FIR e. V. an der RWTH Aachen
Refine
Year of publication
Document Type
- Master's Thesis (288) (remove)
Is part of the Bibliography
- no (288)
Keywords
- 5G (1)
- 8D (1)
- 8D Methodology (1)
- ADAM (1)
- AR (1)
- Aachener Digital-Architecture-Management (1)
- Abnahmeprüfung (1)
- Abweichungsmanagement (1)
- Acatech industrie 4.0 Maturity Index (1)
- Acceptance-Inspection (1)
Institute
Der Digitale Produktpass (DPP) ist ein Konzept zur Erfassung und Bereitstellung produktbezogener Informationen während des gesamten Produktlebenszyklus, um Transparenz bezüglich Herkunft, Zusammensetzung und End-of-Life-Behandlungsoptionen zu schaffen. Somit bildet er eine wesentliche Grundlage für die Kreislaufwirtschaft. Es existieren bereits Ansätze für die inhaltliche Konzeption eines DPP für verschiedene Branchen, Datenstandards zur Erfassung von Produktinformationen und mehrere Marktlösungen zur praktischen Umsetzung. Allerdings sind Unternehmen nicht ausreichend auf die Umsetzung von DPP vorbereitet. Eine Herausforderung besteht darin, die relevanten Daten zur Deckung des Informationsbedarfs im Kontext der Kreislaufwirtschaft zu identifizieren und diese Daten mithilfe der bereits vorhandenen IT-Systemlandschaft zu konsolidieren. Die Analyse eines MES liegt hierbei im Fokus, da neben Bauteildaten auch die in der Produktion anfallenden Prozessdaten von Bedeutung sind.
Das Forschungsziel ist demnach die Überführung der im MES anfallenden Daten zu Informationen, die für einen auf die Ermöglichung von Remanufacturing ausgerichteten DPP relevant sind. Dazu wird zunächst eine Literaturrecherche zur Identifizierung potenziell relevanter Prozessdaten in MES sowie in einem DPP für das Remanufacturing erforderlichen Informationen durchgeführt. Um den aktuellen Stand der Technik zu berücksichtigen und konkrete Datenbedarfe für das Remanufacturing zu erfassen, werden diese Grundlagen mit Experteninterviews im produzierenden Sektor angereichert. Die Gegenüberstellung des Informationsbedarfs eines DPP und Datenangebots eines MES erlaubt die Ableitung einer Methodik zur Überführung relevanter Daten in einen DPP. Diese Methodik wird anschließend in der DFA Demonstrationsfabrik Aachen GmbH prototypisch validiert. Die Ergebnisse sollen produzierende Unternehmen unterstützen, mit ihrer bestehenden IT-Systemlandschaft DPP im Kontext des Remanufacturing umzusetzen.
Business ecosystem analysis of companies undergoing digital transformation - A case study analysis
(2021)
Entwicklung eines Beschreibungsmodells für die Standardisierung industrieller Dienstleistungen
(2016)
In dieser Arbeit wird die Zielsetzung verfolgt, ein Beschreibungsmodell für die Standardisierung industrieller Dienstleistungen zu entwickeln. Das Beschreibungsmodell wird in Form einer Morphologie angelegt und neben der Standardisierung primär die Prozesse der industriellen Diensleistungserstellung fokussieren. Es werden prägende Merkmale von Standardisierungen und Prozessen herausgearbeitet und geeignete Merkmalesausprägungen hergeleitet. Einerseits soll die Morphologie ermöglichen, konkrete Standardisierungsmaßnahmen zu beschreiben und anhand der Merkmalsausprägungen Rückschlüsse auf die Ausrichtung und Wirkweise der Standardisierung zu ziehen zu können. Auf der anderen Seite sollen Prozesse derart beschrieben werden, dass Standardisierungspotenziale erkennbar und die Auswirkungen von Standardisierungsmaßnahmen über veränderte Merkmalsausprägungen der Prozessbeschreibung feststellbar werden.
