Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-6651
Autor(en): Niemann, Jörg
Titel: Eine Methodik zum dynamischen Life Cycle Controlling von Produktionssystemen
Sonstige Titel: A method for life cycle controlling of manufacturing systems
Erscheinungsdatum: 2007
Dokumentart: Dissertation
Serie/Report Nr.: IPA-IAO-Forschung und Praxis;459
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-32101
http://elib.uni-stuttgart.de/handle/11682/6668
http://dx.doi.org/10.18419/opus-6651
ISBN: 978-3-939890-13-3
Zusammenfassung: Produzierende Unternehmen in der Serienfertigung stehen heute im globalen Wettbewerb um potenzielle Kunden und Aufträge. Die verkürzten Marktzyklen der Produkte erfordern dazu im Kern wandlungsfähige Produktionssysteme und methodisch unterstützte Planungssysteme, mit denen die dynamischen Änderungen der Auftragsstrukturen produktions- und kostentechnisch beherrscht werden können. Zielsetzung der vorliegenden Arbeit war es daher, eine Methodik zur kontinuierlichen Kostenoptimierung von Produktionssystemen in Abhängigkeit der geplanten Ausbringungsmenge im Bereich der Serienfertigung bereitzustellen. Dazu wurde ein Regler entwickelt, mit dem der kostenoptimale Betriebspunkt über ein regelkreisbasiertes Controllingmodell eingestellt werden kann. Durch das Modell wird der Nutzer befähigt, potentielle Verbesserungsmaßnahmen zu identifizieren und hinsichtlich ihrer Wirtschaftlichkeit vorab zu bewerten. Dazu wird die aktuelle Systemkonfiguration mit den eingesetzten Ressourcen und Wirkzusammenhängen in einer simulationsbasierten Planungsumgebung erfasst und abgebildet. Die erforderlichen Daten werden über die verschiedenen Systeme aus der betrieblichen Datenerfassung in das Planungssystem eingespielt. Im Unterschied zu den bislang bekannten Steuerungsansätzen steht jedoch nicht die Einplanung der Aufträge für ein gegebenes System im Vordergrund. Gegenstand des Reglermodells ist vielmehr die optimale Konfiguration eines Produktionssystems in Abhängigkeit der vorliegenden Auftragsbelastung für einen Planungszeitraum. Damit wird die strukturelle Gestaltung des Produktionssystems selbst Inhalt der Optimierung. Die entwickelte Methodik unterstützt hierbei die gezielte und kontinuierliche Forcierung von Lernprozessen durch die Anwendung von Simulationswerkzeugen. Dies ermöglicht es, alternative Produktionsszenarien schneller zu evaluieren und durch die virtuelle Implementierung von Maßnahmen schon vorab aus der „Zukunft“ zu lernen.
Today’s manufacturing companies in series productions are open to global competition especially concerning the acquisition of potential customers and orders. Shortened product market cycles require adaptable manufacturing systems and method-based planning systems to master dynamic changes in order structures, both from a manufacturing and also a cost point of view. The objective of this thesis was therefore to develop a method for the continuous optimization of manufacturing system costs in dependence upon planned output quantities in the field of series productions. To do this, a controlling concept has been developed which enables the optimum cost operating point to be adjusted using a controlling model based on control cycles. The model permits the user to identify potential improvement measures and to evaluate them in advance with regard to their profitability. To achieve this, the actual system configuration is acquired and depicted in a simulation-based planning environment together with the resources used and all interrelationships. The required data is imported into the planning system via the various operating data acquisition systems. In contrast with known control concepts used up till now, order planning is not the central issue for a particular system. The role of the controller model is rather to ensure the optimum configuration of a manufacturing system in dependence upon existing orders for a period of planning time. In this way, the structural design of the manufacturing system also forms part of the optimization process. Through the use of simulation tools, the method which has been developed supports the targeted and continuous promotion of learning processes. This makes it possible to evaluate alternative manufacturing scenarios faster and to learn from the “future” by implementing improvement measures.
Enthalten in den Sammlungen:14 Externe wissenschaftliche Einrichtungen

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
DissNiemannhs.pdf1,39 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.