UdZ 01.25 / 51 wicklung und Validierung der Projektlösungen einbringen. Die bereitgestellten Auftrags- und Artikeldaten dienen als Grundlage für die Entwicklung der Funktionen zur Datenverarbeitung und -analyse. Als Ergebnis wird eine Open-Source-Bibliothek angestrebt, die Funktionen zur maschinellen, lernbasierten Reduzierung der Fertigungsprogrammvarianz bereitstellt. Diese soll KMU über eine permissive Lizenz sowie zu Test- und Übungszwecken in Form einer rudimentären Demo-Applikation zugänglich gemacht werden. Eine Minimierung der Fertigungsprogrammvarianz ist eine notwendige Voraussetzung für die Identifikation und Umsetzung varianzreduzierender Maßnahmen. Dies ermöglicht es, varianzinduzierte Komplexitätskostentreiber – wie geringe Losgrößen oder häufige Werkzeugwechsel – zu adressieren. Ziel ist es, das Spannungsfeld zwischen individueller Produktion (economies of scope) und Massenproduktion (economies of scale) zu entschärfen und dadurch die Wettbewerbsfähigkeit der Unternehmen nachhaltig zu stärken. Abiraam Kantharajah Literatur: Koether, R.; Meier, K.-J.: Lean Production für die variantenreiche Einzelfertigung. Flexibilität wird zum neuen Standard. 2., aktualis. u. überarb. Auflage. Springer Gabler, Wiesbaden 2020. Esmaeilian, B.; Behdad, S.; Wang, B.: The evolution and future of manufacturing: A review. In: Journal of Manufacturing Systems 39(2016)4, S. 79–100. DOI: 10.1016/j.jmsy.2016.03.001. Krause, D.; Gebhardt, N.: Methodische Entwicklung modularer Produktfamilien. Hohe Produktvielfalt beherrschbar entwickeln. Springer Vieweg, Berlin [u. a.] 2018. Müller, A. C.; Guido, S.: Introduction to machine learning with Python. A guide for data scientists. O'Reilly, Sebastopol (CA) 2017. available to SMEs under a permissive license, accompanied by a basic demo application for testing and training purposes. Minimizing production program variance is essential for identifying and implementing measures to reduce it. This makes it possible to address variance-induced complexity cost drivers - such as small batch sizes or frequent tool changes. The aim is to reduce the tension between custom production (economies of scope) and mass production (economies of scale), ultimately strengthening the longterm competitiveness of companies. Abiraam Kantharajah This pre-competitive project was funded by the Federal Ministry for Economic Affairs and Climate Action with IGF funds. Project Title: PrEvelOp – Production – Development – Optimization: Reduction of manufacturing program variance using data-based similarity analysis to increase the profitability of SMEs Funding/Promoters: Federal Ministry for Economic Affairs and Climate Action (BMWK), Projektträger im DLR Funding no.: 01IF22649 N Duration: 01.05.2023 – 31.12.2024 Research Partner: C.A.PICARD®, ESSERTEC GMBH, exprobico, mk Plast GmbH & Co. KG, myOpenFactory Software GmbH, Ortlinghaus-Werke GmbH, SIMUFORM Search Solutions GmbH, simus systems GmbH, STURM® INDUSTRIES, Wulf Zargen GmbH & Co.KG Website: prevelop.fir.de Abiraam Kantharajah, M.Sc. Project Manager Research Unit Information Management FIR e. V. an der RWTH Aachen Phone: +49 163 3152523 Email: Abiraam.Kantharajah@fir.rwth-aachen.de Open Access: Dieser Artikel wird unter der Creative-Commons-Lizenz „Share Alike 4.0 International – Weitergabe unter gleichen Bedingungen 4.0 International” (CC BY-SA 4.0) veröffentlicht. PREVELOP Production – Development – Optimization
RkJQdWJsaXNoZXIy NzcyMw==