Filtern
Dokumenttyp
Gehört zur Bibliographie
- nein (29)
Schlagworte
- 3D-Druck (1)
- Additive Fertigung (6)
- Additive/Rapid Manufacturing (AM) (1)
- Beschaffungsstrategie (1)
- Data Analytics (1)
- Datenmodell (1)
- Decision Support System (1)
- Design of Experiments (1)
- Digital Supply Chain (1)
- Digitaler Schatten (2)
Institut / FIR-Bereiche
Mit dem Wandel von klassischen Lieferketten zu verzweigten Wertschöpfungsnetzwerken rücken zunehmend die Schnittstellen zwischen den Aktueren in den Fokus. Mit Supply Chain Collaboration ist bereits ein Begriff gefunden. Dahinter steht die Bemühung, die Kooperation zwischen den Teilnehmern des Netzwerkes gezielt auf ein höheres Niveau zu heben, um neue Hebel der Optimierung zu erschließen.
Mit konventionellen Produktions-, Lagerungs- und Lieferstrategien können die Erwartungen der Kunden im Bereich Wartung und Instandhaltung hinsichtlich einer ständigen Verfügbarkeit individualisierter Komponenten von den Herstellern nicht erfüllt werden. Durch die Möglichkeit, bedarfsgerecht in unmittelbarer Nähe am Bedarfsort zu produzieren, bietet der 3D-Druck das Potenzial, diese Herausforderung technologisch zu lösen. Kostenintensive Bevorratung oder unwirtschaftliche Produktion kleiner Stückzahlen würden in vielen Fällen entfallen. Ziel unseres Forschungsvorhabens '3Dsupply' als Teilvorhaben des Konsortialprojekts '3DPrint-Supply-Service - Entwicklung eines integrierten Dienstleistungskonzepts für Logistikdienstleister', gefördert mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 02K16C162, ist es, Industrieunternehmen einen barrierefreien, zuverlässigen Zugang zur 3D-Produktion von Ersatzteilen zu verschaffen. Durch die Entwicklung eines integrierten Dienstleistungskonzepts sollen Logistikdienstleister dazu befähigt werden, durch die Einbindung additiver Fertigungsquellen ihr Leistungsspektrum in der Ersatzteillogistik zu erweitern. Eine Lieferantenbewertungsmetrik bildet die Grundlage für die Realisierung eines Dienstleistungskonzepts für den Logistikdienstleister.
Influenced by the high dynamic of the markets and the steadily increasing demand for short delivery times the importance of supply chain optimization is growing. In particular, the order process plays a central role in achieving short delivery times and constantly needs to evaluate the trade-off between high inventory and the risk of stock-outs. However, analyzing different order strategies and the influence of various production parameters is difficult to achieve in industrial practice. Therefore, simulations of supply chains are used in order to improve processes in the whole value chain. The objective of this research is to evaluate two different order strategies (t, q, t, S) in a four-stage supply chain. In order to measure the performance of the supply chain the quantity of the backlog will be considered. A Design of Experiments approach is supposed to enhance the significance of the simulation results.
Current supply chain structures in the spare parts logistics are changing profoundly due to the influence of digitalization and additive manufacturing (AM). In particular the Logistics Service Provider (LSP) is influenced by the change, as the physical transport of goods could become redundant due to the digital transmission of production data. This leads to a reduction of the LSP’s share in the value chain. Conceptualizing a new role for the LSP for additively manufactured spare parts is necessary. Therefore, five different scenarios are identified in which the LSP serves as a transport carrier, digital distributor, an AM decision maker, a selector of the manufacturer and as an AM service provider.
Unternehmen sind mit einem zunehmend dynamischen Marktumfeld und komplexen Wertschöpfungsbeziehungen konfrontiert. Von besonderer Bedeutung ist die Sicherstellung effizienter und flexibler Prozesse und Abläufe entlang der gesamten Supply-Chain. Gerade im zwischenbetrieblichen Kontext müssen Entscheidungen möglichst schnell und richtig getroffen werden. Die Grundlagen für eine optimierte Entscheidungsfindung stellen die durchgängige Erfassung, Aufbereitung und gezielte Bereitstellung von Daten dar. Derzeit mangelt es innerhalb der Supply-Chains jedoch oft an der notwendigen Transparenz. In diesem Beitrag wird ein Konzept für ein Assistenzsystem zur Entscheidungsunterstützung auf Supply-Chain-Ebene vorgestellt.
Supply-Chain-Management 4.0
(2020)
Viele Unternehmen erhoffen sich enorme Wachstumschancen durch Digitalisierung, Vernetzung und neue Technologien. Daher ist der Reifegrad der Digitalisierung eines Unternehmens von besonderer Bedeutung, um den Status des Unternehmens zu überprüfen. Im Rahmen der acatech-Studie wurde ein Index entwickelt, um den Reifegrad von produzierenden Unternehmen zu bestimmen. Diese Bewertung berücksichtigt jedoch den Bereich des Lieferkettenmanagements nicht ausreichend. Infolgedessen müssen diesbezüglich weitere Merkmale entwickelt werden, um den Reifegrad der Digitalisierung innerhalb einer Lieferkette zu bestimmen. Der Schwerpunkt liegt auf Datenverarbeitung, Kommunikation, Schnittstellenarbeit und Sicherheit, Netzwerkzusammenarbeit und Änderungsmanagement.
Durch die Globalisierung haben sich in den letzten Jahrzehnten überwiegend internationale und hochkomplexe Lieferketten entwickelt. Nationale und internationale Herausforderungen, wie beispielsweise der Brexit, die Corona-Pandemie, Handelskriege und Protektionismus oder auch verschiedene Naturkatastrophen haben in der Vergangenheit gezeigt, dass die Relevanz eines ganzheitlichen Supply-Chain-Risikomanagements durch den Anstieg der Komplexität in den Lieferketten stark gestiegen ist.
Schlüsselfaktoren für den industriellen Einsatz Additiver Fertigung in produzierenden Unternehmen
(2020)
Die Additive Fertigung (AM) ist insbesondere als Hilfsmittel bei der Produktentwicklung weit verbreitet. 71 Prozent der produzierenden Unternehmen setzen AM für die Fertigung von Prototypen und Pilotserien ein. Derzeit eignet sich AM jedoch nicht mehr nur für die Fertigung von Prototypen und Pilotserien, sondern gewinnt auch zur Herstellung von Endprodukten aus metallischen Werkstoffen an Bedeutung. Der vorliegende Beitrag verfolgt das Ziel, Schlüsselfaktoren zu identifizieren, die den industriellen Einsatz von AM in produzierenden Unternehmen am stärksten prägen. Damit wird zugleich die Grundlage geschaffen für ein systematisches Vorausdenken der Zukunft.
Influenced by the high dynamic of the markets the optimization of supply chains gains more importance. However, analyzing different procurement strategies and the influence of various production parameters is difficult to achieve in industrial practice. Therefore, simulations of supply chains are used in order to improve the production process. The objective of this research is to evaluate different procurement strategies in a four-stage supply chain. Besides, this research aims to identify main influencing factors on the supply chain’s performance. The performance of the supply chain is measured by means of back orders (backlog). A scenario analysis of different customer demands and a Design of Experiments analysis enhance the significance of the simulation results.
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?