Refine
Document Type
- Contribution to a Periodical (15)
- Conference Proceeding (5)
- Part of a Book (2)
- Doctoral Thesis (1)
- Report (1)
Language
- German (13)
- English (6)
- Multiple languages (5)
Is part of the Bibliography
- no (24)
Keywords
- 2 (3)
- 3 (1)
- 4 (1)
- Business Analytics (1)
- Business analytics (2)
- Business-Analytics (3)
- Capacity Utilization (1)
- Data-Centric Platform (1)
- Datenmanagement (1)
- Demand Forecasting (1)
- Digitale Transformation (2)
- Digitalisierung (6)
- Digitization (1)
- Digitization of SMEs (1)
- Digivation (1)
- Efficiency Improvement (1)
- Forecasting capability (1)
- Industrie 4.0 (1)
- Key Performance Indicators (1)
- Konferenz (1)
- Morphology (1)
- Operating models (1)
- Optimized capacity utilization (1)
- Platform economy (1)
- Plattformdemonstrator (1)
- Projekt Digivation (1)
- Prozessmanagement (1)
- Prozessoptimierung (1)
- Quarrying Industry (1)
- Quarrying industry (1)
- Risk assessment (1)
- Risks (1)
- SV7091 (1)
- SV7430 (1)
- Sociotechnical (1)
- Softwareplattform (1)
- Steine- und Erdenindustrie (4)
- Transformation (2)
- Type-specific (1)
- Typification (1)
- capacity utilization (1)
- critical success factors (1)
- data collection (1)
- digital transformation (2)
- digitale Plattform (2)
- digitalization (2)
- food industry (1)
- industry 4.0 (1)
- long-term competitiveness (1)
- platform demonstrator (2)
- quarrying industry (1)
- rev (4)
- small and medium enterprises (1)
- software (1)
- software platform (1)
- structural equation modeling (1)
Institute
The quarrying industry, which largely consists of less digitized SMEs, is an integral part of the German economy. More than 95% of the primary raw materials produced are used by the domestic construction industry. Quarrying companies operate demand-oriented with short planning horizons at several locations simultaneously. Due to the low level of digitization and the reluctance to share data, untapped efficiency potential in data-based demand forecasting and capacity planning arises. The situation is aggravated by the fact that SMEs have a heterogeneous mobile machinery so as not to become dependent on individual suppliers, and that transport distances of over 50 kilometers are uneconomical due to high transport costs and low material values. Within the research project PROmining a data-centric platform which improves demand forecast accuracy and multi-site capacity utilization is developed. One of the core functionalities of this platform is an industry-specific demand forecasting model. Against this background, this paper presents a methodology for establishing this forecasting model. To this end, expected demands of secondary industry sectors will be analyzed to improve mid-term volume-forecasting accuracy for the local quarrying industry. The data-centric platform will connect demand forecasting data with relevant key performance indicators of multi-site asset utilization. Following this methodology, operational planning horizons can be extended while significantly improving overall production efficiency. Thus, quarrying businesses are enabled to respond to fluctuating demand volumes effectively and can increase their personnel and machine utilization across multiple quarry sites.
In diesem Beitrag werden aktuelle Ergebnisse des AiF-Forschungsprojekts PROmining mit Bezug zur Fördertechnik in der S&E-lndustrie vorgestellt. Neben großen Defiziten in der Digitalisierung konnten Herausforderungen in der Kapazitätsplanung und -auslastung von Betriebsmitteln identifiziert werden. Digitale Plattformlösungen haben das Potenzial, beide Aspekte zu bewältigen. Im Forschungsprojekt 'PROmining' wird untersucht, wie durch die Digitalisierung von bisher unzureichend digitalisierten Unternehmensprozessen und dem Einsatz einer Plattformlösung die Auslastung mobiler Betriebsmittel erhöht werden kann.
Das Forschungsvorhaben ‚PROmining‘ , mit Laufzeit vom 01.01.2021 bis 31.12.2022, dient dem Ziel, die Digitalisierung in der deutschen Steine- und Erdenindustrie zu initiieren und auszuweiten. Innerhalb des Projekts soll für KMU durch den Einsatz eines Demonstrators einer Plattformlösung eine datenbasierte Entscheidungsgrundlage geschaffen werden. Branchenweit wurde ein Mangel an datenbasierten Entscheidungsgrundlagen identifiziert, die meisten Entscheidungen basieren auf Erfahrungswerten. Des Weiteren gilt es, die Kapazitätsauslastung der Betriebe mithilfe des Demonstrators zu optimieren. Jene gestaltet sich aufgrund regionaler sowie konjunktur- und saisonbedingter Nachfrageschwankungen sehr volatil. Der Demonstrator soll Unternehmen motivieren, ihre Datenhaltung zu verbessern und den Transformationsprozess hin zu einem digitalen Unternehmen anzustoßen.
