Methodik zur Konfiguration von Lernfabriken für die schlanke Produktion

Lernfabriken stellen ein geeignetes Instrument zur Weiterbildung, Forschung und Lehre in Unternehmen und Forschungsinstituten zu Inhalten rund um die industrielle Produktion dar. Bisherige Gestaltungsansätze für Lernfabriken fokussieren dabei nicht deren Konfiguration, d. h. die Auswahl von Fabrikelementen findet intuitiv statt.

Im Rahmen dieser Dissertation wird ein Optimierungsmodell zur Konfiguration von Lernfabriken hergeleitet. Aus der exakten Lösung bestimmt sich die bestmögliche Konfiguration hinsichtlich der definierten Zielfunktion. Die Entscheidungsvariablen kennzeichnen, welche Fabrikelemente ausgewählt werden. Aus den summierten Nutzwerten aller ausgewählten Fabrikelemente bestimmt sich die Zielfunktion. Restriktionen zur Konfiguration einer Lernfabrik stellen vor allem das vorhandene Budget sowie die Abmessungen der Lernfabrik dar. Für das hergeleitete Optimierungsmodell, dem Facility Configuration Problem, ist in dieser Dissertation ein exakter Algorithmus entwickelt worden, welcher auf einem Branch-and-Bound-Ansatz basiert.

Das in der vorliegenden Dissertation entwickelte Vorgehen zur Konfiguration von Lernfabriken ist in vier Vorgehensschritte eingeteilt. Zur Konfiguration von Lernfabriken sind zunächst die zugrundeliegenden Anforderungen zu klären. Diese gehen vor allem aus den zuvor ermittelten Lern- und Forschungszielen sowie den Rahmenbedingungen der Organisation hervor, die eine Lernfabrik betreiben möchte. Im Anschluss werden mögliche Konfigurationsalternativen gebildet, die aus Fabrikelementen bestehen. Die Auswahl des Produkts bzw. der Dienstleistung der Lernfabrik bestimmt den abgebildeten Wertstrom der Lernfabrik und somit die Fabrikbereiche. Zu jedem Fabrikbereich sind mögliche Konfigurationsalternativen zu gestalten, die aus einem oder mehreren Fabrikelementen bestehen. Diese Vorauswahl an Konfigurationsalternativen wird anschließend auf Basis von gewichteten Bewertungskriterien bewertet. Durch die Anwendung der exakten Algorithmen kann abschließend die hinsichtlich der definierten Zielfunktion bestmögliche Konfiguration einer Lernfabrik ermittelt und analysiert werden. Als geeignete Unterstützung wurde dazu im Rahmen dieser Dissertation ein softwaregestütztes Konfigurationssystem konzipiert und umgesetzt, das sich am gezeigten Vorgehen orientiert und in dem die exakten Algorithmen implementiert sind.

Die in dieser Dissertation entwickelte Methodik wurde in drei Fallstudien angewendet, welche verschiedene Planungsfälle für Lernfabriken in Unternehmen und Forschungseinrichtungen darstellen. Zur Evaluation wurde ein Vergleichsexperiment durchgeführt, bei dem die Ergebnisse der entwickelten Methodik mit dem intuitiven Ansatz zur Auswahl von Fabrikelementen verglichen wurden. Die ermittelten Konfigurationen weisen im Vergleich zur intuitiven Auswahl signifikant höhere Nutzwerte auf. Durch die entwickelte Methodik können personenunabhängig bei jeder Durchführung die bestmöglichen Konfigurationen ermittelt und analysiert werden. In einer Expertenbefragung konnte zusätzlich gezeigt werden, dass die Methodik dieser Dissertation hinsichtlich der gestellten Anforderungen besser eingeschätzt wird als bisherige Ansätze.