Methodeneinsatz braucht System

Das Landshuter Produktionssystem (LPS): CLean Production - Teil 4

ZeitschriftIndustrie Management
Ausgabe31. Jahrgang, 2015, Ausgabe 1, Seite 37-42
Teilen Zitieren Download

Abstract

Eine aktuelle Studie zur Implementierung von Ganzheitlichen Produktionssystemen (GPS) bei kleinen und mittelständischen Unternehmen (KMUs) verdeutlicht den Wunsch der meisten KMUs nach einer übersichtlichen und leistungsfähigeren Produktion. Dabei zeigen sich bei der Umsetzung dieses Vorhabens große Schwierigkeiten aufgrund fehlender Methodenkompetenz [1]. Aus diesem Grund entwickelte die Hochschule Landshut im Rahmen des Landshuter Produktionssystems (LPS): CLean Production - Lean & Clean einen Ordnungsrahmen für Methoden. Das als ‚Methodenrad‘ bezeichnete Konzept ermöglicht die nachvollziehbare, systematisierte und vollständige Darstellung aller für das LPS notwendigen Methoden und Werkzeuge. Damit ist die situativ richtige Auswahl von Methoden erleichtert und gleichzeitig die erwünschte Übersichtlichkeit gegeben. Durch die Integration des Methodenrads in die Gesamtzusammenhänge des LPS werden Wechselwirkungen zwischen Zielen, Prinzipien, Methoden und dem operativen Leistungserstellungsprozess verdeutlicht. Somit geht das Konzept des Methodenrads weit über eine reine zusätzliche Listensammlung von Methoden und Werkzeugen hinaus.

Keywords

Zugang beschränkt

Sie sind zur Zeit nicht angemeldet / noch nicht registriert.

Um die gewünschte(n) Datei(en) herunterladen zu können, müssen Sie über ein entsprechendes inklusiv-Abonnement verfügen. Alternativ können Sie den Zugang auch durch Zahlung eines Einmalpreises erhalten.

Abo inklusive Einzelkauf
ohne 29,00 €
Digital 0,00 €
Expert 0,00 €
Professional 0,00 €

Download für einmalig 29,00 €

Alle Preise enthalten 7% Mehrwertsteuer

Nach Erwerb der Zugangsrechte werden Sie automatisch wieder zu dieser Seite zurückgeleitet.


Das könnte Sie auch interessieren

KI-Implementierung in der industriellen Qualitätskontrolle

KI-Implementierung in der industriellen Qualitätskontrolle

Ein Design-Science-Ansatz, der technische und menschliche Faktoren miteinander verbindet
Erdi Ünal ORCID Icon, Kathrin Nauth ORCID Icon, Pavlos Rath-Manakidis, Jens Pöppelbuß ORCID Icon, Felix Hoenig, Christian Meske ORCID Icon
Künstliche Intelligenz (KI) bietet ein erhebliches Potenzial zur Verbesserung der industriellen Qualitätskontrolle, doch eine erfolgreiche Implementierung erfordert die sorgfältige Berücksichtigung ethischer und menschlicher Faktoren. Dieser Artikel untersucht, wie automatisierte Oberflächeninspektionssysteme eingesetzt werden können, um menschliche Fähigkeiten zu erweitern und gleichzeitig eine ethische Integration in die Arbeitsabläufe zu gewährleisten. Im Rahmen einer Design-Science-Research-Untersuchung (DSR) wurden zwölf Interessenvertreter aus sechs Organisationen auf drei Kontinenten befragt und zwölf soziotechnische Designanforderungen abgeleitet. Diese sind in Vorbereitungs- und Implementierungs-/Betriebsphasen unterteilt und befassen sich mit menschlichem Handeln, Mitarbeiterbeteiligung und verantwortungsvollem Wissensmanagement. Zu den wichtigsten Ergebnissen zählen die entscheidende Bedeutung einer sinnvollen Mitarbeiterbeteiligung während der ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 120-127 | DOI 10.30844/I4SD.26.1.120
Datenqualität in der Entwicklung kreislauffähiger Produkte

