Refine
Document Type
- Contribution to a Periodical (20)
- Working Paper (12)
- Conference Proceeding (9)
- Article (6)
- Part of a Book (6)
- Report (6)
- Book (4)
- Internet Paper (2)
Language
- German (52)
- English (11)
- Multiple languages (2)
Is part of the Bibliography
- no (65)
Keywords
- 01 (4)
- 02 (9)
- 03 (3)
- 3PhasenKonzept (3)
- AM4Industry (3)
- APS-System (1)
- Additive Fertigung (1)
- Algorithmus (1)
- Anforderungsmanagement (1)
- Anomaly detection (1)
- Auftragsabwicklung (1)
- Bahn (2)
- Bewertung (1)
- Blockchain (1)
- Business Applications (1)
- CO2 accounting (1)
- CO2-Bilanzierung (2)
- CO2-Emission (1)
- Co-Creation (1)
- Customer Perspective (1)
- DQC (1)
- DaFuER (3)
- Data Quality (1)
- Data platform (1)
- Data set (1)
- Datenanalyse (1)
- Datenaustausch (1)
- Datenfusion (4)
- Datenintegration (1)
- Datenplattform (1)
- Datenqualität (5)
- Datenökosystem (1)
- Deviation identification strategies (1)
- Digital Architecture Management (1)
- Digital Transformation (1)
- Digitale Plattform (1)
- Digitaler Schatten (1)
- Digitalisierung (3)
- Disruptions (1)
- Do-it-together (1)
- EFRE-0801707 (1)
- EPCIS (1)
- ERP (6)
- ERP-/PPS-Auswahl (1)
- ERP-Systeme (6)
- ERSC (1)
- Electric freight truck (1)
- Elektro-LKW (1)
- End-2-End-Transparenz (1)
- Energiequartiere (1)
- Energy quarters (1)
- Enterprise Resource Planning (1)
- Enterprise-Resource-Planning (3)
- Entscheidungsfusion (1)
- Entscheidungsunterstützung (1)
- Expertise (1)
- FIR-Leitfaden (1)
- Forschungsbeirat (1)
- Furniture Production Process (1)
- Förderkennzeichen EFRE-0801707 (1)
- Herstellung (1)
- IT landscape (3)
- IT-Systemauswahl (1)
- IT-Systeme (1)
- IT-Systemlandschaften (1)
- Industrie 4.0 (3)
- Industrie-4.0-Maturity-Index (1)
- Information system (1)
- Informationssystem (1)
- Informationssysteme (1)
- Innovative Furniture (1)
- Insufficient Data (1)
- Internet of Production (3)
- KI (3)
- KMU (1)
- Kollaborationplattform (1)
- Konferenz (2)
- Kongress (1)
- Kosten-Nutzen-Analyse (1)
- Kosten-Nutzenbewertung (1)
- Kunden-Lieferanten-Beziehungen (1)
- Künstliche Intelligenz (3)
- Lebenszykluskosten (1)
- Lieferketten (1)
- Literature review (1)
- Logistics (1)
- Logistik (1)
- MES (1)
- Manufacturing (1)
- Manufacturing Execution System (1)
- Manufacturing-Execution-System (1)
- Marktspiegel (3)
- Marktübersicht (1)
- Mobilität in Deutschland (1)
- Modulare IT-Systeme (1)
- Modularität (2)
- Modularization (1)
- Nachhaltigkeit (6)
- Natural-Language-Processing (1)
- Nutzenpotenzial (1)
- PPC (1)
- PPS (5)
- PPS sys Markt FIR 9141 (1)
- Plattform Industrie 4.0 (1)
- Predictive Maintenance (1)
- Process Management (1)
- Process-Mining (4)
- Procurement Strategy (1)
- Product Characteristics (1)
- Production Planning (1)
- Produktion (1)
- Produktionsplanung (5)
- Produktionsplanung und -steuerung (2)
- Produktionsprozess (1)
- Produktionssteuerung (2)
- Prozessanalyse (2)
- Prozesse (1)
- Prozessmanagement (1)
- Prozessmodell (1)
- Rapid Prototyping (1)
- Reaktionsfähigkeit (1)
- Reifegradmodell (1)
- Resilienz (3)
- Risikomanagement (2)
- Rückmeldedaten (1)
- SCEM (1)
