Publisher's Synopsis
Wahrend der vergangenen Jahre erhielten zunehmend Fahrzeuge mit alternativen Antriebskonzepten Einzug in die Produktionshallen der Automobilhersteller. Jene Gegebenheit trug neben dem Anstieg des Individualisierungspotenzials der angebotenen Fahrzeuge zu einem Varianten- und Komplexitatsanstieg in den Montagelinien bei. Aufgrund seiner Fahigkeiten und Fertigkeiten ist der Mensch nach wie vor ein entscheidender Faktor beim Zusammenbau der einzelnen Fahrzeuge. Jedoch ist dieser nicht ganzlich frei von Fehlern, sodass teils kosten- und zeitintensive Nacharbeiten getatigt werden mussen, bevor ein voll funktionsfahiges sowie optisch makelloses Fahrzeug dem Kunden ubergeben werden kann. Im Zuge der vierten industriellen Revolution gewinnen umfangreiche Datenanalysen unter Verwendung von Methoden des maschinellen Lernens zunehmend an Bedeutung, sodass teils Maschinenausfalle auf Basis von Sensordaten vorhergesagt werden. Inwieweit sich Prognosemodelle dazu eignen, Montagefehler im Automobilbau vorherzusagen und zu welchem Mass jene Vorhersagen zur einer Qualitats- und Effizienzsteigerung beitragen, wird in der vorliegenden Arbeit naher untersucht. Dabei liegt der Fokus vornehmlich auf Fehlern, welche wahrend des Montagedurchlaufes von den Monteuren verursacht werden und zusatzliche Nacharbeiten auslosen. Das Potenzial zur Nacharbeitsreduzierung dient als Mass zur Bewertung der Effizienzsteigerung.
