führt, dass Problemstellungen im Anlauf nur langsam gelöst werden und somit das Erreichen der geforderten Sollstückzahl ("Kammlinie") verzögert wird. Damit trotz des Mangels an qualifizierten Mitarbeitern erfolgreiche Produktionsanläufe realisiert werden können, ist ein effizientes Wissensmanagement erforderlich. Erfahrungen zeigen, dass die Problemstellungen in Anlaufprojekten zwar nicht identisch aber durchaus ähnlich sind. Somit kann mit Hilfe eines systematischen Wissenstransfers zwischen Produktwechselprojekten die Problemlösekompetenz der Mitarbeiter verbessert werden. Das im Rahmen dieser Arbeit entwickelte automatisierte, ontologiegestützte Wissensmanagementmodell für Produktionsanläufe in der Automobilindustrie verfolgt folgende Zielsetzungen: (1) Beschleunigung der Problemlöseprozesse im Produktionsanlauf; (2) Aufbau eines softwarebasierten Wissensmanagementsystems zur Speicherung und Nutzung von Erfahrungswissen. Das Wissensmanagementmodell basiert zum einen auf wissenschaftlichen Untersuchungen und zum anderen auf den Ergebnissen eines Industrieprojekts bei einem weltweit operierenden Automobilkonzern (OEM). Insgesamt besteht das Modell aus drei Bausteinen: (1) Fallbasiertes Schließen (Case-based Reasoning, CBR) zur Nutzung und Speicherung von Expertenwissen; (2) Delphi-Expertenbefragung zur Identifikation und Konsolidierung von Expertenwissen; (3) Ontologien zur Wissensstrukturierung.

    In order for an automotive company to participate in strong market growth, it needs to meet greater customer demands, which lead, among other things, to an increase in complexity, for instance new models, new derivatives, a larger product variety, and shorter product life cycles. The last point in particular is indicative of how important proper product launch management is for businesses. Stable processes and qualified staff are needed for quality, cost, and schedule targets to be met successfully and efficiently during product launches. These aspects play a crucial role at especially new production sites, where skilled experts are in short supply. Specifically, as a consequence of the employees' lack of problem-solving skills, too much time is spent dealing with issues which arise during the ramp-up, causing delays in reaching the target production rate (maximum capacity). Efficient knowledge management is required to ensure successful product launches despite shortages of qualified workers. Experience has shown that the problems which come up during product launches, though not identical, are certainly similar in nature. Ensuring a systematic knowledge transfer between product change projects can help improve the workers' problem-solving skills. The automated, ontology-based knowledge management model for production ramp-ups in the automotive industry developed in this paper pursues the following objectives: (1) To speed up the problem-solving processes during production ramp-ups; (2) To establish a software-based knowledge management system for storing and providing access to expert knowledge. The knowledge management model is based on scientific investigations as well as the results from an industrial project for a global automotive group (OEM). The model is made up of three main components: (1) Case-based reasoning (CBR) for applying and storing practical knowledge; (2) Delphi method for identifying and consolidating practical knowledge; (3) Ontologies for knowledge structuring.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Entwicklung eines automatisierten, ontologiegestützten Wissensmanagementmodells für Produktionsanläufe in der Automobilindustrie


    Beteiligte:


    Erscheinungsdatum :

    2014


    Format / Umfang :

    242 Seiten, Bilder, Tabellen, Quellen




    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch





    Entwicklung eines Wissensmanagementkonzeptes zum automatisierten Informationsaustausch in der Pilotserie der Automobilindustrie

    Eilenberger, Daniel / Shaker Verlag / Brandenburgische Technische Universität Cottbus-Senftenberg | TIBKAT | 2019


    Realisierung einer automatisierten Montageversorgung in der Automobilindustrie

    Reisch,D. / Siemens,Nuernberg,DE | Kraftfahrwesen | 1989



    Entwicklung eines automatisierten hochauflösenden Kernresonanz-Spektrometers

    Schneiders, Horst / Hawkins, Bruce L. / Bruker-Physik-Aktiengesellschaft | TIBKAT | 1977