- SCM (1)
- SV7133 (1)
- SV7248 (1)
- SV7291 (1)
- SV7315 (1)
- SV7335 (1)
- SV7392 (1)
- SV7420 (1)
- SV7421 (1)
- SV7422 (1)
- SV7432 (1)
- SV7435 (1)
- SV7447 (1)
- Schatten-IT (1)
- Schienengüterverkehr (1)
- Schienenverkehr (2)
- Sector coupling (1)
- Sektorenkopplung (1)
- Software (1)
- Softwareauswahl (1)
- Stammdaten (1)
- Stammdatenqualität (1)
- Studie (1)
- Subscription (1)
- Supply Chain Event Management (1)
- Supply Chain Management (1)
- Supply Risks (1)
- Supply chain event management (1)
- Supply chain management (1)
- Supply-Chain (1)
- Supply-Chain-Design (1)
- Supply-Chain-Event-Management (1)
- Supply-Chain-Management (6)
- Supply-Chain-Resilienz (1)
- Supply-Chain-Risk-Management (1)
- Sustainability (2)
- Technologieauswahl (1)
- Tracking & Tracing (1)
- Trovarit (1)
- U1032 (1)
- Vorgehen (1)
- Wertschöpfungsnetzwerke (3)
- Whitepaper (1)
- additive Fertigung (2)
- additive manufacturing (3)
- benefits (1)
- betriebliche Rückmeldedaten (1)
- betriebliche Rückmeldung (1)
- business applications (1)
- business case (1)
- configuration (1)
- cost benefit model (2)
- cost-benefit-model (1)
- costs (1)
- data democratization (1)
- disruptions (2)
- enterprise resource planning system (1)
- fourth industrial revolution (1)
- framework (1)
- gap analysis (1)
- incorrect data (1)
- information system (2)
- literature review (1)
- manufacturing (2)
- modularization (1)
- order processing (1)
- process mining (1)
- procurement (1)
- procurement strategy (1)
- railconnect (2)
- resilience (2)
- resilience principles (1)
- rev (8)
- supply risks (1)
- sustainability (1)
- textile supply chain (1)
- use case canvas (1)
Institute
Produzierende Unternehmen sind heutzutage aufgrund zunehmender Konkurrenz aus Niedriglohnländern und eines schrumpfenden Technologievorsprungs einem enormen Kostendruck ausgesetzt, sodass Konzepte zur Steigerung der Produktivität erforderlich werden. Diese Konzepte sind vor allem auf die Optimierung innerbetrieblicher Abläufe auf Basis von Rückmeldedaten ausgerichtet. Eine notwendige Bedingung für das Ausschöpfen datenbasierter Wertschöpfungspotenziale ist eine konsistente und widerspruchsfreie Datenbasis. Mit dem Forschungsprojekt „Anwendung der Datenfusion bei der Erfassung und Speicherung betrieblicher Rückmeldedaten (DaFuER)“ wird demgemäß das Ziel verfolgt, die Erhöhung der Datenqualität von betrieblichen Rückmeldedaten durch die Anwendung von Methoden der Datenfusion zu ermöglichen.
Als Ergebnis des Forschungsprojekts wird in diesem Leitfaden eine Methode zur anwendungsfallspezifischen Ableitung geeigneter Methoden der Datenfusion dargelegt. Zunächst erfolgt die Definition des Anwendungsfalls. Dabei wird zur Ermittlung relevanter Informationsbedarfe den Anwendenden der Methodik eine Übersicht bereitgestellt, welche die verschiedenen für die Produktionsplanung und steuerung benötigten Informationen enthält. Außerdem werden Datenquellen anhand der Art der Datenerfassung klassifiziert. Diese Klassifikation ist die Grundlage für die Identifikation der im jeweiligen Anwendungsfall zur Verfügung stehenden Datenquellen.
