Home | english  | Impressum | Datenschutz | Sitemap | KIT

M.Sc. Tom Stähr

Akad. Mitarbeiter
Bereich: Produktionssysteme
Sprechstunden: Nach Vereinbarung
Raum: 109, Geb. 50.36
Tel.: +49 721 608-46166
Fax: +49 721 608-45005
Tom StaehrSpc2∂kit edu

Campus Süd



M.Sc. Tom Stähr

Forschungs- und Arbeitsgebiete:

  • Skalierbare Automatisierung in der Montage
  • Wandlungsfähigkeit
  • Brennstoffzelle
  • Augmented/Virtual Reality

 

Allgemeine Aufgaben:

  • Kernteam Lernfabrik Globale Produktion (Industrie 4.0)
  • Lernfabrik Moderator
    • Modul Skalierbare Automatisierung
    • Modul Lean und Industrie 4.0
  • Vorlesungsbetreuung Integrierte Produktionsplanung im Kontext von Industrie 4.0 (IPP)
    • Datenerhebung und -analyse
    • Konzeptplanung
    • Realisierungsvorbereitung und -überwachung

 

Projekte:

  • EU Inline - An innovative design of a flexible, scalable, high quality production line for PEMFC manufacturing

 

Versuchsstände:

 

Dissertation: Methodik zur Planung und Konfigurationsauswahl skalierbarer Montagesysteme – Ein Beitrag zur skalierbaren Automatisierung

 

Lebenslauf:

seit 09/2015 Wissenschaftlicher Mitarbeiter am Institut für Produktionstechnik (wbk) des Karlsruher Instituts für Technologie (KIT)
04/2012 - 05/2015 Studium des Wirtschaftsingenieurwesens am KIT (M.Sc.)
01/2013 - 06/2013 Auslandsstudium an der EM Lyon Business School
10/2008 - 03/2012 Studium des Wirtschaftsingenieurwesens am KIT (B.Sc.)
11/12/1987 Geboren in Hamburg

 

Veröffentlichungen

[ 1 ] Lanza, G.; Stähr, T. & Sapin, S. (2016), „Planung einer Montagelinie mit skalierbarem Automatisierungsgrad“, Zeitung für wirtschaftlichen Fabrikbetrieb, Nr. 10, S. 614-617. [21.11.16].
Abstract:
Der optimale Automatisierungsgrad einer Montagelinie wird beeinflusst durch Lohnniveau, Stückzahlbedarfe und Variantenmix. Kurze Produktlebenszyklen und schwankende Absätze führen zu einer hohen Volatilität von Stückzahlbedarfen und Variantenmix. Die langfristige Einstellung einer performanten Montage erfordert daher eine Skalierbarkeit des Automatisierungsgrades. Im Folgenden wird eine Methodik vorgestellt, mit der bereits in der Planung einer Montagelinie die Skalierbarkeit des Automatisierungsgrades vorausgedacht wird.

[ 2 ] Lanza, G.; Schulze, V.; Bejnoud, F.; Stähr, T.; Wruck, A. & Ren, L. (2016), „Chancen und Herausforderungen für Total – Cost – of – Ownership Betrachtungen von Werkzeugmaschinen“, Zeitung für wirtschaftlichen Fabrikbetrieb, Nr. 12, S. 1-4.
Abstract:
Für die Betrachtung der Total Cost of Ownership (TCO) von Werkzeugmaschinen gibt es seit vielen Jahren Vorarbeiten. Trotzdem werden TCO in der Praxis bisher kaum berücksichtigt. Auf der Suche nach den Ursachen wurde eine Umfrage unter Herstellern und Betreibern von Werkzeugmaschinen zu Verbreitung, Chancen und Hemmnissen von TCO-Betrachtungen vorgenommen. Ausgehend von den identifizierten Bedürfnissen der Branche wird das weitere Vorgehen bei der Entwicklung eines einheitlichen Standards für TCO-Berechnungen im Maschinen- und Anlagenbau vorgestellt.

[ 3 ] Stähr, T.; Ungermann, F. & Lanza, G. (2017), „Scalable assembly for fuel cell production“. 7. WGP-Jahreskongress Aachen, 5.-6. Oktober 2017, Hrsg. Schmitt, R. & Schuh, G., S. 303-311.
Abstract:
The reduced time-to-market and multiple innovations lead to a rising number of emerging technologies and new products. Production systems for emerging technologies are subject to high stress from highly volatile influencing factors such as volume and variants. In order to react to these factors and to achieve cost-efficient production, companies need to establish scalable production systems. This paper introduces a methodology which supports the production planner with an iterative planning method for a scalable production system focussing on the scalability of the level of automation. The methodology consists of four steps. Its basis constitutes in a scenario analysis of the influencing factors for the production system. In the next step, alternative configurations of the production system are generated. From the different configurations, possible scaling paths are derived in accordance with the scenarios. The final step focusses on identifying the optimal scaling paths according to production cost and risk. The methodology will be demonstrated with the use case of fuel cell production within the European research project INLINE.