h1

000849648 001__ 849648
000849648 005__ 20230328151926.0
000849648 0247_ $$2Laufende Nummer$$a41383
000849648 0247_ $$2datacite_doi$$a10.18154/RWTH-2022-06937
000849648 0247_ $$2HBZ$$aHT021456936
000849648 037__ $$aRWTH-2022-06937
000849648 041__ $$aEnglish
000849648 082__ $$a330
000849648 1001_ $$0P:(DE-82)IDM03031$$aHeuser, Patricia$$b0$$urwth
000849648 245__ $$aEmployee skill development in manufacturing: consequences of learning and forgetting on production planning and task scheduling$$cvorgelegt von Patricia Heuser$$honline
000849648 260__ $$aAachen$$bRWTH Aachen University$$c2022
000849648 300__ $$a1 Online-Ressource : Illustrationen, Diagramme
000849648 3367_ $$02$$2EndNote$$aThesis
000849648 3367_ $$0PUB:(DE-HGF)11$$2PUB:(DE-HGF)$$aDissertation / PhD Thesis$$bphd$$mphd
000849648 3367_ $$2BibTeX$$aPHDTHESIS
000849648 3367_ $$2DRIVER$$adoctoralThesis
000849648 3367_ $$2DataCite$$aOutput Types/Dissertation
000849648 3367_ $$2ORCID$$aDISSERTATION
000849648 500__ $$aVeröffentlicht auf dem Publikationsserver der RWTH Aachen University
000849648 502__ $$aDissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2022$$bDissertation$$cRheinisch-Westfälische Technische Hochschule Aachen$$d2022$$gFak08$$o2022-06-10
000849648 5203_ $$aDer Druck auf produzierende Unternehmen nimmt stetig zu. Während globale Märkte für mehr Konkurrenz sorgen, verändern der technische Fortschritt und die Digitalisierung bestehende Produktionsprozesse. Endverbraucher neigen dazu Konsumgüter schneller zu ersetzen und fordern mehr Möglichkeiten, um neue Produkte individuell an ihre Bedürfnisse anzupassen. Diese Trends zwingen Unternehmen dazu in die Entwicklung neuer Produkte zu investieren und diese in immer kürzerer Zeit auf den Markt zu bringen. Das wiederum hat zur Folge, dass die Einführung neuer Produktionslinien und damit verbundene Produktionsanläufe häufiger auftreten und vermehrt in den Fokus der Unternehmen rücken. Hierbei bietet ein aktives und effizientes Anlaufmanagement potentielle Wettbewerbsvorteile. Diese sogenannte Ramp-Up Phase der Produktion zeichnet sich auf der einen Seite durch Unsicherheiten, nicht zuletzt der Nachfrage, sowie ein geringes Produktionsvolumen aus. Auf der anderen Seite stehen hohe Verkaufspreise, die bei der Markteinführung erzielt werden können, dem gegenüber. Die Einführung neuer Produktionsprozesse, aber auch die Veränderung bestehender Arbeitsabläufe durch die Digitalisierung von Prozessen oder den Einsatz neuer Fertigungsmaschinen, haben insbesondere einen Einfluss auf die Mitarbeiterkompetenzen. Die Mitarbeiter benötigen Zeit, um sich auf neue Tätigkeiten einzustellen damit sie diese effizient durchführen können. Daher ist es essentiell, dass Firmen die Entwicklung ihrer Mitarbeiter durch ein zielgerichtetes Kompetenzmanagement unterstützen. Die vorliegende Dissertation analysiert den Einfluss von Kompetenzmanagement auf produzierende Unternehmen. In diesem Zusammenhang stellen Forschungspublikationen und Methoden aus dem Bereich Operational Research und Management Science den Hauptfokus dieser Arbeit dar. Eingeleitet wird die Doktorarbeit durch eine Darstellung der übergreifenden Forschungsfrage sowie des zugrundeliegenden Forschungsmodels. Zudem werden die Treiber und Motivation hinter den vier einzelnen Forschungspapieren gemeinsam mit den wesentlichen Resultaten und Limitationen herausgearbeitet. Im Rahmen einer strukturierten Literaturanalyse vermitteln die ersten beiden Forschungsartikel einen Überblick über den Stand der Forschung. Die in der Analyse enthaltenen Publikationen sind in unterschiedliche Themenbereiche gegliedert. Zum einen werden die Ergebnisse empirischer Studien sowie deren Umsetzung in mathematischen Modellen von Lern- und Vergessenskurven dargestellt. Zum anderen werden verschiedene Stadien der Produktionsplanung, die von Mitarbeiterkompetenzen beeinflusst werden, aufgezeigt. Diese umfassen die Schaffung neuen Wissens, das Produktdesign, die Planung von Produktionsstätten sowie Einstellungs- und Trainingsentscheidungen in Bezug auf Mitarbeiter. Während der erste Artikel eine ganzheitliche Betrachtung verschiedener Produktionsszenarien anstrebt, liegt der Fokus des zweiten Artikels auf dem Bereich Machine Scheduling. Motiviert durch die Vielzahl an Forschungsbeiträgen, die Lerneffekte mit Machine Scheduling Problemen in Verbindung bringen, zielt der dritte Artikel auf eine Forschungslücke ab, die im Rahmen der Literaturanalyse aufgedeckt wurde. Zu diesem Zweck wird ein Lerneffekt präsentiert, der ebenfalls den Verlust von Wissen und Kompetenzen durch Vergessen berücksichtigt. Passend zu Trends der Mass Customization- also zunehmender Produktdiversität - werden unterschiedliche Produktkategorien auf einer gemeinsamen Produktionslinie gefertigt. Während Lerneffekte beim Fertigen ähnlicher Produkte auftreten, führen