Entwicklung eines Evaluationswerkzeugs zur Bestimmung des Fits von Anwendungsideen für GAIA-X
(2023)
MES-Vertrieb im Anlagenbau
(2018)
Machine Learning methods have shown great potential in production during recent years and have subsequently played a significant role in driving the Industry 4.0 revolution. However, there is still a lack of systematic guidelines for identifying and implementing viable ML use cases in the manufacturing industry . The aim of this work therefore, is to identify whether machine learning classifiers can be used in addition to a traditional process monitoring method (tolerance window) in order to improve quality control of staking processes on an assembly line.
Applied methods:
Extensive literature research will be initially conducted in order to understand ongoing research in this field and to clearly define the research gap. For a scientific and structured execution, CRoss Industry Standard Process for Data Mining (CRISP-DM) method will be used as the backbone of the thesis. The first step of Business Process Understanding would include learning about the staking and quality testing processes. This will be followed by data extraction and Exploratory Data Analysis (EDA) as part of Data Understanding. The Data Preparation step would include cleaning, filtering, feature engineering and scaling in order to use as input for the model.
Preparing the Machine Learning model will include selecting, modeling, training and testing the appropriate classification algorithms e.g. Näive Bayes, XGBoost, Feed Forward Neural Network and Random Forest. Depending on a pre-defined success criteria such as Accuracy, Precision etc. the training and test results will be evaluated and the best performing model will be selected. Further, subject to the model performance and business requirments , possible methods for deployment of the classifier in real time production will be discussed.
Expected results:
This work will help to identify if process curve data from staking processes can be used to train machine learning models and improve quality monitoring on an assembly line. Good model performance will indicate potential to reduce waste and decrease unnecessary processing time at the testing station. Additionally, it will also assist the process experts understand unknown influences on the product quality. A systematic approach to implement machine learning for similar use cases involving curve data of staking processes and will be developed.
Reifegradmodell zur Bestimmung der Auswirkungen von Industrie 4.0 auf den industriellen Service
(2019)
Kürzere Produktlebens- und Innovationszyklen sowie eine zunehmende Kreislaufwirtschaft stellen
Unternehmen vor die Herausforderung, ihre Produktionsprozesse schnell an die sich wandelnden
Anforderungen anzupassen. Entscheidend für die Umsetzung einer anpassungsfähigen Produktion ist
eine flexible Intralogistik. Dabei setzen Unternehmen zunehmend auf autonome mobile Roboter (AMR).
AMR navigieren selbstständig und können ihre Route an die Umgebungssituation anpassen, ohne einen
Fahrer zu benötigen. In der Praxis werden diese Vorteile jedoch selten genutzt, da AMR nicht hinreichend
in das Produktionssystem eingebunden sind. Die Schwierigkeit dabei liegt in der Generierung von
Transportaufträgen, die auf die Echtzeit-Lage im Produktionssystem angepasst sind und alle relevanten
Daten auf dem Shopfloor berücksichtigen, um so auf unvorhergesehene Veränderungen flexibel und
effizient zu reagieren.
Das Ziel dieser Arbeit ist die Entwicklung eines Datenmodells, welches die Einflüsse auf den Einsatz von
AMR in der Produktion umfasst und die Erstellung von echtzeitfähigen Transportaufträgen ermöglicht.
Dazu wird zunächst eine Literaturrecherche durchgeführt, um relevante Aspekte wie Datenquellen,
-senken, und -flüsse zu identifizieren. Anschließend werden deren Einflüsse auf echtzeitfähige
Transportaufträge mittels der Betrachtung generischer Use-Cases ermittelt und in einem Datenmodell
erfasst. Das entwickelte Modell soll in der DFA Demonstrationsfabrik Aachen Gmbhl validiert werden.
