- AutorIn
- Thomas Reuter Institut Chemnitzer Maschinen- und Anlagenbau e.V
- Kristin MassalskyInstitut Chemnitzer Maschinen- und Anlagenbau e.V.
- Thomas BurkhardtInstitut Chemnitzer Maschinen- und Anlagenbau e.V.
- Titel
- Konzeptentwicklung für das Qualitätsmanagement und der vorausschauenden Instandhaltung im Bereich der Innenhochdruck-Umformung (IHU)
- Untertitel
- SFU 2023
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-902706
- Konferenz
- 29. Sächsische Fachtagung Umformtechnik. Dresden, 27.11. - 28.11.2023
- Quellenangabe
- 29. Sächsische Fachtagung Umformtechnik
Verlag: Technische Universität Dresden
Erscheinungsjahr: 2023
Artikelnummer: 24 - DOI
- https://doi.org/10.25368/2024.10
- Abstract (DE)
- Serienfertiger im Bereich der Innenhochdruck-Umformung stehen unter starkem Wettbewerbsdruck alternativer klassischer Fertigungen und deren Kostenkriterien. Wechselnde Produktionsanforderungen im globalisierten Marktumfeld erfordern flexibles Handeln bei höchster Qualität und niedrigen Kosten. Durch Reduzierung der Lager- und Umlaufbestände können Kosteneinsparungen erzielt werden. Störungsbedingte Ausfälle an IHU-Anlagen gilt es dabei auf ein Minimum zu reduzieren, um die vereinbarten Liefertermine fristgerecht zu erfüllen und Konventionalstrafen zu umgehen. Die erforderliche Produktivität und das angestrebte Qualitätsniveau lässt sich nur durch angepasste Instandhaltungsstrategien aufrechterhalten, weshalb ein Konzept für die vorausschauende Instandhaltung mit integriertem Qualitätsmanagement speziell für den Bereich der IHU erarbeitet wurde. Dynamische Prozess- und Instandhaltungsanpassungen sind zentraler Bestandteil der Entwicklungsarbeit.
- Andere Ausgabe
- Link zur englischen Version des Beitrages.
Concept development for quality management and predictive maintenance in the area of hydroforming (IHU) - Freie Schlagwörter (DE)
- IHU, Machine-Learning-Algorithmen, Qualitätsmanagement, Predictive Maintenance, Geschäftsmodelle, virtuelle Technologieentwicklung
- Freie Schlagwörter (EN)
- IHU, machine learning algorithms, quality management, predictive maintenance, business models, virtual technology development
- Publizierende Institution
- Technische Universität Dresden, Dresden
- URN Qucosa
- urn:nbn:de:bsz:14-qucosa2-902706
- Veröffentlichungsdatum Qucosa
- 06.03.2024
- Dokumenttyp
- Konferenzbeitrag
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
CC BY-NC 4.0