Datenqualität in der Entwicklung kreislauffähiger Produkte

Entscheidungsunterstützung für die zirkuläre Wertschöpfung durch Datenökosysteme
Iris Gräßler ORCID Icon, Sven Rarbach, Jens Pottebaum ORCID Icon
Im Entwicklungsprozess werden Entscheidungen mit Wirkung auf die Nachhaltigkeit von Produkten getroffen. Mit zunehmendem Entwicklungsfortschritt können auch Aussagen zur Nachhaltigkeit konkretisiert werden. Während zunächst nur Abschätzungen anhand von verwandten Produkten und Prozessen möglich sind, können später etwa Betriebs- und Maschinendaten genutzt werden. Werden Metriken für Kennzahlen verwendet, sollte die Qualität der verwendeten Daten nachvollziehbar sein. Dazu werden relevante Datenqualitätskriterien und -indikatoren ausgewählt und in Bezug gesetzt. Die Verfügbarkeit von Daten kann gesteigert werden, indem die Produktentwicklung auf Partner in Datenökosystemen zurückgreift. Die Grundlage bilden Datenräume wie Gaia-X, Catena-X und Manufacturing-X.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 12-19 | DOI 10.30844/I4SD.25.2.12
Analyse von Arbeitsabläufen mit Motion-Capture-Systemen

Analyse von Arbeitsabläufen mit Motion-Capture-Systemen

Lösungs- und Implementierungsprinzipien
Hermann Lödding ORCID Icon, Silas Pöttker ORCID Icon, Tim Jansen ORCID Icon
In Betrieben mit einem hohen Anteil manueller Tätigkeiten können ineffiziente Arbeitsabläufe zu Gesundheitsproblemen bei Mitarbeitern führen. Studien zufolge machen diese ein Fünftel aller Erkrankungen in der Fertigungsindustrie aus. Die Optimierung von Arbeitsabläufen ist daher entscheidend. War diese bisher jedoch meist aufwendig, stehen dank neuer Lösungsprinzipien und Motion-Capture-Systemen Ansätze zur Verfügung, mit denen sich passende Digitale Assistenzsysteme einfacher konzipieren lassen.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 5 | Seite 43-49 | DOI 10.30844/I4SD.24.5.43
Eine Lernfabrik im Wandel

Eine Lernfabrik im Wandel

Innovativ den Anforderungen des modernen Arbeitsmarktes begegnen
Nick Ackerhans, Benjamin März
Agile Methoden sind bei der Lösung komplexer Probleme äußerst dienlich. Das ist vor allem in Marktumfeldern sinnvoll, in denen die Routinen der klassischen Unternehmensführung unablässig infrage gestellt werden. Agilität ist hierbei eng mit den Grundideen des Lean Managements verbunden, wie die Fokussierung auf Prozesse und Menschen zeigt. Lean Factories ermöglichen eine praxisnahe Auseinandersetzung mit Lean-Prinzipien und fördern so die agile Prozessführung in diversen Produktionskontexten.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 4 | Seite 63-68
Vernetzte Lernfabriken als Wegbereiter

Vernetzte Lernfabriken als Wegbereiter

Digitale Pionierarbeit für moderne Bildung
Julian Buitmann, Steffen Greiser ORCID Icon, Robert Holling ORCID Icon
Lernfabriken fördern die Digitale Transformation durch einen interdisziplinären Ansatz zwischen Lean-Management und Industrie 4.0, Trainingsstätte und Forschungshof. Mittelstandszentren zeichnen sich durch die Integration kleiner und mittelständischer Betriebe vor Ort aus. Eine solche regionale Strategie mit Lernfabriken fördert den Dialog zwischen Wissenschaft und Praxis, bei dem Studierende ihr theoretisches Wissen auf die Probe stellen können.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 4 | Seite 16-23
Motion-Mining im Vergleich zu traditionellen Lean-Tools

Motion-Mining im Vergleich zu traditionellen Lean-Tools

Sensorgestützte Analyse manueller Prozesse in Produktion und Logistik
Hendrik Appelhans, Christopher Borgmann, Carsten Feldmann
Motion-Mining® ist eine Technologie, die mittels Bewegungssensoren und Mustererkennung eine automatisierte Prozessabbildung und Analyse manueller Arbeit ermöglicht. Dieser Beitrag bewertet die Vorteile und Grenzen ihres Einsatzes in Produktions- und Logistikprozessen. Dazu wird Motion-Mining® mit traditionellen Lean-Management-Tools zum Analysieren manueller Tätigkeiten verglichen. Erfahrungen aus vier Use Cases bieten Entscheidungsunterstützung bei der Auswahl der geeigneten Methode für einen bestimmten Anwendungsfall.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 2 | Seite 24-31