Im Folgenden werden aus den verfügbaren Datenquellen diejenigen ermittelt, welche fusioniert werden sollen. Dazu wurde eine tabellarische Übersicht erstellt, mit Hilfe derer Datenquellen den Informationen zugeordnet werden, die sie bereitstellen. Weiterhin werden diese Datenquellen hinsichtlich ihrer Datenqualität auf Basis ausgewählter Qualitätsmerkmale bewertet. Für eine benötigte Information wählen die Anwendenden aus den ihnen zur Verfügung stehenden Datenquellen diejenigen zur Fusion aus, welche den Informationsbedarf decken und sich hinsichtlich der Erfüllung der Qualitätsmerkmale komplementieren.
Zuletzt wird eine für den konkreten Anwendungsfall geeignete Fusionsmethode der ausgewählten Datenquellen bestimmt. Grundlage dafür ist eine morphologische Untersuchung von Datenquellen. Durch eine Clusteranalyse möglicher Fehlerarten in Abhängigkeit der Kombination von verschiedenen morphologischen Merkmalsausprägungen werden prozesstypische Fehler der Datenfusion abgeleitet. Somit ist man in der Lage, anhand der ausgewählten Datenquellen die spezifischen Herausforderungen bei der Datenfusion zu identifizieren. Für die finale Auswahl einer für den Anwendungsfall geeigneten Datenfusionsmethode wurden für die ermittelten Prozessfehler die jeweiligen Eignungen der verschiedenen Methoden bewertet. Auf Grundlage dieser Bewertung wählen die Anwendenden schlussendlich diejenige Methode aus, die für die von ihnen identifizierten Herausforderungen am besten geeignet ist.
Data-driven transparency in end-to-end operations in real-time is seen as a key benefit of the fourth industrial revolution. In the context of a factory, it enables fast and precise diagnoses and corrections of deviations and, thus, contributes to the idea of an agile enterprise. Since a factory is a complex socio-technical system, multiple technical, organizational and cultural capabilities need
to be established and aligned. In recent studies, the underlying broad accessibility of data and corresponding analytics tools are called “data democratization”. In this study, we examine the status quo of the relevant capabilities for data democratization in the manufacturing industry.
(1) and outline the way forward.
(2) The insights are based on 259 studies on the digital maturity of factories from multiple industries and regions of the world using the acatech Industrie 4.0 Maturity Index as a framework. For this work, a subset of the data was selected.
(3) As a result, the examined factories show a lack of capabilities across all dimensions of the framework (IT systems, resources, organizational structure, culture).
(4) Thus, we conclude that the outlined implementation approach needs to comprise the technical backbone for a data pipeline as well as capability building and an organizational transformation.
Heutige Implementierungsprojekte sind davon geprägt, dass nach dem Go-Live keine Prozesse zur Verfügung stehen, die es ermöglichen, dass neue Anforderungen effizient und kostengünstig umgesetzt werden. Dies resultiert in einem sinkenden Nutzen für die Anwender. Erst, wenn das eingesetzte System durch zahlreiche Workarounds und selbst entwickelte Anwendungen nicht mehr handhabbar ist, werden kostenintensive Anpassungs- und Neueinführungsprojekte angestoßen. Ein Ausweg hieraus kann ein konsequent umgeetztes, kontinuierliches und kurzzyklisches Anforderungsmanagement sein, dass Prozesse und eingesetzte IT-Lösungen deckungsgleich hält.
