Optimierung der innerbetrieblichen Materialversorgung mittels Milkrun

Vorgehensweise zur Erstauslegung und kontinuierlichen Verbesserung

ZeitschriftIndustrie Management
Ausgabe25. Jahrgang, 2009, Ausgabe 5, Seite 61-64
Teilen Zitieren Download

Abstract

Der Einsatz von Milkruns ist für Unternehmen, die Methoden der schlanken Produktion einsetzen, heute selbstverständlich. Für die Auslegung eines Milkruns existieren zwar konkrete Vorgehensweisen, diese berücksichtigen aber die spezifische Produktionssituation nicht in ausreichendem Maße. Mit Hilfe der gängigen Entwicklungsstufen von Milkruns wird aufgezeigt, welche Auslegung in der jeweiligen Situation sinnvoll ist und wie sich durch gezielte Optimierung einzelner Parameter eine weitere Reduzierung der Kosten erreichen lässt.

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.


Lösungen: Logistik

Das könnte Sie auch interessieren

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
Lean Empowerment im digitalen Ökosystem

Lean Empowerment im digitalen Ökosystem

Kulturwerte in technische Anforderungen übersetzen
Frank Bertagnolli ORCID Icon, Sabrina Karch ORCID Icon, Arndt Lüder ORCID Icon
Mit der Digitalisierung weichen vorherrschende Paradigmen – wie Produktzentrierung, Präsenz-Zusammenarbeit und hierarchische Strukturen – der Vision von datengetriebenen Geschäftsmodellen, digitalen, kollaborativen Ökosystemen und einer agilen, holokratischen Arbeitsweise mit flachen Hierarchien und selbststeuernden Teams. Die Zusammenarbeit wird durch den Einsatz von Softwarelösungen ermöglicht. Im digitalen Raum benötigt es neben adaptierten Führungskonzepten insbesondere ein digitales Kulturverständnis der beteiligten Unternehmen. Lean Empowerment ist ein wegweisender Ansatz für die Zusammenarbeit basierend auf kulturellen Werten. In Experten-Workshops wurden Ideen erarbeitet, wie diese Werte in einer digitalen Kultur und somit in einer globalen, digitalen Zusammenarbeit gelebt werden können. Dieser Beitrag stellt konkrete Lösungsansätze vor, woraus sich Anforderungen an das digitale Miteinander und insbesondere an eine Umsetzung innerhalb von IT-Strukturen und ...
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 2 | Seite 32-39 | DOI 10.30844/I4SD.24.2.32
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