Prventive Schwachstellenanalytik mit Methodenzuweisung zur Produktivittsoptimierung von Fertigungs

Unternehmen jeder Branche und Gre bieten hohes Potenzial zur Produktivittssteigerung in den Fertigungsbereichen. Im Laufe dieser Arbeit wird aufgezeigt, wie mit einer ganzheitlichen Schwachstellenanalytik und passender Zuweisung von anzuwendenden Methoden zur Schwachstellenbeseitigung, Potenziale der Produktivittssteigerung identifiziert und erreicht werden knnen. Digitalisierung und vornehmlich Knstliche Intelligenz helfen dabei als untersttzende Kraft. Im Aufbau startet diese Dissertation zunchst mit Begriffsdefinitionen zum detaillierteren Verstndnis der Schwachstellenanalytik. Im weiteren Verlauf wird eine Struktur betrieblicher Schwachstellen erarbeitet, ergnzt durch einen entsprechenden Kennzahlenkatalog sowie Methodenkatalog. Dabei wird ein erhebliches Mengengerst erkennbar: Die Erarbeitung einer grundlegenden Struktur betrieblicher Schwachstellen zeigt einen Schwachstellenkatalog mit 297 potenziellen Schwachstellen, der Kennzahlenkatalog beinhaltet 264 bekannte Kennzahlen und der Methodenkatalog enthlt 551 verschiedene Methoden. Die Erforschung und Evaluation der Schwachstellenanalytik erfolgte anhand eines exemplarischen Stanzkontaktes. Die grundlegende Prozessfhigkeit wurde besttigt. Anschlieend wurden gezielt Korrelationen untersucht und eine Ampelprognose entwickelt. Die Verifizierung erfolgte mittels eines erneuten Datensets desselben Produktes. Die Schwachstellenanalytik wurde in ihren Grundzgen mathematisch formuliert. Die Erprobung anhand eines Montage-Prozesses besttigte die Reproduzierbarkeit und Funktionalitt der Schwachstellenanalytik. Letztlich knnen erhebliche Produktivittspotenziale belegt und so der Mehrwert der Schwachstellenanalytik zur Modellverfeinerung von Machine Learning in Fertigungsbereichen besttigt werden.