Refine
Document Type
- Contribution to a Periodical (16)
- Conference Proceeding (6)
- Part of a Book (3)
- Working Paper (2)
- Article (1)
- Report (1)
Is part of the Bibliography
- no (29)
Keywords
- 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)
Institute
Mit konventionellen Produktions-, Lagerungs- und Lieferstrategien können die Erwartungen der Kunden im Bereich Wartung und Instandhaltung an eine ständige 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. Ziel des Forschungsvorhabens 3Dsupply ist es demgemäß, 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. Das Projekt 3Dsupply wird mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 02K16C162 gefördert.
Task-Specific Decision Support Systems in Multi-Level Production Systems based on the digital shadow
(2019)
Due to the increasing spread of Information and Communication Technologies (ICT) suitable for shop floors, the production environment can more easily be digitally connected to the various decision making levels of a production system. This connectivity as well as an increasing availability of high-resolution feedback data, can be used for decision support for all levels of the company and supply chain. To enable data driven decision support, different data sources were structured and linked. The data was combined in task-specific digital shadows, selecting clustering and aggregation rules to gain information. Visual interfaces for task-specific decision support systems (DSS) were developed and evaluated positively by domain experts. The complexity of decision making on different levels was successfully reduced as an effect of the processed amounts of data. These interfaces support decision making, but can additionally be improved if DSS are extended with smart agents as proposed in the Internet of Production.
Die andauernde Globalisierung stellt Unternehmen weiterhin vor erhebliche Herausforderungen. Während sich zum einen die Wettbewerbssituation verschärft, steigen zum anderen die Kundenansprüche. Um dem Kundenwunsch nach individuellen Produkten gerecht zu werden, differenzieren Unternehmen ihr Produktangebot. Gleichzeitig erlaubt die fortschreitende Vernetzung eine höhere Innovationsgeschwindigkeit, die u. a. eine Verkürzung der Produktlebenszyklen bewirkt. Dieser Anstieg an zeitgleich zu erbringenden Leistungen sorgt für immer komplexere Unternehmensprozesse und Wertschöpfungsketten. Auch die zunehmende Anzahl an Partnern und Dienstleistungen sowie deren beständiger Wechsel steigern die Komplexität und damit den Koordinationsbedarf in Supply-Chains. Dieser Aufwand nimmt dabei mit steigender Anzahl der Faktoren exponentiell zu. Darüber hinaus rufen die steigende Anzahl an IT-Systemen sowie deren Änderungsgeschwindigkeit hochkomplexe und dynamische Strukturen hervor. Insbesondere die wechselseitigen Beziehungen zwischen den genannten Einflussfaktoren führen zu einem intransparenten Gesamtsystem.
Schwerwiegende Gesundheits- und Wirtschaftskrisen wie die Weltfinanzkrise (ab 2007) oder die Covid-19-Pandemie im Jahr 2020 haben aufgezeigt, in welch turbulentem Umfeld sich die globalisierte Welt heutzutage befindet und wie schnell gewohnte Abläufe in Wertschöpfungsketten unterbrochen und angepasst werden müssen. Die alltäglichen Anforderungen in dem sich immer schneller wandelnden digitalen Zeitalter wachsen stetig und sind komplexer denn je.
Unternehmen sind angehalten, immer kurzzyklischer auf sich ändernde
Bedingungen und Störungen zu reagieren und strategische Entscheidüngen
zur Gestaltung von Wertschöpfungsketten zu treffen. Nur mithilfe
einer umfassenden Datengrundlage und -kommunikation kann die strategische Planung der Supply-Chain effektiv erfolgen und somit die benötigte Robustheit und Agilität ermöglicht werden.
In immer komplexer werdenden Wertschöpfungsketten wird die Geschwindigkeit, mit der Informationen weitergegeben und entsprechende Maßnahmen umgesetzt werden können, zu einem entscheidenden Wettbewerbsvorteil. In der Realität kommt es jedoch auf dem Weg zwischen einem Ereignis und einer passenden Reaktion zu verschiedenen zeitlichen Verzögerungen, sogenannten Latenzen, die die Agilität eines Unternehmens erheblich hemmen. Insbesondere das Supply-Chain-Management mit seiner koordinierenden Funktion wird dadurch vor enorme Herausforderungen gestellt. Schlüsseltechnologien im Zeitalter von Digitalisierung und Industrie 4.0 bieten jedoch enorme Potenziale, die verschiedenen Formen von Latenzen zu reduzieren. Der Beitrag untersucht die unternehmensübergreifenden Effekte dieser Verzögerungen entlang der Supply-Chain und beleuchtet darüber hinaus die Potentiale konkreter digitaler Technologien auf selbige.
Im Forschungsprojekt ‚3Dsupply – Intelligentes Ersatzteilmanagement unter Berücksichtigung additiver On-Demand-Fertigung‘ wurde von einem Projektkonsortium aus fünf Partnern aus Industrie und Forschung ein integriertes Dienstleistungskonzept für Logistikdienstleister entwickelt. Bei der zu erwartenden fortschreitenden Marktdurchdringung der additiven Fertigungstechnologien müssen mögliche Konsequenzen für die Logistikbranche frühzeitig erkannt und chancenorientiert genutzt werden. Die Verlagerung der Produktion hin zum Bedarfsort verringert Transportdistanzen und reduziert Lagervorgänge. Dies senkt zwar auch den Transportbedarf, setzt allerdings die korrekte Informationsweitergabe voraus. Im Rahmen des Forschungsprojekts ‚3Dsupply‘ wurde eine Referenznetzwerkstruktur zur dezentralen Ersatzteilversorgung unter Berücksichtigung additiver Fertigungsverfahren konzipiert. Darauf aufbauend wurde ein Softwaretool zur standardisierten Aufnahme von Fertigungsanforderungen und zur Auswahl potenzieller Produzenten erarbeitet. Das neue Dienstleistungskonzept für den Logistikdienstleister basiert auf einem tragfähigen Geschäftsmodell für Kunden, Dienstleister und Produzenten. Das Projekt wurde vom Bundesministerium für Bildung und Forschung (BMBF) unter dem Förderkennzeichen 02K16C162 gefördert. Während der Projektlaufzeit von September 2017 bis Dezember 2020 wurde das Projekt vom Projektträger Karlsruhe betreut.
This research area focuses on the management systems and principles of a production system. It aims at controlling the complex interplay of heterogeneous processes in a highly dynamic environment, with special focus on individualized products in high-wage countries. The project addresses the comprehensive application of self-optimizing principles on all levels of the value chain. This implies the integration of self-optimizing control loops on cell level, with those addressing the production planning and control as well as supply chain and quality management aspects. A specific focus is on the consideration of human decisions during the production process. To establish socio-technical control loops, it is necessary to understand how human decisions are made in diffuse working processes as well as how cognitive and affective abilities form the human factor within production processes.
Es geht um die Entwicklung eines Software-Tools zur Unterstützung bei der Auswahl von geeigneten 3D-Druckdienstleistern im Kontext der additiven Ersatzteillogistik. Im Fokus steht der Logistikdienstleister als potentieller Nutzer des Softwaretools. Das Softwaretool erfüllt zwei zentrale Funktionen: Überprüfung ob ein Ersatzteil additiv gefertigt werden soll und Auswahl eines konkreten Produzenten durch Matchingalgorithmus.
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.