Unterstützung der zeitbasierten Fertigung durch Mitarbeiterorientierung

  • Jörn-Henrik Thun
Chapter

Zusammenfassung

Nachdem in den letzten beiden Kapiteln die Praktiken der zeitbasierten Fertigung diskutiert und im Hinblick auf die Durchlaufzeit empirisch untersucht worden sind, fokussiert sich dieses Kapitel mit der Mitarbeiterorientierung auf ein fertigungsbezogenes Konzept, dessen Potenzial u.a. in der Unterstützung der zeitbasierten Fertigung besteht. Bevor das Konzept der Mitarbeiterorientierung bezüglich der zeitbasierten Fertigung näher analysiert wird, sollen länderspezifische Unterschiede anhand einer Clusteranalyse festgestellt werden. Diese Clusteranalyse stellt auch die Grundlage des daraufhin zu untersuchenden Zusammenhanges zwischen der Mitarbeiterorientierung und der zeitbasierten Fertigung dar. Im weiteren Verlauf des Kapitels wird der Gesamtzusammenhang mittels einer kanonischen Korrelationsanalyse gezeigt.

This is a preview of subscription content, log in to check access.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Referenzen

  1. 561.
    Die für die Faktorenanalyse verwendeten Fragen sind im Anhang aufgeführt. Vgl. Anhang, S. 212ff.Google Scholar
  2. 562.
    Vgl. zur Faktorenanalyse auch Backhaus, Klaus et al.: Multivariate Analysemethoden — Eine anwendungsorientierte Einführung, 9. Aufl., Berlin et al. 2000, S. 252ffGoogle Scholar
  3. 563.
    Vgl. zur Reliabilität und Validität die Ausführung in Kapitel C.II, S. 147f.Google Scholar
  4. 564.
    Bei der Durchführung der Clusteranalyse wird auch in diesem Fall auf das „Ward-Verfahren” unter Einbeziehung der quadrierten Euklidischen Distanzen zurückgegriffen, da so möglichst homogene Cluster entstehen.Google Scholar
  5. 565.
    Die zugrundeliegenden Werte des Mittelwertvergleichs sind im Anhang aufgeführt. Vgl. Anhang, S. 214.Google Scholar
  6. 566.
    Vgl. zur Diskriminanzanalyse Backhaus, Klaus et al.: Multivariate Analysemethoden, S. 145ff.Google Scholar
  7. 567.
    Die Werte für den Test der Gruppenmittelwerte sind im Anhang aufgeführt. Vgl. Anhang, S. 214.Google Scholar
  8. 568.
    Aufgrund einer zu geringen Anzahl von Werken in den Clustern, die nicht auf der Diagonalen liegen, ist hier ein Mittelwertvergleich aus statistischer Perspektive nicht sinnvoll.Google Scholar
  9. 569.
    Die mit dieser Vorgehensweise verbundene Datenverdichtung wird dabei im Sinne einer grafischen Veranschaulichbarkeit bewusst in Kauf genommen.Google Scholar
  10. 570.
    Die Gütekennzahlen der zugrundeliegenden Faktorenanalyse sind im Anhang aufgeführt. Vgl. Anhang, S. 214.Google Scholar
  11. 571.
    Da der den Ordinatenabschnitt determinierende Regressionskoeffizient aufgrund der Standardisierung der zugrundeliegenden Werte nur unerheblich von Null abweichen kann, wurde auf eine Berücksichtigung in der Geradengleichung verzichtet.Google Scholar
  12. 572.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 181. Bei Annäherung der Umhüllenden an einen Kreis besteht nahezu keine Kovarianz zwischen beiden Variablen.Google Scholar
  13. 573.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 180.Google Scholar
  14. 574.
    Vgl. Hoielling, Harold: Relations Between Two Sets of Variables, in: Biometrika, Vol. 28 (1936), S. 321–377.Google Scholar
  15. 575.
    Vgl. grundlegend zur Methode der kanonischen Korrelation Röhr, Michael: Kanonische Korrelationsanalyse — Theorie, Methodik, Anwendungen, Basic-Programme, Berlin, 1987, S. 11 ff.Google Scholar
  16. 576.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 607.Google Scholar
  17. 577.
    Vgl. für eine analoge “Vorgehensweise im „World Class Manufacaturing”-Projekt Sakakibara, Sadao et al.: The Impact of Just-In-Time Manufacturing and Its Infrastructure on Manufacturing Performance, S. 1252ff.Google Scholar
  18. 578.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 608. Vgl. für eine formale Beschreibung der Vorgehensweise Hartung, Joachim und Bärbel Elpelt: Multivariate Statistik, S. 172f.Google Scholar
