Refine
Year of publication
Document Type
- Conference Proceeding (34)
- Part of a Book (13)
- Article (6)
- Contribution to a Periodical (6)
- Working Paper (6)
- Book (3)
- Internet Paper (3)
- Report (1)
Is part of the Bibliography
- no (72)
Keywords
- Additive Fertigung (1)
- Adherence To Delivery Dates (1)
- Anlaufmanagement (1)
- Assembly (1)
- Assistance Systems (1)
- Automobilindustrie (1)
- Beratung (1)
- Big Data (1)
- BigPro (1)
- Blockchain (1)
Institute
- Produktionsmanagement (72) (remove)
Eine wesentliche Bedingung zur Optimierung der Wertschöpfungsprozesse ist die Transparenz über die leistungsbestimmenden Faktoren eines Unternehmens. Die Ermittlung dieser Faktoren stellt für viele Industriebetriebe eine Herausforderung dar. Im Rahmen der Veröffentlichung wird daher eine Vorgehensweise zur systematischen Identifikation von Einflussfaktoren der Unternehmenskennzahlen vorgestellt, welche die Grundlage zur Ableitung von individuellen Stellhebeln zur Steigerung der Unternehmensleistungsfähigkeit darstellt.
Blockchain-Lösungen sind bisher vor allem im Finanzbereich bekannt
und erfolgreich. Doch ihre unbestreitbaren Vorteile bieten weit darüber
hinaus Potenzial und machen sie auch für industrielle Anwendungen
interessant. Vor allem Lieferketten mit ihren komplexen Strukturen,
vielen Beteiligten sowie verschiedensten Material-, Informations- und
Finanzströmen lassen sich mit der Technologie erheblich effizienter
gestalten.
In recent years supply chain participants are increasingly suffering the effects of disturbances in transportation supply chains. Both, dynamics in consumer demands and global supply chains lead to a growth in unplanned supply chain events. These can cause from rather manageable disturbances through to complete break-downs of transportation chains, resulting in high follow-up and penalty costs.
Consequently, concepts for an efficient supply chain disturbance management are needed, preferably with a real-time identification and reaction to disturbance events. Therefore in the following paper the research results of the German research project Smart Logistic Grids with the focus on designing an integrated model for the real-time disturbance management in transportation supply networks are presented. This includes the introduction of elaborated classification models for disturbances and action patterns as well as an associated costs and performance measurement system. Finally, a procedure model for the disturbance management is presented.
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.
Die Verschärfung des Wettbewerbsumfelds produzierender Unternehmen und die als Antwort hierauf in den Fokus rückenden agilen Methoden vergrößern die Bedeutung einer effizienten Handhabung von Änderungsprozessen. Am Beispiel des Maschinen- und Anlagenbauers Ortlinghaus zeigt der Beitrag, dass eine Kombination aus ungeeigneten Änderungsprozessen und mangelhaftem IT-Support in der Praxis oft die schnelle und gleichzeitig qualitätsgesicherte Durchführung von Änderungsprozessen verhindert. Der Zielkonflikt aus geringem Zeitbedarf und hoher Prozessqualität lässt sich durch Anpassungen in der IT-Unterstützung reduzieren. Hierdurch können Erfolgsfaktoren für ein effizientes Änderungsmanagement gehoben und die Problemfelder der Workflowunterstützung, Informationsverteilung und Datenhandhabung verbessert werden. Zentrales Hindernis zur Adressierung der Erfolgsfaktoren stellt die aktuell zur Abwicklung von Change Requests genutzte Arbeitsumgebung dar. Der Beitrag präsentiert hierfür als zentralen Lösungsansatz die Internet of Production Infrastruktur. Das Potenzial der Internet of Production Infrastruktur im Kontext des Änderungsmanagements wird anhand von drei Anwendungsbeispielen verdeutlicht. Abschließend wird der Migrationspfad für Unternehmen bei der Einführung eines effizienten Änderungsmanagements aufgezeigt.
Künstliche Intelligenz (KI) hat sich über die letzten Jahre stetig zu einem Thema mit strategischer Priorität für Unternehmen entwickelt. Das zeigt sich nicht zuletzt in der gesteigerten Investitionsbereitschaft deutscher Unternehmen in KI-Projekte. Wirtschaftliche Akteure haben erkannt, dass durch eine sinnvolle Nutzung von KI-Technologien Wettbewerbsvorteile erzielt werden können. Die vorliegende Studie legt das Augenmerk auf den industriellen Einsatz einer KI-Technologie, die bereits heute von vielen Unternehmen erfolgreich genutzt wird: Die natürliche Sprachverarbeitung (engl. Natural Language Processing, kurz NLP). Die wirtschaftlichen Potenziale der Technologie liegen dabei in ihrer Fähigkeit, betriebliche Abläufe zu automatisieren und die Schnittstelle zwischen Mensch und Maschine zu verbessern und zu vereinfachen. Ziel der Studie ist es, die Potenziale der NLP-Technologie für Unternehmen nutzbar zu machen, indem konkrete Anwendungsfälle und allgemeine Handlungsempfehlungen sowie Nutzen und Risiken aufgezeigt werden.
Auf Basis einer systematischen Literaturanalyse wurden insgesamt 11 Kennzahlen identifiziert, welche die Grundlage zur Beschreibung der operativen Leistungsfähigkeit von Unternehmen bilden. Die Kennzahlen wurden in die vier Leistungsdimensionen Effizienz, Qualität, Zeit und Flexibilität eingeteilt.
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.
The industrial food production is currently caught between the increas-ing demands of numerous stakeholders, economic profitability and the challenges of digitization. A solution to face these various challenges can be seen in the aggregation of data into higher-value, independent data products that can be of-fered and sold on a buyer's market. Large amounts of heterogeneous data are already available in the value chain of the industrial food production, e.g. throughout the data-driven harvesting of primary products, further processing by interconnected production facilities and the information-intensive product distri-bution to end consumers. However, the data is usually only evaluated and used locally for the optimization of internal processes or, at the most, within compre-hensive partnerships. The purpose of this paper is to identify new revenue oppor-tunities for current and future players in the industrial food production by using data as an independent economic good (data products). For this purpose, scenar-ios for the development and use of data products via Industrial Internet of Things platforms are developed for a food technical reference process, the industrial chocolate production and its value chain. On this basis, examples for different types of data products and their value propositions are derived. The results can not only serve food producers and relevant stakeholders but all industrial produc-ers as an input for the future, yield-increasing orientation of their business models.
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.