Forschungsziel ist die Entwicklung eines ganzheitlichen Ansatzes zur Implementierung von additiver Fertigungstechnologie in KMU. Zunächst wird eine grundlegende Analyse der gesamten Wertschöpfungskette durchgeführt. Hierbei werden die Teilprozesse mit dem Fokus der Qualitätssteigerung und der für KMU optimierten Implementierung detailliert betrachtet und optimiert. Es wird eine allgemeine und folgend dann spezifizierte Kosten-Nutzen-Methode zur Entscheidungsunterstützung, ein Produkt durch additive Fertigungstechnologien herzustellen, erstellt. Parallel werden Konstruktions- und Optimierungsaspekte prozesskettenübergreifend betrachtet. Zudem wird die Weiterentwicklung bestimmter additiver Fertigungsverfahren behandelt. Die Validierung findet innerhalb jedes Arbeitspaketes anhand von projektübergreifenden Use Cases statt, welche durch den projektbegleitenden Ausschuss definiert werden. Im Projekt weden folgende zentrale Ergebnisse angestrebt:
1. Übergreifendes Implementationsmodell inklusive Fertigungstechnologien
2. Kosten-Nutzen-Modell zur Entscheidungsunterstützung
3. Erarbeitung von Richtlinien für die Fertigung von optimiert gekühlten Werkzeugeinsätzen für Spritzgussanlagen
4. Erweiterung der Einsetzbarkeit von additiv gefertigten Komponenten aus Keramikwerkstoffen.
Der Nutzen kann insbesondere für KMU in der Fertigungsindustrie aufgezeigt werden. Zunächst unterstützt das Kosten-Nutzen-Modell bei der Entscheidung für welche Teile ein Technologiewechsel wirtschaftlich sinnvoll ist. Des Weiteren ermöglicht der prozessübergreifende Ansatz eine erleichterte Implementierung in die Produktion und somit die vereinfachte Realisierung von kundenspezifischer Produktion oder die Erschließung neuer Märkte. Hierdurch kann die Wirtschaftlichkeit der Unternehmen gesteigert werden.
Insbesondere mittelständische Unternehmen weisen starke Defizite in der digitalen Vernetzung ihrer Produktion auf. Im Rahmen des industrienahen Forschungsprojekts DaFuER werden die State-of-the-Art-Methoden zur Datenfusion und Fehlerreduzierung bei datengetriebenen Rückmeldeprozessen näher analysiert und in industriellen Use-Cases validiert. So wird die Datenfusion auch im Alltag für reale Produktionsprozesse von kleinen und mittleren Unternehmen weiter erschlossen. Weiterhin werden häufig fehlerhafte Rückmeldedaten in Prozessen sowie mögliche Optimierungspotenziale aufgezeigt.
DaFuER - Anwendung der Datenfusion bei der Erfassung und Speicherung
betrieblicher Rückmeldedaten
(2021)
Zentrale Herausforderung der Globalisierung und Digitalisierung für produzierende Unternehmen in Deutschland sind steigende Kundenanforderungen nach individuelleren Produkten bei gleichzeitig stetig kürzer werdenden Lieferzeiten. Insbesondere für kleine und mittlere Unternehmen steigt der Kosten- und Innovationsdruck durch wachsende Konkurrenz aus Niedriglohnländern und einen schrumpfen-den Technologievorsprung. Aus diesen Herausforderungen entsteht die Anforderung einer echtzeitfähigen und effizienten Produktionsplanung und -steuerung, die eine fundierte und kurzfristige Entscheidungsfindung erlaubt. Grundlage für eine leistungsstarke Produktionsplanung und -steuerung ist eine hohe Informationsverfügbarkeit. Das allein ist jedoch keine hinreichende Bedingung für eine effiziente Produktionsplanung und -steuerung, da nur bei einer ausreichenden Datenqualität eine zuverlässige Entscheidungsfindung möglich ist. Ferner bieten die zunehmende Digitalisierung und Vernetzung steigendes Nutzenpotenzial für datenbasierte Wertschöpfung, was die Relevanz einer hohen Datenqualität zusätzlich verstärkt. Zentrale Herausforderung der Steigerung der Datenqualität sind die Investitionskosten der Implementierung von entsprechenden Maßnahmen. Dabei zeichnen sich kleine und mittlere Unternehmen (KMU) insbesondere durch eine beschränkte Investitionsfähigkeit aus.