  19. 579.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 611.Google Scholar
  20. 580.
    Der Unterschied zum Korrelationswert von R = 0,74 der im vorangegangenen Kapitel durchgeführten Regressionsanalyse ergibt sich daraus, dass dort beide Faktoren unabhängig voneinander gebildet wurden, hier jedoch für den Gesamtzusammenhang maximale Korrelation bei der Generierung beider Faktoren erzeugt werden sollte. Vgl. Kapitel D.II.l, S. 182.Google Scholar
  21. 581.
    Die Varianz ergibt sich aus der Summe der quadrierten Ladungen der Kriteriumsvariablen und errechnet sich demnach gemäß: (math) wobei cj für die Ladung der Variable j der n Kriteriumsvariablen steht. Es sei nochmals darauf hingewiesen, dass die kanonischen Korrelation sukzessiv die maximale Kovarianz zwischen dem Prädiktorfaktor und dem Kriteriumsvarianz erklärt, nicht aber die sukzessive Varianz. Auf die Berechnung der Kriteriumsvarianz kann hier jedoch nicht verzichtet werden, da sie zur Ermittlung der Redundanzmaße verwendet wird.Google Scholar
  22. 582.
    Vgl. zum Begriff des Redundanzmaßes Röhr, Michael: Kanonische Korrelationsanalyse, S. 89f.Google Scholar
  23. 583.
    Vgl. Cohen, Jacob: Set correlation as a general multivariate data-analytic method, in: Multivariate Behavioral Research, Vol. 17 (1982), S. 301ff. Vgl. für andere Maße für den Gesamtzusammenhang Röhr, Michael: Kanonische Korrelationsanalyse, S. 95f.Google Scholar
  24. 584.
    Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 611.Google Scholar
  25. 585.
    Die Ladung aij der Variablen i auf den Faktor j ist mit der Korrelation rij zwischen der ursprünglichen Variablen i und einem Faktor j identisch. Vgl. Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 524.Google Scholar
  26. 586.
    Vgl. zu dieser Vorgehensweise Bortz, Jürgen: Statistik für Sozialwissenschaftler, S. 615.Google Scholar
  27. 587.
    Vgl. Röhr, Michael: Kanonische Korrelationsanalyse, S. 127.Google Scholar
  28. 588.
    Auf die Darstellung der Kreuzladungen der Kriteriumsvariablen auf den Prä-diktorfaktor wurde an dieser Stelle aus Gründen der Übersichtlichkeit verzichtet.Google Scholar
  29. 589.
    Lediglich zwei Mittelwertvergleiche sind hinsichtlich der Signifikanz auf einem Niveau mit einer Irrtumswahrscheinlichkeit von p < 0,05.Google Scholar
  30. 590.
    Alle Mittelwertvergleiche sind, abgesehen vom Mittelwertvergleich zu den Stückkosten, mindestens auf einem Signifikanzniveau von p < 0,1.Google Scholar
  31. 591.
    Bockerstette, Joseph A. und Richard L. Shell. Time-based Manufacturing, S. 255.Google Scholar
  32. 592.
    Vgl. Milling, Peter: Systemtheoretische Grundlagen zur Planung der Unternehmenspolitik, Berlin 1981, S. 91ff. und Milling, Peter: Kybernetische Überlegungen beim Entscheiden in komplexen Systemen, in: Milling, Peter (Hrsg.): Entscheiden in komplexen Systemen, Berlin 2002, S. 11f.Google Scholar
  33. 593.
    Vgl. zum Begriff des Feedback-Loops Milling, Peter: Der technische Fortschritt beim Produktionsprozess, S. 60.Google Scholar
  34. 594.
    Vgl. Milling, Peter: Systemtheoretische Grundlagen zur Planung der Unternehmenspolitik, Berlin 1981, S. 114.Google Scholar
  35. 595.
    Vgl. Dörner, Dietrich: Logik des Mißlingens — Strategisches Verhalten in komplexen Systemen, Hamburg 1998.Google Scholar
  36. 596.
    Vgl. Forrester, Jay W.: Urban Dynamics, 3.Aufl., Cambridge/MA 1970, S. 109–110.Google Scholar
  37. 597.
    Vgl. Maier, Frank H.: Feedback Structures Driving Success and Failure of Preventive Maintenance Programs, S. 379.Google Scholar
  38. 598.
    Vgl. Maier, Frank H.: Feedback Structures Driving Success and Failure of Preventive Maintenance Programs, S. 382f.Google Scholar
  39. 599.