Unterbrechungen, bzw. der Wechsel zwischen Kategorien, zu Vergessenseffekten. Zusätzlich zum Lern- und Vergessensmodel werden in dem Forschungspapier Lösungsmethoden für die Zielfunktionen makespan und total completion time präsentiert. In einer Simulationsstudie wird die Performance der vorgestellten Lösungsvarianten gegen herkömmliche Methoden, die zur Optimierung von Lerneffekten genutzt werden, gebenchmarkt. Die Ergebnisse dieser Vergleichsstudie zeigen, wie wichtig es ist, nicht nur Lerneffekte, sondern auch den Einfluss von Vergessen in der Produktionsplanung zu berücksichtigen. Der gezielte Einsatz von Mitarbeitertrainings erlaubt es, eine flexible Belegschaft zu schaffen, die auf neue Kundenwünsche und Nachfrageschwankungen dynamisch reagieren kann. Zudem kann durch den Einsatz unterschiedlicher Aufgabenfelder Ermüdungserscheinungen von Mitarbeitern entgegengewirkt und somit Vergessenseffekte reduziert werden. Da neben Lern- und Vergessenseffekten auch Training ein Haupttreiber für die Entwicklung von Mitarbeiterfähigkeiten und -kompetenzen ist, betrachtet der letzte Artikel alle drei Effekte gemeinsam. Dabei stehen die Auswirkungen von budgetierten Trainingsmöglichkeiten im Vergleich zu einer flexiblen Verfügbarkeit im Fokus. Passend zur Ramp-Up Phase werden verschiedene Produktionsszenarien mit Nachfrageschwankungen sowie unterschiedlichen Mitarbeiterkapazitäten und -fähigkeiten betrachtet. Die Ergebnisse der Studie zeigen, dass ein flexibler Einsatz von Trainingsmethoden sowohl in Bezug auf die zeitliche als auch die mengenmäße Verfügbarkeit Vergessenseffekten entgegenwirken kann. Außerdem ist es möglich, mit weniger Trainingseinheiten vergleichbare Kompetenzlevel von Mitarbeitern zu erreichen, sofern diese flexibel und passgenau eingesetzt werden können. Diese Effekte werden durch Nachfrageschwankungen und geringe Produktionskapazitäten verstärkt. Zusammengefasst liefert diese Dissertation einen Überblick über die Einflüsse von Kompetenzmanagement in der Produktion. Dabei wird ein besonderer Fokus auf Lern- und Vergessenseffekte für Machine Scheduling Probleme gelegt. Schließlich wird der gemeinsame Einfluss von Lernen, Vergessen und Training auf die Kompetenzentwicklung von Mitarbeitern im Produktionsanlauf analysiert.$$lger
000849648 520__ $$aThe pressure on manufacturing companies is increasing with global competition, technical advances in production technology, and increasingly changing individual customer wishes. Product life cycles are decreasing, forcing companies to invest in new product developments, which results in production ramp-ups. Actively and efficiently managing the ramp-up phase of production with its inherent uncertainties may yield a competitive advantage for companies. High demand variation, high prices paid for newly introduced products, and a workforce that needs to get accustomed to the new production processes characterize this phase of low capacity utilization. Especially during the ramp-up phase, managing employees' competence development is of utmost importance. In addition, the digitization and the automation of production are changing the competencies required for production as well as the responsibilities placed on employees. Therefore, the adjusting and the maintaining of the worker's skill portfolios have become crucial factors of success. This dissertation analyzes the impact of human competence management on manufacturing production. In this context publications and methods from the fields of operational research and management science are the main focus. For this purpose, four individual research papers analyze different aspects of competence management in production. These research articles, which form the second part of the dissertation, are guided by a first introductory part. This introduction connects the articles in an overarching research model and question to provide a larger picture. In this vein, the drivers motivating this dissertation as well as the methods utilized to address the research questions and the article's key findings, together with their implications and limitations, are described. First, an overview of the extent to which competence management is already covered by the literature is presented in order to guide researchers and practitioners alike. Therefore, structured literature reviews are conducted in Research Paper 1 and Research Paper 2. The publications are clustered to make the state of research in the different areas easily accessible. One stream of literature focuses on empirical results and their manifestation in mathematical models as well as learning and forgetting curves. The underlying dynamics further impact different stages of organizational planning and therefore form the base for different optimization and planning models. Human competencies and their target-oriented development influence