Du er ikke logget ind
Beskrivelse
Unternehmen jeder Branche und Gr? e bieten hohes Potenzial zur Produktivit?tssteigerung in den Fertigungsbereichen. Im Laufe dieser Arbeit wird aufgezeigt, wie mit einer ganzheitlichen Schwachstellenanalytik und passender Zuweisung von anzuwendenden Methoden zur Schwachstellen-beseitigung, Potenziale der Produktivit?tssteigerung identifiziert und erreicht werden k?nnen. Digitalisierung und vornehmlich K?nstliche Intelligenz helfen dabei als unterst?tzende Kraft.
Im Aufbau startet diese Dissertation zun?chst mit Begriffsdefinitionen zum detaillierteren Verst?ndnis der Schwachstellenanalytik. Im weiteren Verlauf wird eine Struktur betrieblicher Schwachstellen erarbeitet, erg?nzt durch einen entsprechenden Kennzahlenkatalog sowie Methodenkatalog. Dabei wird ein erhebliches Mengenger?st erkennbar: Die Erarbeitung einer grundlegenden Struktur betrieblicher Schwach-stellen zeigt einen Schwachstellenkatalog mit 297 potenziellen Schwachstellen, der Kennzahlenkatalog beinhaltet 264 bekannte Kennzahlen und der Methodenkatalog enth?lt 551 verschiedene Methoden. Die Erforschung und Evaluation der Schwachstellenanalytik erfolgte anhand eines exemplarischen Stanzkontaktes. Die grundlegende Prozessf?higkeit wurde best?tigt. Anschlie end wurden gezielt Korrelationen untersucht und eine Ampelprognose entwickelt. Die Verifizierung erfolgte mittels eines erneuten Datensets desselben Produktes. Die Schwachstellenanalytik wurde in ihren Grundz?gen mathematisch formuliert. Die Erprobung anhand eines Montage-Prozesses best?tigte die Reproduzierbarkeit und Funktionalit?t der Schwachstellenanalytik. Letztlich k?nnen erhebliche Produktivit?tspotenziale belegt und so der Mehrwert der Schwachstellenanalytik zur Modell-verfeinerung von Machine Learning in Fertigungsbereichen best?tigt werden.