Verknüpfung von Datenwissenschaft mit Lean-Produktion: ein Modell zur Unterstützung von Lean-Praktiken

Die Literatur diskutiert Datenwissenschaft (DS) als ein sehr vielversprechendes Set von Techniken und Werkzeugen zur Unterstützung von Lean-Produktion (LP) Praktiken. DS könnte Fertigungsunternehmen dabei helfen, massive Echtzeitdaten in sinnvolles Wissen umzuwandeln, die Transparenz der Prozesse und die Produktqualitätsinformationen zu erhöhen und Verbesserungsaktivitäten durch datengestützte Entscheidungsfindung zu unterstützen. Es wurde jedoch in der Literatur kein Versuch unternommen, die Verbindungen zwischen DS und LP-Praktiken zu formalisieren. Daher zielt diese Studie darauf ab, diese Lücke zu schließen, indem die DS-Techniken und -werkzeuge, die LP-Praktiken unterstützen können, und deren Anwendung geklärt werden. Diese Studie verwendet eine quantitative bibliometrische Methode – spezifisch eine Analyse des Co-Occurrence-Netzwerks von Schlüsselwörtern – auf einer Menge von Artikeln, die aus Scopus extrahiert wurden. Die erzielten Ergebnisse ermöglichten es den Forschern, eine Reihe von DS-Techniken und -werkzeugen zu identifizieren, die LP-Praktiken unterstützen können, und ein Modell zu entwickeln, um deren Implementierung basierend auf den typischen Implementierungsphasen des Plan-Do-Check-Act-Zyklus zu leiten. Das Modell zeigt, wie DS-Techniken und -werkzeuge in LP verwendet werden können, um: Bereiche für Verbesserungen zu identifizieren und die anschließende Implementierung zu planen; ein besseres Wissens- und Prozessmanagement zu ermöglichen (do); potenzielle Probleme zu identifizieren/prognostizieren und statistische Prozesskontrolle anzuwenden (check); Abhilfemaßnahmen bereitzustellen und Prozessverbesserungen effektiv anzuwenden (act).