strategic as well as operational shop floor decisions. For organizational decisions, the influence of competencies accompanies production decisions from creating new knowledge and product designs to planning the production plant, timing implementing changes, and selecting as well as training the workforce. On an operational level, individual production environments are affected differently by aspects of competence management. Therefore, for the areas of assembly line balancing, cellular manufacturing, economic order quantity, machine scheduling, and worker assignment, the differences are elaborated together with gaps in the existing research. Motivated by the variety of literature on machine scheduling, which presents several different learning effects while mostly neglecting forgetting effects and training approaches, the results from this field are analyzed more closely. On the one hand, a survey article Research Paper 2 is presented that moreover introduces a unified notation. On the other hand, a new processing time effect incorporating learning and forgetting into single machine scheduling is introduced in Research Paper 3. This effect addresses a research gap identified in the second article by including an interruption-based forgetting effect in processing times. This effect further accounts for mass customization developments and shared production lines by assessing different product categories. Hereby, the paper aims to address a second gap in research that concerns ramp-up management for small batch production. Solution methods addressing two relevant objective functions, the makespan and the total completion time, allow the inclusion of forgetting effects in scheduling problems. A computational study benchmarks the results of a combination of different heuristics against the standard solution method utilized when learning effects are considered. The results emphasize the importance of including forgetting effects in production planning. Different studies highlight the importance of training measures: for example, to gain a flexible workforce, to react to demand volatility and altering customer wishes, or to reduce employees' boredom and to counter forgetting. Since training, besides learning and forgetting, is a main driver of employee development, Research Paper 4 sheds light on the interplay of these concepts. Precisely, the effect of budgeting the available training measures on employee's skill development is analyzed in a production environment with variable employee capacities, different levels of demand volatility, as well as task and worker heterogeneity. Results indicate that flexible training concepts, characterized by an all-time availability of training measures to employees, foster the skill development of employees. In particular, the total amount of training measures necessary to achieve a comparable level of skills at the end of the planning horizon is higher if training measures are budgeted. In the same manner, the amount of knowledge forgotten increases when budgeting is employed. These negative effects on the workforce's skills are amplified by demand volatility and limited employee capacity. In a nutshell, the dissertation initially provides a holistic overview of competence management in production. It later focuses on machine scheduling by introducing and evaluating a forgetting effect, and it closes by analyzing the mediating effect of training on learning and forgetting effects summarized in employees' skill development.$$leng
000849648 591__ $$aGermany
000849648 653_7 $$acompetence management
000849648 653_7 $$aforgetting
000849648 653_7 $$alearning
000849648 653_7 $$amachine scheduling
000849648 653_7 $$aproduction planning
000849648 653_7 $$atraining
000849648 7001_ $$0P:(DE-82)IDM00274$$aLetmathe, Peter$$b1$$eThesis advisor$$urwth
000849648 7001_ $$aVossen, Thomas$$b2$$eThesis advisor
000849648 7870_ $$0RWTH-2022-03522$$iRelatedTo
000849648 8564_ $$uhttps://publications.rwth-aachen.de/record/849648/files/849648.pdf$$yOpenAccess
000849648 8564_ $$uhttps://publications.rwth-aachen.de/record/849648/files/849648_source.zip$$yRestricted
000849648 909CO $$ooai:publications.rwth-aachen.de:849648$$popenaire$$popen_access$$pVDB$$pdriver$$pdnbdelivery
000849648 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM03031$$aRWTH Aachen$$b0$$kRWTH
000849648 9101_ $$0I:(DE-588b)36225-6$$6P:(DE-82)IDM00274$$aRWTH Aachen$$b1$$kRWTH
000849648 9141_ $$y2022
000849648 915__ $$0StatID:(DE-HGF)0510$$2StatID$$aOpenAccess
000849648 9201_ $$0I:(DE-82)812110_20140620$$k812110$$lLehrstuhl für Controlling$$x0
000849648 961__ $$c2022-07-26T12:06:43.930289$$x2022-07-12T18:25:58.147718$$z2022-07-26T12:06:43.930289
000849648 9801_ $$aFullTexts
000849648 980__ $$aI:(DE-82)812110_20140620
000849648 980__ $$aUNRESTRICTED
000849648 980__ $$aVDB
000849648 980__ $$aphd