Seminar: Industrial management - Cheatsheet

Grundlagen der Produktionsplanung und -steuerung

Definition:

Grundlagen der Produktionsplanung und -steuerung, wichtige Disziplin im industriellen Management, umfasst die Planung, Steuerung und Kontrolle von Produktionsprozessen, um optimale Effizienz und Produktivität zu gewährleisten.

Details:

• Ziele: Minimierung von Durchlaufzeiten, Kosten, Beständen
• Prozess: Bedarfsplanung, Produktionsprogrammplanung, Mengenplanung, Termin- und Kapazitätsplanung, Auftragserledigung
• Methoden: MRP (Material Requirements Planning), Kanban, Lean Production
• Kennzahlen: Durchlaufzeit, Bestand, Maschinenbelegungsgrad, Liefertreue
• Werkzeuge: ERP-Systeme, APS-Systeme
• Klare Abgrenzung zwischen strategischer (langfristige Ziele, Kapazitätsentscheidungen) und operativer Planung (kurzfristige Feinplanung, Auftragssteuerung)

Lean Management und Just-in-Time-Produktion

Definition:

Systematische Effizienzsteigerung durch Reduzierung von Verschwendung und zeitgerechte Produktionsprozesse.

Details:

• Ziele: Kostenreduktion, Qualitätserhöhung, Lieferzeitenverkürzung.
• Kerngedanke Lean: Wertschöpfung maximieren, Verschwendung minimieren.
• Just-in-Time (JIT): Materialien und Produkte genau dann liefern, wenn benötigt.
• Wichtige Methoden: 5S, Kaizen, Kanban.
• Engpässe identifizieren und eliminieren.
• Voraussetzungen: Hohe Prozessstabilität, zuverlässige Lieferkette.
• Vorteile: Geringere Lagerkosten, höhere Flexibilität.
• Nachteile: Anfällig für Lieferkettenunterbrechungen.

Six Sigma und statistische Prozesskontrolle (SPC)

Definition:

Six Sigma: systematischer Ansatz zur Reduzierung von Fehlern und Verbesserung der Qualität. SPC: statistische Methoden zur Überwachung und Kontrolle von Prozessen.

Details:

• Ziel von Six Sigma: Prozessfähigkeit auf einem Niveau von 3,4 Fehlern pro Million Möglichkeiten (\textit{DPMO})
• DMAIC-Zyklus: Define, Measure, Analyze, Improve, Control
• \textit{Sigma Level}: Maß für die Prozessvariabilität; je höher, desto besser
• SPC-Werkzeuge: \textit{Control Charts}, Prozessfähigkeitsanalysen
• \textit{Control Charts}: Überwachung der Prozessleistung über die Zeit
• \textit{LCL} und \textit{UCL}: untere und obere Kontrollgrenze

ISO 9001 Qualitätsmanagementsystem

Definition:

ISO 9001: Internationaler Standard für Qualitätsmanagementsysteme (QMS). Beinhaltet Anforderungen, um kontinuierliche Verbesserung und Kundenzufriedenheit zu gewährleisten.

Details:

• Prozessorientierter Ansatz
• P-D-C-A-Zyklus (Plan-Do-Check-Act)
• Anforderungen an Dokumentation, Ressourcenmanagement, Produktrealisierung und kontinuierliche Verbesserung
• Externe Zertifizierungen durch akkreditierte Stellen notwendig
• Schwerpunkt auf Risikomanagement und Chancen

Risikomanagement in der Lieferkette

Definition:

Definieren, bewerten und mindern von Risiken in der Lieferkette

Details:

• Identifikation von Risiken: Ereignisse, die Lieferkette stören könnten
• Bewertung: Eintrittswahrscheinlichkeit und Schadensausmaß analysieren
• Minderung: Maßnahmen planen und implementieren
• Überwachung: Kontinuierliches Monitoring von Risikofaktoren
• Formeln: Risikowert = Eintrittswahrscheinlichkeit \times Schadensausmaß
• Strategien: Diversifikation von Lieferanten, Lagerhaltung, Versicherungen
• Tools: SWOT-Analyse, FMEA (Fehlermöglichkeits- und Einflussanalyse)

Industrie 4.0 und industrielle IoT-Lösungen

Definition:

Industrie 4.0 und industrielle IoT-Lösungen beschreiben die Digitalisierung und Vernetzung von Produktion und Logistik mittels moderner Informations- und Kommunikationstechnologien

Details:

• Industrie 4.0: Vierte industrielle Revolution, Integration von Cyber-Physische-Systeme (CPS) in Industrie
• IoT (Internet of Things): Vernetzung physischer Objekte über Internet
• Ziele: Effizienzsteigerung, Flexibilität, Selbstoptimierung
• Schlüsseltechnologien: Sensoren, Aktoren, Edge Computing, Cloud Computing, Big Data Analytics, Künstliche Intelligenz
• Vorteile: Echtzeit-Datenanalyse, vorausschauende Wartung, verbesserte Qualität
• Herausforderungen: Datensicherheit, Standardisierung, hohe Implementierungskosten

Künstliche Intelligenz und maschinelles Lernen in der Industrie

Definition:

KI und ML beziehen sich auf Technologien und Methoden, die Maschinen und Computersystemen die Fähigkeit verleihen, aus Daten zu lernen und intelligente Entscheidungen zu treffen.

Details:

• Anwendungen in der Industrie: Automatisierung, Qualitätskontrolle, prädiktive Wartung
• Vorteile: Effizienzsteigerung, Kostenreduktion, Verbesserung der Produktqualität
• Wichtige Algorithmen: Entscheidungsbäume, neuronale Netze, Clusterverfahren
• Implementierung: Datenvorbereitung, Modelltraining, Evaluation und Deployment
• Herausforderungen: Datenqualität, Interpretierbarkeit der Modelle, ethische Bedenken

Prozesse und Methoden des Innovationsmanagements

Definition:

Innovationsmanagement umfasst Prozesse und Methoden zur Förderung und Umsetzung neuer Ideen in Unternehmen.

Details:

• Innovationsprozess: Ideengenerierung, Ideenbewertung, Konzeptentwicklung, Prototyping, Markteinführung.
• Methoden der Ideengenerierung: Brainstorming, Mind-Mapping, Szenario-Technik.
• Bewertungsmethoden: Nutzwertanalyse, SWOT-Analyse.
• Prototyping: Rapid Prototyping, MVP (Minimum Viable Product).
• Agile Methoden: Scrum, Kanban.
• Technologie-Roadmapping: Zeitplanung für Technologieentwicklungen und Markteinführungen.
• Key Success Factors: Innovationskultur, Management-Support, Ressourcenallokation, Markt- und Technologieverständnis.