午夜探花

Institut f眉r Business Analytics

顿补迟别苍辩耻补濒颈迟盲迟 in der Automobilbranche

Messung und Analyse der 顿补迟别苍辩耻补濒颈迟盲迟 in verschiedenen Produktionsprozessen

Im Zuge der Digitalisierung stehen Organisationen sehr umfangreiche und immer weiterwachsende Datenmengen zur Verf眉gung (Stichwort: 鈥濨ig Data鈥�). So verzehnfacht sich das Datenvolumen von 2016 bis 2025. F眉r Unternehmen ergeben sich hieraus vielf盲ltige Chancen. So erm枚glicht die zielgerichtete und fundierte Analyse und Nutzung dieser Daten eine verbesserte, datengetriebene Entscheidungsunterst眉tzung und Prozessf眉hrung. Insbesondere seit dem Beginn von Industrie 4.0 steigt die Bedeutung von Daten im Produktionsumfeld und die damit verbundene Gewinnung von Erkenntnissen sowie die Generierung von Effizienzsteigerungen stetig. Eine wesentliche Grundlage f眉r eine gewinnbringende Nutzung von Daten stellt die Sicherstellung der hinreichenden 顿补迟别苍辩耻补濒颈迟盲迟 dar. Ist diese nicht ausreichend gegeben, resultieren fehlerhafte Analyseergebnisse und falsche Entscheidungen, die mehr Schaden anrichten als Nutzen generieren (鈥濭arbage In, Garbage Out鈥�). Allerdings zeigt die Empirie, dass die von Unternehmen genutzten Daten h盲ufig durch eine geringe 顿补迟别苍辩耻补濒颈迟盲迟 charakterisiert sind. Urs盲chlich hierf眉r sind insbesondere eine unzureichende Sensibilit盲t f眉r 顿补迟别苍辩耻补濒颈迟盲迟 und 顿补迟别苍辩耻补濒颈迟盲迟sprobleme, eine fehlende Transparenz des 顿补迟别苍辩耻补濒颈迟盲迟sniveaus (顿补迟别苍辩耻补濒颈迟盲迟smessung) und eine kaum vorhandene systematische Qualit盲tsverbesserung und -kontrolle.

Vor diesem Hintergrund besteht auch f眉r unseren Praxispartner aus dem Automobilbau der Bedarf, die Basis f眉r ein methodisches 顿补迟别苍辩耻补濒颈迟盲迟smanagement zu schaffen. Im Produktionsumfeld stellen dabei insbesondere die Daten der unterschiedlichen Produktionstechnologien und -steuerungen ein zentrales Asset und eine wichtige Quelle f眉r Big Data dar. Zun盲chst in einem Pilotprojekt und dann auch in einem darauffolgenden zweiten Projekt sollten f眉r verschiedene Technologien in der Produktion Analysen durchgef眉hrt werden, um den Stand der 顿补迟别苍辩耻补濒颈迟盲迟 zu beurteilen und ggfs. zu verbessern. Nach Begutachtung des Status Quo der 顿补迟别苍辩耻补濒颈迟盲迟, wurde gemeinsam beschlossen, dass geeignete Metriken zur Messung der 顿补迟别苍辩耻补濒颈迟盲迟sdimensionen Vollst盲ndigkeit und Konsistenz entwickelt werden sollten, um ein gutes 顿补迟别苍辩耻补濒颈迟盲迟smanagement sicherzustellen. Das Ziel ist es, durch die eigens entwickelten Methoden und Verfahren, Erkenntnisse 眉ber die aktuelle 顿补迟别苍辩耻补濒颈迟盲迟 zu gewinnen sowie ggfs. Verbesserungen von Handlungsentscheidungen abzuleiten und Ausschuss zu reduzieren. Des Weiteren sollen die Resultate dieses Projekts auch zuk眉nftig auf viele weitere Anwendungsfelder und Produktionstechnologien ausgeweitet und 眉bertragen werden.

Kooperationspartner: Premiumhersteller aus dem deutschen Automobilbau

笔谤辞箩别办迟锄别颈迟谤盲耻尘别: Dezember 2020 鈥� April 2021 & Februar 2022 鈥� September 2022

Transfer

Sowohl das Pilot- als auch das Folgeprojekt verfolgten das Ziel, die Qualit盲t der gro脽e Datenmenge (鈥濨ig Data鈥�), die innerhalb der Produktionsumgebungen der Automobilbranche gesammelt wird, fundiert zu erfassen, d. h. mit aussagekr盲ftigen und interpretierbaren Metriken zu quantifizieren. Unsere entwickelten Metriken zur Vollst盲ndigkeit und Konsistenz erweitern den wissenschaftlichen Methodenschatz im Bereich 顿补迟别苍辩耻补濒颈迟盲迟, mit denen das Institut f眉r Business Analytics ma脽geblich diesen Forschungszweig vorantreibt. Durch die verbesserte Einsch盲tzung der 顿补迟别苍辩耻补濒颈迟盲迟 im Produktionsumfeld wird es m枚glich, ein umfassendes 顿补迟别苍辩耻补濒颈迟盲迟smanagement zu etablieren und pr盲ventiv Verluste bspw. durch verringerten Ausschuss zu reduzieren. Aus der Zusammenarbeit und dem Transfer in diesem Projekt entsteht somit ein direkter Mehrwert f眉r Wissenschaft und Praxis.