Auf die Erhöhung der Datenqualität eines aggregierten Datensatzes zielt die Datenfusion durch Kombination verschiedener Datenquellen ab. Die unterschiedlichsten Methoden der Datenfusion werden bereits seit längerem in nicht produktionsnahen Bereichen an-gewendet. Das Forschungsprojekt „DaFuER“ unterstützt bei dem Transfer der Methoden in das Produktionsumfeld. Hierbei werden vor allem kleine und mittlere Unternehmen bei der Optimierung ihrer Datenqualität angeleitet, indem eine transparente Entscheidungsunterstützung u. a. durch einen Leitfaden zur Datenfusion und ein Online-Tool ermöglicht wird.
Das Physical Internet (PI) basiert auf einer physischen, digitalen und operativen Interkonnektivität, ohne die ein weltweit fragmentiertes und standardisiertes Gütertransportsystem nicht effizient arbeiten könnte. Zur Selbststeuerung von globalen Warenströmen sind valide Eingangsdaten notwendig . Darüber hinaus ist ein hohes Vertrauen in Steuerungsentscheidungen für eine weitreichende Akzeptanz aller Akteure und Kunden der Logistikbranche unabdingbar. Diese beiden Ziele können nur durch eine hohe Datenqualität erreicht werden. Neben der Erhöhung der Datenqualität durch Automatisierung oder Einsatz von erweiterter Sensorik bieten Methoden der Datenfusion und der Entscheidungsfusion große Potenziale. Dieser Beitrag beschreibt ein methodisches Vorgehen zur Analyse dieser Potenziale. Darüber hinaus wird anhand eines Transitcenters dieses Vorgehen beispielhaft durchgeführt.
Das Produktionssystem ist ein offenes, sozio-technisches System. Es besitzt eine komplexe Struktur, in der Menschen, Maschinen, Material und Informationen zusammenwirken, um eine Wertsteigerung zu erreichen. Das Produktionssystem steht in ständiger Interaktion mit seiner Umwelt (Westkämper et al. 2013). So sind die Kunden-Lieferanten-Beziehungen von Produktionssystemen häufig dynamisch und instabil. In dieser Gesamtkomplexität können Störungen auftreten, z.B. Maschinen- und Personalausfall sowie Fehlmaterial, die zu Termin- und Lieferverzögerungen führen. Dabei bildet die kundenbezogene Liefertermintreue mit Abstand die führende logistische Zielgröße für produzierende Unternehmen in Deutschland (Brambring et al. 2013). Vor allem im Maschinen- und Anlagenbau, der durch eine besonders komplexe Auftragsabwicklung geprägt ist, stellt eine hohe Liefertermintreue einen bedeutenden Wettbewerbsvorteil dar. Sie wird häufig als Indikator für Prozessqualität herangezogen, welche dem Kunden Zuverlässigkeit demonstriert und zugleich eine interne Voraussetzung für die Planbarkeit des eigenen Geschäftsbetriebs ist (VDMA 2007). Während eine planmäßige und somit termintreue Abwicklung des Leistungserstellungsprozesses Kundenbindung bewirkt, führen Terminüberschreitungen häufig zum Verlust von Kundenbeziehungen sowie Vertragsstrafen (Arnolds et al. 2016).Störungen im Produktionssystem gefährden die Liefertermintreue und damit die Kundenzufriedenheit (Bosshardt 2007). Durch Gegenmaßnahmen entstehen außerdem Zusatzkosten, z.B. durch Zusatzschichten oder Auslagerung von Fertigungsschritten, die die Profitabilität der Aufträge gefährden können. Daher ist es für Unternehmen wichtig, bei Störungen nicht nur die potenziellen Handlungsoptionen, sondern viel mehr deren finanziellen Auswirkungen auf das Produktionssystem zu kennen, um eine optimale Strategie entwickeln zu können. Nur diese Transparenz ermöglicht es Unternehmen, die negativen finanziellen Auswirkungen gegen die negativen Auswirkungen auf die Kundenbeziehungen abzuwägen. In der Praxis stellt sich diese Aufgabe allerdings als sehr schwierig heraus. Unternehmen reagieren häufig nur reaktiv und