Logistics-Oriented Production Configuration Using the Example of MRO Service Providers

Mütze, Alexander; Lucht, Torben; Nyhuis, Peter

doi:10.1109/access.2022.3146420

Cited by 9 publications

(6 citation statements)

References 54 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Die vier Ebenen der Produktionskonfiguration (i. A. an [4]) sind und somit falsche Schlussfolgerungen gezogen werden könnten.…”

Section: Wissenschaftlicher Stand Der Forschungunclassified

“…unternehmensinternen Lieferkette und gegenläufige Bereichsinteressen sowie Anreizsysteme für die einzelnen Akteure behindert [2,3]. Um dem entgegenzuwirken, muss das Gesamtsystem der Produktionsplanung und -steuerung (PPS) auf die logistischen Zielgrößen ausgerichtet werden [4]. Einen möglichen Ansatz zur Betrachtung einer solchen Strukturierung der unternehmensinternen Lieferkette bietet das Hannoveraner Lieferkettenmodell (HaLiMo) [5] Wirkzusammenhänge sich bereits ebenfalls skizzieren lassen [11].…”

Section: Introductionunclassified

“…Zu einem besseren Verständnis ist daher auf die vier Ebenen der Produktionskonfiguration (Bild 1) nach Mütze et al zu verweisen [4]. Hier wird eine ganzheitliche Betrachtung der Produktionskonfiguration und damit auch die gezielte PPS-Konfiguration in den Vordergrund gestellt.…”

Section: Introductionunclassified

“…Außerdem wird aufgezeigt, welche Verknüpfungen der einzelnen Ebenen untereinander vorliegen (begonnen bei der Strategischen Ebene bis hin zur Operativen Ebene). Mittels eines Regelkreises soll bei diesem konzeptionellen Modell sichergestellt werden, dass die Produktionskonfiguration und somit auch die PPS-Konfiguration der Gesamtzielerreichung und den gesetzten Vorgaben dienlich ist [4]. Denn erst wenn auch die Kernprozesse Beschaffung, Produktion und Versand einheitlich definiert sind, ist eine strategische Betrachtung sowie die optimal darauf ausgerichtete PPS als sinnvoll einzustufen.…”

Section: Introductionunclassified

See 3 more Smart Citations

Konfiguration der PPS

Hillnhagen

Schulz

Mütze

et al. 2022

Zeitschrift Für Wirtschaftlichen Fabrikbetrieb

Self Cite

View full text Add to dashboard Cite

Bekannte Rahmenwerke der Produktionsplanung und -steuerung (PPS), wie das Aachener PPS-Modell oder das Hannoveraner Lieferkettenmodell (HaLiMo), sind integrierte produktionslogistische Modelle, die Unternehmen für die Konfiguration ihrer eigenen PPS eine entscheidende Grundlage liefern. Dennoch entstehen bei der Verknüpfung von Theorie und Praxis häufig Irritationen in der zielorientierten Handhabung der Modelle. Mit diesem Beitrag soll eine Brücke zwischen der Theorie und Praxis gebaut werden. Ziel ist es, einen Abgleich der bereits existierenden PPS-Konfiguration in produzierenden Unternehmen mit theoretisch fundierten PPS-Modellen mittels Interviews zu ermöglichen, um die in der Wissenschaft erforschten Erkenntnisse und Potenziale in die Praxis zu übertragen. Hierdurch werden Unternehmen befähigt ihre Konfiguration der PPS nachhaltig zu verbessern und an ihren individuellen Zielgrößen auszurichten.

show abstract

“…Die vier Ebenen der Produktionskonfiguration (i. A. an [4]) sind und somit falsche Schlussfolgerungen gezogen werden könnten.…”

Section: Wissenschaftlicher Stand Der Forschungunclassified

Section: Introductionunclassified

See 2 more Smart Citations

Konfiguration der PPS

Hillnhagen

Schulz

Mütze

et al. 2022

Zeitschrift Für Wirtschaftlichen Fabrikbetrieb

Self Cite

View full text Add to dashboard Cite

show abstract

“…On-time delivery of order-related products is a key success factor for companies. Ensuring a high level of delivery reliability remains a top priority for manufacturers and, along with costs and quality, is among the most important prerequisites for a successful standing in global competition [1][2][3][4]. Along the order fulfilment process, planned times for the throughput are used for different means.…”

Section: Introductionmentioning

confidence: 99%

Throughput Time Predictions Along the Order Fulfilment Process

Hiller,

Demke,

Nyhuis

2024

IEEE Access

Self Cite

View full text Add to dashboard Cite

Planned times for the throughput of production are key components to production planners for determining delivery dates with customers, capacity planning, scheduling and order coordination. While traditional estimation methods often rely on basic statistics and expert knowledge, data mining respectively machine learning offers the potential to compute more precise predictions for order-specific planned throughput times. Factors that lead to deviations from the plan are diverse and thus challenging to consider in the various production planning tasks along the order fulfilment process. Intelligent throughput time predictions promise a remedy. Yet, predictive models are often not designed to be practically applicable due to a lack of consideration of the various characteristics of each stage of the order fulfilment process. To address this gap, this paper takes a closer look at the prediction of throughput times for the various stages of order fulfilment. Based on the Cross Industry Standard Process for Data Mining, the characteristics of the individual steps to build a prediction model are elaborated with a focus and business and data understanding and then examined in a case study. From that, practical implications are derived and guidance for practitioners is given. A key finding is that predictions are less accurate in the early stages of order fulfillment. Prediction quality naturally enhances over time, since more and more order details are known. In conclusion, an iterative prediction process with an evolving database ensures good prediction quality, especially in the late stages of order fulfillment.

show abstract