Die Ergebnisse dieser Arbeit sollen Unternehmen bei der effektiven Implementierung von AMR
unterstützen und als Mittel zur Erhöhung der Reaktionsfähigkeit moderner Produktionssysteme dienen
Industry 4.0 and smart factories have brought significant advancements in manufacturing processes, particularly in intralogistics. A key factor which forms the basis for creating smart intralogistics systems is data. However, there exist several data-related issues that hamper the efficiency of the intralogistics process such as data unavailability, poor data quality, inconsistent data, or underutilization of available data. The challenge is to identify, categorize, evaluate, and solve these issues. Overcoming this will help organizations understand the most impactful challenges.
By analysing real-world scenarios and interviewing industry experts, the problems present within the intralogistics process that are caused by the previously mentioned data-related factors are identified. The identified issues are clustered, and the clusters are characterized. A literature review explores the existing solutions or approaches to overcome these limitations. Subsequently finding out if the identified problems can be solved with current technologies and approaches or further research and development is needed. Next, a framework is developed which will act as a guide on the classification, evaluation and prioritization of the identified challenges. In the final part, the framework is validated on an industry specific use case and its limitations and future scope are discussed.
This master thesis emphasizes the significance of data in intralogistics processes by identifying and addressing data-related issues. The outcome on one hand is state-of-the-art solutions for the identified problems and on the other hand is a framework which will support businesses in determining how to tackle data-related issues to gain most benefit with respect to efficiency, productivity, flexibility and quality.
The advancements in Industry 4.0 technologies have provided unprecedented opportunities for optimizing material transportation through various use cases that are possible through rapid technological advance. An important driver for the use cases is data. However, the lack of understanding, which
specific data, from which sources and in what frequency, slows down the implementation of use cases or even reduces their potential benefits. Companies lack the ability to prepare themselves correctly for a use case integration, especially from the data perspective (e.g. data availability, quality, integration).
Therefore, the goal of this thesis is to create a framework for evaluation of Industry 4.0 use cases in the materials' transportation with regard to needed data. The scientific approach employed in this research involves research and analysis of existing frameworks for description or assessment of use cases in different fields and industries. Following, specific use cases related to material transportation in the context of Industry 4.0 will be identified in order to find similarities in the structure and requirements
regarding needed data, and thus identifying common characteristics and key parameters. These parameters will then serve as the foundation for developing a framework that enables companies to systematically analyse and assess potential use cases for material transportation, considering the data requirements and its integration challenges.
The expected result of this thesis is the development of a practical framework that empowers organizations to evaluate and implement Industry 4.0 use cases for material transportation effectively. By providing a structured methodology, this framework will facilitate decision-making processes and support companies in identifying the most suitable use cases based on their specific requirements and
data availability.
Intralogistic Process Optimisation in an Automotive Assembly Line using Plant Lifecycle Simulation
(2022)
In der vorliegenden Masterarbeit soll ein Referenzmodell zur Überführung von Stammdaten in das ERP-System kleiner und mittlerer Unternehmen erarbeitet werden. Aus diesem Grund ist es das Ziel dieser Arbeit, geeignete Prozesse zu definieren, zu bewerten und in ein standardisiertes Modell zu überführen.
The global automotive industry is undergoing a major shift from the combustion engines to a wide variety of propulsion technologies. It is further pooled with Industry 4.0, which has lead to a large volatility in technolgical innovations and ambiguity in the product life cycles.
This uncertainty has lead to a rapidly changing demands for the existing products and services. It is causing difficulty in planning yearly demand quantities with suppliers. In many cases, tier-1 suppliers are unable to actually purchase the quantities for which they reserve a particular capacity of its sub-suppliers during annual sourcing agreements. Companies need to improve their flexibility to adapt to such unpredictable market situations by preparing for quantity or product changes.
Before setting a target for a desired flexibility level, the exisiting situation should be assessed. Therefore, this thesis aims to develop a method to assess the flexibility of suppliers in terms of product mix, volume deviations and delivery compliance. A quantification model is derived, which will be applicable for a wide range of suppliers. The model will enable the comparison of different suppliers during new sourcing decisions, as well as the identifcation of the exisiting suppliers that have room for improvement.
