Refine
Document Type
- Contribution to a Periodical (5)
- Book (1)
- Part of a Book (1)
- Conference Proceeding (1)
- doctorallecture (1)
- Doctoral Thesis (1)
Language
- German (10) (remove)
Is part of the Bibliography
- no (10)
Keywords
- Abweichungsmanagement (1)
- Analytics-Factory (1)
- Auftragsabwicklung (1)
- Beschaffungsstrategie (1)
- Big Data (1)
- Datenanalyse (1)
- Datenauswertung (1)
- Digitaler Schatten (2)
- FIR-Diss (1)
- Fertigung (1)
Institute
Today’s manufacturers are facing numerous challenges such as highly entangled and interconnected supply chains, shortening product lifecycles and growing product complexity. They thus feel the need to adjust and adapt faster on all levels of value creation. Self-optimization as a basic principle appears a promising approach to handle complexity and unforeseen disturbances within supply chains, machines and processes. Therefore it will improve the resilience and competitiveness of manufacturing companies.
This paper gives an introduction to the concept of self-optimizing production systems. After a short historical review, the different levels of value creation from supply chain design and management to manufacturing and assembly are analyzed considering their specific demands and needs for self-optimization. Examples from each of these levels are used to illustrate the concept of self-optimization as well as to outline its potential for flexibility and productivity. This paper closes with an outlook on the current scientific work and promising new fields of action.
Der Begriff „Digitaler Schatten“ steht für ein hinreichend genaues, digitales Abbild der Prozesse, Information und Daten eines Unternehmens. Dieses Abbild wird benötigt, um eine echtzeitfähige Auswertebasis aller relevanten Daten zu schaffen, um hieraus letztendlich Handlungsempfehlungen abzuleiten. Die Bildung des Digitalen Schattens ist damit ein zentrales Handlungsfeld von Industrie 4.0 und stellt die Grundlage für alle weitergehenden Aktivitäten dar.
Im Zuge der Globalisierung und einer steigenden Marktdynamik ge-
winnt die Optimierung der Lieferketten zunehmend an Bedeutung.
Die Untersuchung unterschiedlicher Beschaffungsstrategien im Wert-
schöpfungsnetzwerk unter Berücksichtigung des Einflusses verschie-
dener Produktionsparameter fällt in der unternehmerischen Praxis
zunehmend schwer. Hierbei können Simulationen von Lieferketten
Abhilfe schaffen, um Wertschöpfungsstrukturen entlang der Supply
Chain zu analysieren und zu verbessern.
Individualisierung in Kombination mit dem Kundenwunsch nach immer kürzeren Lieferzeiten führt zu einer steigenden Komplexität und Dynamik auf Produktionsebene. Um weiterhin das Einhalten der logistischen Zielgrößen zu ermöglichen, müssen die zurzeit vorhandenen Unternehmensstrukturen und deren Prozesse vorbereitet werden.
Eine Möglichkeit, dem turbulenten Markt zu begegnen, ist ein adaptives Abweichungsmanagement in der Fertigungssteuerung, das Unternehmen einen adäquaten Umgang mit Abweichungen ermöglicht. Klassische Methoden der Fertigungssteuerung reichen nicht mehr aus, um mit der jetzigen Entwicklung umzugehen.
Das hier beschriebene Zielmodell und die internen sowie externen Einflussfaktoren sollen bei der Analyse der Zusammenhänge in der Fertigungssteuerung helfen. Das vorgestellte Vorgehensmodell zeigt, wie ein adaptives Abweichungsmanagement aufgebaut werden sollte, um die systematische, differenzierte und kategorisierte Betrachtung und Bewältigung von Abweichungssituationen zu ermöglichen.
Durch den vereinfachten Umgang mit Abweichungen wird sowohl eine tiefgreifende Analyse der Wirkungszusammenhänge als auch eine automatisierte Beruhigung der Produktion ermöglicht. Dies führt zu einer Reduktion von wiederkehrenden Abweichungen durch die Implementierung einer geschlossenen kaskadierten
Informationsrückführung.
Im Kontext Industrie 4.0 kommt der Erfassung der anfallenden Daten in der Produktion und deren Nutzung eine zentrale Bedeutung zu. Analysen betrieblicher Daten, welche auf verschiedenen Ebenen generiert werden, lassen Rückschlüsse und Erkenntnisse zur besseren Entscheidungsfindung zu. Die Basis für den Einsatz von Verfahren der Datenanalyse und -auswertung stellt ein hinreichend genaues Abbild der relevanten Daten - der Digitale Schatten - in der Auftragsabwicklung, Produktion, Entwicklung oder angrenzenden Bereichen dar.
