TU Darmstadt / ULB / TUprints

Methodik zur datenbasierten Unterstützung der Arbeitsvorbereitung beim Anlegen neuer Produktvarianten in digitalen Assistenzsystemen

Bayer, Christian Peter (2022):
Methodik zur datenbasierten Unterstützung der Arbeitsvorbereitung beim Anlegen neuer Produktvarianten in digitalen Assistenzsystemen. (Publisher's Version)
Darmstadt, Technische Universität,
DOI: 10.26083/tuprints-00020367,
[Ph.D. Thesis]

[img] Text
Dissertation-C.Bayer.pdf
Available under: CC-BY-NC 4.0 International - Creative Commons, Attribution NonCommercial.

Download (3MB)
Item Type: Ph.D. Thesis
Status: Publisher's Version
Title: Methodik zur datenbasierten Unterstützung der Arbeitsvorbereitung beim Anlegen neuer Produktvarianten in digitalen Assistenzsystemen
Language: German
Abstract:

Digitale Assistenzsysteme bieten die Möglichkeit menschliche Arbeit bei Montageprozessen mit einer hohen Variantenvielfalt und umfangreichen Arbeitsinhalten zu unterstützen und so die Montagemitarbeiter zu entlasten. Für einen zielführenden Einsatz digitaler Assistenzsysteme müssen die notwendigen Montageinformationen durch die Arbeitsvorbereitung entsprechend bereitgestellt werden. Besonders das Anlegen neuer Produktvarianten in digitalen Assistenzsystemen ist mit einem steigenden Zeitaufwand verbunden, da die Anzahl einzupflegender Produktvarianten aufgrund der Individualisierung der Produkte und der kürzer werdenden Produktlebenszyklen stetig zunimmt. Daraus ergibt sich die Notwendigkeit, die Arbeitsvorbereitung beim Anlegen neuer Produktvarianten im digitalen Assistenzsystem zu unterstützen. Um diese Zeitaufwände und die daraus entstehenden Kosten in Unternehmen zu reduzieren, wird eine Methodik zur datenbasierten Unterstützung beim Anlegen neuer Produktvarianten entwickelt. So kann innerhalb der Arbeitsvorbereitung bei steigendem Arbeitsumfang eine variantenreiche Produktion in Zukunft sichergestellt werden. Konkret wird der Arbeitsvorbereitungsprozess zum Anlegen neuer Produktvarianten im digitalen Assistenzsystem anhand der Literatur und zusammen mit Experten aus der Praxis untersucht. Auf Grundlage dieses Prozesses können so Tätigkeiten identifiziert werden, die hohe Zeit- und Kostenaufwände verursachen. Ziel ist es diese Aufwände mit Hilfe einer datenbasierten Unterstützung, die aus einzelnen Unterstützungslösungen kombiniert wird, zu reduzieren. Dazu wird ein Vorgehen vorgestellt, mit dem Anwender der Methodik anhand von Anforderungen geeignete Unterstützungslösungen identifizieren. Die daraus resultierenden Unterstützungslösungen werden vor deren Umsetzung mit Hilfe einer quantitativen Nutzenbetrachtung aus zeitlicher und finanzieller Sicht bewertet. Das Ergebnis stellt transparent die optimale Kombination der Unterstützungslösungen dar, die zu einem verbesserten Arbeitsvorbereitungsprozess führen. Der Fokus der Methodik liegt auf einer einfachen und nachvollziehbaren Anwendbarkeit, auch durch unerfahrene Anwender. Eine entsprechende Unterstützung bei der Durchführung der Methodik wird durch ein Formblatt und eine entwickelte Software-Applikation bereitgestellt. Abschließend wird in der Evaluation gezeigt, dass durch eine Anwendung in einer praxisnahen Lernfabrikumgebung die an die Methodik gestellten Anforderungen erfüllt werden. Die Arbeit beschreibt somit eine auf der Grundlage eines wissenschaftlichen Forschungskonzepts entwickelte Methodik, die praxiserprobt einfach anzuwenden ist.

Alternative Abstract:
Alternative AbstractLanguage

Digital assistance systems offer the possibility to support human work in assembly processes with a high number of variants and extensive work content. For the effective use of digital assistance systems, the necessary assembly information must be provided by the work preparation department. The creation of these information for new product variants in digital assistance systems is particularly time-consuming, since the number of product variants to be entered is constantly increasing due to the individualization of products and shorter product life cycles. This results in the need to support the work preparation while creating content for new product variants in digital assistance systems. To reduce this time expenditure and the resulting costs in companies, a methodology for data-based support is being developed. Thus, within the work preparation, a high-variant production can be ensured in the future. Therefore, the work preparation process for creating new product variants in the digital assistance system is examined. Based on this process, activities causing high time and cost expenses can thus be identified. The goal is to reduce these expenses with the help of data-based support, consisting of individual support solutions. For this purpose, a procedure is presented enabling users of the methodology to identify suitable support solutions with the help of defined requirements. The resulting support solutions are evaluated from a time and financial perspective using a quantitative benefit calculation prior to their implementation. The result transparently represents the optimal combination of support solutions that lead to an improved work preparation process. The methodology focuses on simple and comprehensible applicability, even by inexperienced users. Appropriate support for the methodology is provided by a formsheet and a software application. Finally, the evaluation shows that the methodology used in a practice-oriented learning factory meets the defined requirements. The work thus describes a methodology developed on the basis of a scientific research concept, which can be easily applied in practice.

English
Place of Publication: Darmstadt
Collation: XV, 167 Seiten
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: 16 Department of Mechanical Engineering > Institute of Production Technology and Machine Tools (PTW) > Management of Industrial Production
Date Deposited: 15 Feb 2022 14:13
Last Modified: 15 Feb 2022 14:13
DOI: 10.26083/tuprints-00020367
URN: urn:nbn:de:tuda-tuprints-203673
Referees: Metternich, Prof. Dr. Joachim ; Bruder, Prof. Dr. Ralph
Date of oral examination: 19 January 2022
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/20367
Export:
Actions (login required)
View Item View Item