Various factors that affect supplier flexibility are identified through literarure research and personal interviews with different employees having supplier specific roles within Rober Bosch GmbH. These factors are analysed through a ‘WHAT-WHY-HOW’ analysis and only those factors are considered which can be coherently quantified. Based on their significance in the overall flexibility, these focus factors are given particular weightages and then quantified for each suppliers using the available data. The resultant of the scored factors will yield a number that indicates the flexibility index for a corresponding supplier. The developed model will be tested using Robert Bosch GmbH as an example.
In der heutigen globalisierten Wirtschaft ist die Effizienz und Effektivität von Lieferketten ent-scheidend für den Erfolg eines Unternehmens. Eines der wichtigsten Elemente einer erfolgrei-chen Lieferkette ist eine effiziente Datenaustauschtechnologie. Die passende Technologie für den Datentransfer innerhalb einer Lieferkette kann helfen Kosten zu senken und die Effektivität der Lieferkette zu verbessern. Die Auswahl einer geeigneten Datenaustauschtechnologie ist jedoch eine Herausforderung für Unternehmen. Die Entscheidung für eine bestimmte Techno-logie erfordert eine gründliche Analyse der Bedürfnisse des Unternehmens, der Anforderungen an die Lieferkette und der verfügbaren Optionen.
Das Ziel der Arbeit ist es ein Entscheidungsmodell zu entwickeln, das Unternehmen bei der Auswahl der geeigneten Datenaustauschtechnologie unterstützt. Dafür werden zunächst ver-schiedene Technologien analysiert und ihre Vor- und Nachteile ermittelt. Anhand geeigneter Merkmale werden diese dann miteinander verglichen und Kriterien, die einen reibungslosen Datenaustausch gewährleisten, herausgearbeitet. Das Entscheidungsmodell wird es dem Un-ternehmen ermöglichen, objektiv zu entscheiden, welche Technologie am besten zu den An-forderungen passt. Es wird beispielsweise einen strukturierten Entscheidungsprozess bieten, in dem verschiedene Faktoren wie Kosten, Kompatibilität mit anderen Technologien, Skalierbar-keit und Sicherheit berücksichtigt werden. Zudem wird ein erster Ansatz zur möglichen Imple-mentierung der Technologie in die bestehende Dateninfrastruktur beschrieben.
Im Rahmen dieser Masterarbeit sollen die Umsetzung digitalisierter Supply-Chains und deren Auswirkungen auf die logistischen Zielsysteme untersucht werden. Folgende Forschungsfragen gilt es zu beantworten: Wie verändert sich der unternehmensübergreifende Informationsfluss unter den Einflüssen von Industrie 4.0? Wie beeinflusst die Integration der Industrie 4.0-Anwendungen die logistischen Zielsysteme und können damit die Herausforderungen der Supply-Chains bewerkstelligt werden? Welche Anforderungen müssen für die Umsetzung digitalisierter Supply-Chains erfüllt werden? Welche Entwicklungsstufen werden auf dem Weg zu vollkommen digitalisierten Supply-Chains erreicht?
Um langfristig in einem Umfeld zunehmenden Wettbewerbs durch internationale Anbieter erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, so dass die Markterschließung durch Exporte vollständig montierter Erzeugnisse häufig ausscheidet. Um dennoch die Handelshemmnisse zu umgehen, hat sich in der Automobilindustrie die Completely Knocked Down (CKD)-Strategie durchgesetzt, bei der Erzeugnisse teilzerlegt in die Märkte exportiert und dort lokal endmontiert werden. Eine grundsätzliche Herausforderung liegt in der situationsgerechten Gestaltung der CKD-Supply Chain. Dazu ist in der Arbeit ein Teil einer simulationsbasierte Gestaltungsunterstützung mit dem Schwerpunkt auf 2D und 3D Simulation erarbeitet worden.