    Vgl. Easton, George S. und Sherry L. Jarrelh The effects of total quality management on corporate performance: An empirical investigation, in: Journal of Business, Vol. 71 (1998), No. 2, S. 253–307.Google Scholar
  40. 600.
    Vgl. Hendricks, Kevin B. und Vinod R. Singhah Quality awards and the market value of the firm: An empirical investigation, in: Management Science, Vol. 43 (1996), No. 3, S. 415–436 und vgl. Easton, George S. und Sherry L. Jarrelh The effects of total quality management on corporate performance, S. 253–307.Google Scholar
  41. 601.
    Vgl. Keating, Elizabeth K. et al.: Overcoming the Improvement Paradox, in: European Management Journal, Vol. 17 (1999), No. 2, S. 120ff.Google Scholar
  42. 602.
    Vgl. Keating, Elizabeth K. et al.: Overcoming the Improvement Paradox, S. 120–134.Google Scholar
  43. 603.
    Sterman, John, Fred Kofman und Nelson Repenning: Unanticipated Side Effects of Successful Quality Programs: Exploring a Paradox of Organizational Improvement, in: Management Science, Vol. 43, No. 4, S. 509.Google Scholar
  44. 604.
    Vgl. zum „worse before better”-Effekt Maier, Frank H.: Feedback Structures Driving Success and Failure of Preventive Maintenance Programs, S. 382.Google Scholar
  45. 605.
    Vgl. Sterman, John, Fred Kofman und Nelson Repenning: Unanticipated Side Effects of Successful Quality Programs, S. 510f.Google Scholar
  46. 606.
    Vgl. Sterman, John, Fred Kofman und Nelson Repenning: Unanticipated Side Effects of Successful Quality Programs, S. 514.Google Scholar
  47. 607.
    Vgl. zu den produktorientierten Ansätzen zur Durchlaufzeitverkürzung Kapitel B.II, S. 76ff. Vgl. für die Untersuchungen des Einflusses auf die Durchlaufzeit Kapitel C.II.2, S. 149f.Google Scholar
  48. 608.
    Vgl. die Ausführungen in Kapitel A.II, S. 46f.Google Scholar
  49. 609.
    Vgl. zu den Archetypes Senge, Peter M.: The Fifth Discipline — The Art & Practice of The Learning Organization, New York et al. 1990, S. 378ff.Google Scholar
  50. 610.
    Vgl. Senge, Peter M.: The Fifth Discipline, S. 385f.Google Scholar
  51. 611.
    Vgl. Senge, Peter M.: The Fifth Discipline, S. 388f.Google Scholar
  52. 612.
    Vgl. Senge, Peter M.: The Fifth Discipline, S. 380f.Google Scholar
  53. 613.
    Vgl. Senge, Peter M.: The Fifth Discipline, S. 381.Google Scholar
  54. 614.
    Vgl. Bockerstette, Joseph A. und Richard L. Shell: Time-based Manufacturing, S. 21f.Google Scholar
  55. 615.
    Vgl. Maier, Frank H.: Feedback Structures Driving Success and Failure of Preventive Maintenance Programs, S. 379.Google Scholar
  56. 616.
    Vgl. Milling, Peter, Uwe Schwellbach und Jörn-Henrik Thun: Die Bedeutung des Faktors Zeit für den Erfolg industrieller Unternehmen, S. 7. und vgl. Bitzer, Marc R.: Zeitbasierte Wettbewerbsstrategien, S. 86.Google Scholar
  57. 617.
    Thomas, Philip R.: The Competitive Mindset, in: Executive Excellence, Vol. 6 (1989), S. 3.Google Scholar
  58. 618.
    Shingo, Shigeo: Das Erfolgsgeheimnis der Toyota-Produktion, S. 78.Google Scholar
  59. 619.
    Vgl. Schimmelpfeng, Katja: Total Productive Maintenance (TPM) unter dem Blickwinkel produktionsbezogener Dienstleistungen, S. 317.Google Scholar
  60. 620.
    Vgl. Hardin, Garrett: The Tragedy of the Commons, in: Science, Vol. 162 (1968), S. 1243ff.Google Scholar
  61. 621.
    Vgl. Senge, Peter M.: The Fifth Discipline, S. 387.Google Scholar
  62. 622.
    Vgl. zum Ansatz des System Dynamics Milling, Peter: Leitmotive des System-Dynamics-Ansatzes, in: WiSt, 13. Jg. (1984), S. 507–513, vgl. Forrester, Jay W.: Industrial Dynamics, Cambridge 1961 und vgl. Sterman, John D.: Business Dynamics — Systems Thinking and Modeling for a Complex World, Boston et al. 2000. Vgl. zur Problematik der Homomorphie Milling, Peter: Systemtheoretische Grundlagen zur Planung der Unternehmenspolitik, S. 97ff.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2002

Authors and Affiliations

  • Jörn-Henrik Thun

There are no affiliations available

Personalised recommendations