Im Rahmen des vorliegenden Beitrages wird ein Modell für den Digitalen Schatten in der Auftragsabwicklung vorgestellt, welches die Basis für die Implementierung von Methoden der Datenanalytik darstellt.
Industrie 4.0 ist in Politik, Medien, Wissenschaft und Wirtschaft derzeit omnipräsent. Intelligenter, individueller, effizienter, schneller, vernetzter – so lauten nur einige Versprechen dieses neuen industriellen Zeitalters. Tatsächlich sind die Potenziale gerade für den deutschen Maschinen- und Anlagenbau gewaltig: Sowohl für Anbieter als auch für Anwender von Technologien rund um das Thema Industrie 4.0. Aber noch existieren viele ungelöste Fragen, Unsicherheiten und Aufgaben. Hier wollen wir mit unserer Readiness-Studie ansetzen und Hilfestellung leisten. Denn ein Selbstläufer wird Industrie 4.0 nicht. Mit der vorliegenden Studie soll die große Vision näher an die betriebliche Realität gebracht werden. Auch zeigen wir die anspruchsvollen Wegmarken auf, die für viele Unternehmen hinsichtlich ihrer Industrie 4.0-Fähigkeit noch zu passieren sind. Die Studie untersucht, an welcher Stelle der Maschinen- und Anlagenbau aktuell bei der Umsetzung steht. Motivation und Hemmnisse der Unternehmen werden ebenso in den Blick genommen wie die Unterschiede, die sich zwischen Mittelstand und großen Unternehmen ergeben. Im Ergebnis ist es erstmals möglich, die „Industrie 4.0-Readiness“ der Maschinenbau-Industrie detailliert und systematisch abzubilden.
Ziel des Forschungsbereichs "Selbstoptimierende Produktionssysteme" ist es, sowohl technische als auch soziotechnische Produktionssysteme zu entwickeln, die durch Selbstoptimierung eine bessere Performance erreichen, als bei der Auslegung geplant und erwartet werden kann. Im Fokus steht die Steigerung der Produktivität in der Produktion direkt vor Ort. Bedeutend ist die dezentrale Entscheidungsfähigkeit der Mitarbeiter auf dem Shopfloor und in unterstützenden Bereichen, sowie der kognitiven und adaptiven Systeme und Netzwerke in der Produktion.
In der vorliegenden Dissertationsschrift wird ein Referenzmodell für den Digitalen Schatten in der Auftragsabwicklung in der Einzel- und Kleinserienfertigung entwickelt. Hierzu wird ein Datenmodell für den Digitalen Schatten hergeleitet, welches eine durchgängige echtzeitfähige Abbildung von Fertigungsaufträgen in der Auftragsabwicklung sicherstellt. Insbesondere die ortungsbasierte Datenerfassung auf Basis der Geoposition stellt eine Innovation im Vergleich zu bisherigen Ansätzen dar. Weiterhin wird ein Prozess zur Sicherstellung der Datenqualität aufgezeigt, welcher eine Identifikation sowie Korrektur von fehlenden und fehlerhaften Daten auf Basis von Integritätsregeln sowie multimodaler Sensorfusion ermöglicht. Zuletzt werden Gestaltungsempfehlungen zur Umsetzung des Referenzmodells für den Digitalen Schatten in der Auftragsabwicklung durch Verortung der entwickelten Komponenten in einer Gesamtarchitektur, einer IT-technischen Umsetzung sowie eines Vorgehensmodells zur Umsetzung in der betrieblichen Praxis gegeben.
Der FIR e. V. an der RWTH Aachen arbeitet mit anderen Instituten im Aachener Exzellenzcluster "Integrative Produktionstechnik für Hochlohnländer" daran, die Wettbewerbsfähigkeit von deutschen Unternehmen zu stärken. Ein Ziel ist es, die Qualität und die Effizienz der menschlichen Entscheidungen innerhalb der Disposition zu verbessern. Zur Steuerung und Optimierung von Lieferketten greifen Entscheider auf eine Vielzahl von Informationen aus der Logistik zurück, die sie schnell erfassen, verarbeiten und richtig interpretieren müssen. Menschen handeln aber nicht ausschließlich rational und die Qualität der Entscheidungen hängt von zahlreichen und
individuell unterschiedlichen Größen ab. Zur Unterstützung der Mitarbeiter und einer Verbesserung der Planung einer Supply-Chain wird im Rahmen des Teilprojekts die folgende Kernfrage untersucht: Welche Wechselwirkungen existieren innerhalb von Lieferketten zwischen Beschaffungsstrategie und übergeordneten Zielgrößen unter Berücksichtigung verschiedener Nachfrageszenarien?