Project Details
Projekt Print View

Development of a design model for enhancing data quality in production planning and control through the application of data mining methods

Applicant Professor Dr.-Ing. Günther Schuh, since 1/2017
Subject Area Production Systems, Operations Management, Quality Management and Factory Planning
Term from 2015 to 2018
Project identifier Deutsche Forschungsgemeinschaft (DFG) - Project number 277863437
 
Final Report Year 2018

Final Report Abstract

Zur Sicherstellung einer hohen Reaktionsfähigkeit bei steigender Komplexität in der Produktionsplanung und -steuerung nutzen produzierende Unternehmen bereits seit Jahren eine Reihe betrieblicher Informationssysteme. IT-Systeme müssen in diesem Zuge Zugriff auf aktuelle Bewegungsdaten aus der Produktion haben, um die notwendige Transparenz für Steuerungsentscheidungen gewährleisten zu können. Eine geforderte hohe Datenintegrität, also die Sicherstellung von vollständigen, konsistenten und korrekten Daten, wird regelmäßig nicht erfüllt. Bestehende Ansätze zur Sicherstellung einer hohen Datenintegrität reichen nicht aus, da sie entweder auf eine hohe Mitarbeiterdisziplin in Datenerhebung und -pflege angewiesen sind oder eines unverhältnismäßigen Aufwandes für die systemseitige Verhinderung falsch generierter Daten bedürfen. Ziel der erarbeiteten Methodik war daher die Steigerung der Datenintegrität in den Bewegungsdaten der PPS durch die Adaption und Anwendung fehlerspezifischer Heuristiken und statistischer Methoden aus dem Bereich des Data Mining. Im ersten Schritt wurde hierzu ein Erklärungsmodell zur Identifikation und Klassifikation von Fehlern und Inkonsistenzen in Bewegungsdaten der Produktionssteuerung abgeleitet. Darauffolgend wurden die zuvor identifizierten Fehler und Inkonsistenzen einer Priorisierung entsprechend ihrer Schadenserwartungswerte unterzogen, welche als Stellhebel der weiteren Gestaltungsphase dient. Ziel der Gestaltungsphase der Methodik ist die Steigerung der Datenintegrität in den Bewegungsdaten der PPS durch die Adaption und Anwendung fehlerspezifischer Heuristiken und statistischer Methoden aus dem Bereich des Data Mining. Geeignete Ansätze wurden hierbei durch Abgleich ihrer Eigenschaften sowie die fehlerspezifischen Klassifikationen ausgewählt und entsprechenden des Anwendungszusammenhangs adaptiert. Anhand des Fallbeispiels der Ortlinghaus-Werke GmbH als typisches Unternehmen des deutschen Maschinen- und Anlagenbaus wurden die beiden Phasen der entwickelten Methodik zur Steigerung der Datenintegrität validiert und die Implementierung in einem eigens entwickelten Softwaretool realisiert. Durch den Einsatz der Methodik konnte die Unsicherheit in der Entscheidungsfindung in der PPS erheblich reduziert werden und somit auch ein Beitrag zur besseren Einhaltung der bestätigten Kundentermine geleistet werden.

Publications

  • (2016). Improving data consistency in production control by adaptation of data mining algorithms. Procedia CIRP, 56, 545-550
    Reuter, C., Brambring, F., Weirich, J., & Kleines, A.
    (See online at https://doi.org/10.1016/j.procir.2016.10.107)
  • (2016). Improving data consistency in production control. Procedia CIRP, 41, 51-56
    Reuter, C. & Brambring, F.
    (See online at https://doi.org/10.1016/j.procir.2015.12.116)
  • (2016). WGP-Standpunkt Industrie 4.0. WGP, Wissenschaftliche Gesellschaft für Produktionstechnik
    Bauernhansl, T., Reinhard, G., Schuh, G., Krüger, J.
  • (2017). Increasing data integrity for improving decision making in production planning and control. CIRP Annals, 66(1), 425-428
    Schuh, G., Reuter, C., Prote, J. P., Brambring, F., & Ays, J.
    (See online at https://doi.org/10.1016/j.cirp.2017.04.003)
  • Steigerung der Datenintegrität in der Produktionssteuerung, Dissertation. Apprimus Verl.
    Felix Brambring
 
 

Additional Information

Textvergrößerung und Kontrastanpassung