Das Forschungsvorhaben PROmining adressiert die Digitalisierung der deutschen S&E‑Industrie. Das Forschungsziel ist der Aufbau eines Demonstrators einer digitalen Plattform, mit der Unternehmen der S&E-Industrie befähigt werden mittels einer gesteigerten Prognosefähigkeit besser auf schwankende Nachfragen zu reagieren. Die gezielte Entwicklung und Implementierung der Digitalisierung in Form einer Plattformökonomie kann der S&E-Industrie mittelbaren und unmittelbaren Nutzen bieten.
The successful use of Business Analytics is increasingly becoming a differentiating competitive factor. The ability to extract data-driven insights and integrate them into decision-making is becoming growingly important. The underlying technologies are evolving exponentially, the value proposition differs from simple descriptive applications to automated decision-making. Existing approaches found in literature and practice to classify those levels only insufficiently mark down the boundaries between the different technology levels. As a consequence, it is often unclear which characteristics of the technology interact with the working environment, which can be described as a socio-technical system. Using a systematic literature review, this paper identifies the characteristics of Business Analytics and delineates three types of Business Analytics based on case studies. Thus, a starting point for the socio-technical system design and optimization for the use of Business Analytics is created.
Die Nahrungsmittelindustrie bringt jährlich ca. 40.000 neue Produkte auf den Markt. Die daraus resultierenden Veränderungen haben einen großen Einfluss auf die Nahrungsmittelindustrie und führen durch die
Vielzahl der zusätzlichen Optionen zu deutlich komplexeren Entscheidungsproblemen. Eine Strategie zur Bewältigung dieser Herausforderung ist die Verankerung der datengesteuerten Entscheidungsfindung, die zu einem zunehmenden Einsatz fortschrittlicher Informationstechnologien wie Business-Analytics
führt. Trotz aller Vorteile sind die Unternehmen mit der Implementierung von Business-Analytics überfordert, was sich in einer Misserfolgsquote von 65 bis 80 Prozent widerspiegelt. In diesem Artikel werden Erfolgsfaktoren aufgezeigt und Handlungsempfehlungen abgeleitet, um Unternehmen bei der Einführung von Business-Analytics und dem Aufbau einer fundierten Basis für unternehmerische Entscheidungen zu unterstützen. Die umfassende Expertise für das Forschungsprojekt wird durch ein gemeinsames Konsortium, bestehend aus den Instituten FIR e. V. an der RWTH Aachen, IPRI – International Performance Research Institute GmbH in Stuttgart und dem Forschungsinstitut für Unternehmensführung, Logistik und Produktion der Technischen Universität München gestellt.
Mit der erfolgreichen Durchführung des dritten Expert Circles hat der
Bereich Business Transformation des FIR e. V. an der RWTH Aachen ein
neues Gesprächsformat zum Thema Digital Leadership etabliert. Im
Rahmen der Expert-Circle-Treffen werden aktuelle und zukunfts-
weisende Themen betrachtet. Vorträge aus Praxis und Forschung
schaffen die Basis für spannende Diskussionen
Die Nahrungsmittelindustrie führt jährlich ca. 40 000 neue Produkte auf den Markt ein. Diese Veränderungen haben einen großen Einfluss auf die Nahrungsmittelindustrie und führen durch die Vielzahl der zusätzlichen Optionen zu deutlich komplexeren Entscheidungsproblemen. Die Ergebnisse des Forschungsprojekts BASuccess (Laufzeit des Projekts : 01.04.2019 – 30.09.2020) sollen die Unternehmen bei der Einführung von Business-Analytics unterstützen, wodurch eine gezielte Datenanalyse mög- lich wird und eine fundierte Basis für unternehmerische Entscheidungen entstehen kann. Zunächst werden im Projekt Best Practices anderer Branchen analysiert und Erfolgsfaktoren für den effizienten Einsatz von Business-Analytics identifiziert. Dabei werden sowohl technische als auch organisatorische Aspekte berücksichtigt. Anschließend wird ein Einführungsmodell entwickelt. Die umfassende Expertise für das Forschungsprojekt wird durch ein gemeinsames Konsortium, bestehend aus den Instituten FIR e. V. an der RWTH Aachen, IPRI – International Performance Research Institute GmbH in Stuttgart und dem Forschungsinstitut für Unternehmensführung, Logistik und Produktion der Technischen Universität München gestellt.
Ziel des Forschungsprojekts ‚PROmining‘ war die unternehmensneutrale Konzeptionierung, Entwicklung und Realisierung eines webbasierten Demonstrators zur Verbesserung der Prognosefähigkeit und Erhöhung der Kapazitätsauslastung von KMU in der deutschen Steine- und Erdenindustrie. Mit dem geplanten Demonstrator einer Plattformlösung sollte ein Anreiz für KMU geschaffen werden, die digitale Transformation anzugehen und die interne Datenhaltung zu verbessern. Das Projekt wurde vom FIR e. V. an der RWTH Aachen in Kooperation mit dem Institute of Mineral Resources Engineering der RWTH Aachen durchgeführt.