erfahrungsbasiert. Mitarbeiter müssen sowohl die komplexen Abläufe im Betrieb kennen als auch potenzielle Handlungsoptionen sowie deren Auswirkungen abschätzen können. Dabei müssen die Mitarbeiter eine Komplexität überwinden, die insbesondere bei Einzel- und Kleinserien aufgrund der hohen Vielfalt von Produkten und Prozessen besonders hoch ist. Dies trifft besonders auf KMU zu, die nur über rudimentäre Softwareunterstützungen verfügen.In der Folge werden häufig suboptimale und teure Maßnahmen getroffen. Gleichwohl sind die finanziellen Auswirkungen nicht immer direkt nachvollziehbar, was die finanzielle Stabilität des Unternehmens gefährdet. Darüber hinaus kann die Liefertermintreue der Aufträge, die nicht direkt durch die Störungen betroffen sind, stark negativ beeinflusst werden. Die Summe der daraus entstehenden Folgen kann sich in manchen Fällen stärker auf das Unternehmen auswirken als die Verspätung eines einzelnen, wenn auch wichtigen Auftrages, der direkt durch die Störung betroffen ist. Das durchgeführte Forschungsprojekt „EkuPro“ unterstützt Unternehmen bei der Bewältigung dieser Herausforderungen, indem eine transparente Entscheidungsunterstützung durch das entwickelte Softwaretool ermöglicht wird.
Zielsetzung:
Das Ziel des erarbeitenden Forschungsprojektes war die Entwicklung eines Tools zur objektiven Entscheidungsunterstützung, mit dem kompensatorische Maßnahmen zur Beschleunigung einzelner Aufträge quantitativ und finanziell bewertet werden können. Das Tool unterstützt den Produktionssteuerer, indem es bei kurzfristigen Entscheidungen einen Überblick über die möglichen Handlungsalternativen zur Verfügung stellt. Der Produktionssteurer kann somit auf Basis der angezeigten potenziell entstehenden Kosten eine optimale Entscheidung treffen. Zur Unterstützung wurden die Simulationsergebnisse visualisiert, um die Analyse zu erleichtern. Zudem ist das Tool auf mobilen Endgeräten einsatzfähig. Das Grundprinzip des Tools besteht darin, beim Auftreten einer Störung zunächst die aktuelle Situation des Produktionssystems und die Störung selbst zu erfassen. Dabei werden interne und externe Störungen berücksichtigt, wobei externe Störungen nicht direkt, sondern durch ihre Auswirkungen auf die interne Produktionslogistik beschrieben werden. Die notwendigen Daten zur Abbildung der aktuellen Situation sollen den gängigen Systemen, z.B. MES und ERP, entnommen werden. Auf dieser Basis kann der Produktionsplaner verschiedene Szenarien definieren, die jeweils ein unterschiedliches Set an Maßnahmen beinhalten. Die Auswirkung dieser Maßnahmen wird mithilfe einer Software simuliert und die Ergebnisse, vor allem die Liefertermintreue der Aufträge sowie die finanziellen Mehrkosten, werden visualisiert. Dadurch werden die Szenarien untereinander quantitativ vergleichbar. Dies ermöglicht dem Produktionsplaner die Auswahl einer aus seiner Sicht sinnvollen Maßnahmenkombination.
Gegenüber den klassischen Systemen, z.B. MES und ERP, hat das Tool die folgenden Vorteile:
Zielgerichtete Entscheidungsunterstützung
Quantitative Vorhersage durch Simulation
Systematische Integration der Kostenermittlung und Liefertermintreue
Entgegen dem ursprünglichen Ziel, nur die Kosten des direkt durch die Störung betroffenen, verzögerten Auftrages zu betrachten, wurde in Absprache mit dem projektbegleitenden Ausschuss (pbA) entschieden, die finanzielle Auswirkung aller Aufträge zu berücksichtigen. Nur dadurch kann die Gesamtauswirkung der Maßnahmen vollständig untersucht und gegeneinander abgewogen werden. Diese Erweiterung der Zielstellung des Projektes stellt einen erheblichen Mehrwert im Vergleich zum ursprünglichen Forschungsvorhaben dar.