Kurzfassung
Die Regeneration komplexer Investitionsgüter ist mit einem hohen Grad an Unsicherheit behaftet. Da nicht alle Schäden bzw. der daraus resultierende Regenerationsaufwand im Voraus bekannt sind, steht neben der Angebotskalkulation auch die Kapazitätsplanung vor Herausforderungen. Mittels Bayes'scher Netze werden Prognosen erstellt, um den Aufwand in Regenerationsprozessen abzuschätzen. Unter Verwendung mathematischer Modelle erfolgt eine Optimierung der Auftragsannahme sowie der Kapazitätsplanung.
Abstract
The regeneration of complex investment goods is associated with a high degree of uncertainty. Since the conditions of those investment goods and the resulting maintenance costs are not known in advance, both pricing as well as capacity planning face special challenges. Using information fusion in the form of Bayesian networks provides forecasts to estimate the effort in maintenance processes. Mathematical models are used to optimize the order acceptance and capacity planning.
References
1. Internetseite des SFB 871: http://www.sfb871.de/ [Abrufdatum: 10.10.2012]Search in Google Scholar
2. Reményi, C.; Staudacher, S.: MRO: Organisation der Produktion sowie von Produktionsplanung und -steuerung. wt Werkstattstechnik online101 (2011) 4, S. 242–248Search in Google Scholar
3. Reményi, C.; Staudacher, S.; Holzheimer, N.; Schulz, S.: Simulation von Reihenfolgeregeln in einem Triebwerkswartungsunternehmen. Productivity Management16 (2011) 1, S. 16–19Search in Google Scholar
4. Supply Chain Council: SCOR – Supply Chain Operations Reference Model Version 9.0. Supply Chain Council, Cypress2008Search in Google Scholar
5. Eickemeyer, S. C.; Doroudian, S.; Schäfer, S.; Nyhuis, P.: Ein generisches Prozessmodell für die Regeneration komplexer Investitionsgüter. ZWF106 (2011) 11, S. 861–866Search in Google Scholar
6. Eickemeyer, S. C.; Gossmann, D.; Wesebaum, S.; Nyhuis, P.: Entwicklung einer Schadensbibliothek für die Regeneration komplexer Investitionsgüter. Industrie Management28 (2012) 2, S. 58–61Search in Google Scholar
7. Eickemeyer, S. C.; Borcherding, T.; Nyhuis, P.: Information Fusion as a Means of Forecasting Expenditures for Regenerating Complex Investment Goods. International Journal of Mechanical and Industrial Engineering (2012) 6, S. 179–182Search in Google Scholar
8. Helber, S.; Herde, F.; Hille, R.: Regeneration ziviler Flugzeugturbinentriebwerke. Internationales Verkehrswesen (2012) 2, S. 65–68Search in Google Scholar
9. Klein, R.: Revenue Management: Quantitative Methoden zur Erlösmaximierung in der Dienstleistungsproduktion. Betriebswirtschaftliche Forschung und Praxis53 (2001), S. 245–259Search in Google Scholar
10. Hintsches, A.; Spengler, T.; Volling, T.; Wittek, K.; Priegnitz, G.: Revenue Management in Make-to-Order Manufacturing: Case Study of Capacity Control at ThyssenKrupp VDM. BuR - Business Research3 (2010) 2, S. 173–19010.1007/bf03342721Search in Google Scholar
11. Volling, T.; Matzke, A.; Spengler, T.: Potenziale für die Automobilproduktion – Beitrag von Revenue-Management-Instrumenten zur Steigerung des Deckungsbeitrags bei kundenindividueller Automobilproduktion. Productivity Management17 (2012) 1, S. 20–23Search in Google Scholar
12. Spengler, T.; Volling, T.; Hintsches, A.: Integration von Revenue Management Konzepten in die Auftragsannahme – konkretisiert für Unternehmen der eisen- und stahlerzeugenden Industrie. ZfB-Special Issue (2008) 4, S. 125–151Search in Google Scholar
© 2012, Carl Hanser Verlag, München
