Produktionsmanagement
Refine
Year of publication
Document Type
- Article (20) (remove)
Is part of the Bibliography
- no (20)
Keywords
- 02 (4)
- Additive Fertigung (1)
- Auftragsabwicklung (1)
- Bewertung (1)
- Blockchain (2)
- Data sharing (1)
- Datenqualität (1)
- Datenökosystem (1)
- Digitaler Schatten (1)
- General computer science (1)
Institute
Aktuell ist noch nicht geklärt, wie sich das Zusammenwirken von Menschen und betrieblichen Anwendungssystemen bei der Bearbeitung der Aufgaben der PPS nach der Umsetzung von Industrie 4.0 entwickelt. Zur Systematisierung der Auswirkungen von Industrie 4.0 auf die PPS werden in diesem Beitrag die sechs Reifegradstufen des acatech Industrie-4.0-Maturity-Index mit der Aufgabensicht des Aachener PPS-Modells kombiniert und die Reifegradstufen für ausgewählte Unteraufgaben der PPS spezifiziert.
Industrie 4.0 bringt enorme Veränderungen und bietet große Verbesserungspotenziale für die Produktionsplanung und -steuerung. Aufbauend auf dem Aachener PPS-Modell wird in diesem Beitrag in Anlehnung an den Industrie-4.0-Maturity-Index der acatech eine reifegradbasierte Untersuchung der Entwicklung der Produktionsplanung und -steuerung im Kontext von Industrie 4.0 präsentiert.
Obwohl Sprachassistenzsysteme im privaten Alltag immer beliebter werden, finden solche Systeme noch kaum Anwendung in der Industrie. In der Theorie werden diverse Potenziale wie Zeiteinsparungen, verbesserte Ergonomie oder optimierter Informationsfluss durch den industriellen Einsatz von Sprachassistenten erwartet. Jedoch wurde dieser Einsatz im industriellen Kontext noch nicht praxisnah erforscht. Aus diesem Grund wurde im Rahmen des Forschungsprojektes „Smart Speaker“ eine Laborstudie durchgeführt, um den Einsatz von Sprachassistenzsystemen am Beispiel eines Montageprozesses zu untersuchen. Es konnten dabei drei wichtige Faktoren identifiziert werden, die maßgeblich die Nutzungseffizienz eines Sprachassistenzsystems beeinflussen.
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.
Die digitale Transformation schreitet immer weiter voran. Sie wird als "vierte industrielle Revolution" betitelt und hat eine umfassende Vernetzung aller Lebens- und Wirtschaftsbereiche zur Folge. Sie ist der Haupttreiber des sozialen, wirtschaftlichen und ökologischen Wandels. Im Zuge dieses Wandels werden immer wieder neue Technologien entwickelt und Themen wie Künstliche Intelligenz. Big Data Analytics oder Blockchain rücken in den Fokus von Unternehmen und der breiten Öffentlichkeit. Ein Beispiel dieser schnellen Entwicklung stellt die Blockchain-Technologie und ihr erster Anwendungsfall Bitcoin dar. Dies ist die Fortsetzung eines zweiteiligen Beitrages, dessen erster Teil in der Ausgabe 6/2019 von Industrie 4.0 Management erschienen ist.
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. Zielsetzung des von der Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke“ e. V. (AiF) geförderten Forschungsvorhaben „CKDCHAIN“ ist die Übertragung dieses Konzeptes auf Unternehmen des Maschinen- und Anlagenbaus, in dem eine simulationsbasierte Gestaltungsunterstützung für den Aufbau einer geeigneten Supply Chain entwickelt werden soll.
Störungen und Änderungen des Produktionssystems führen zu Kosten und Aufwänden, bieten jedoch auch die Chance zur kontinuierlichen Verbesserung.
Um Änderungsanfragen zu erfassen, können etablierte Ansätze genutzt werden. Diese vernachlässigen jedoch die Anforderungen, denen sich ein Produktionssystem im Zeitalter der Digitalisierung ausgesetzt sieht. Der vorliegende Beitrag stellt einen Ansatz zur standardisierten Erfassung von Änderungsanfragen vor, welcher die Ausgangsbasis für die Bewertung von Änderungsanfragen in bestehenden IT-Systemen bietet.
Numerous start-ups and now even some major corporates are currently trying to improve visibility and foresight in the manufacturing industry through connected supply chains, or in other words, through increased data sharing. This study strives to support companies in leveraging the potential of increased data sharing in supply chain collaborations. Despite the great potential of digitizing manufacturing and automated data sharing throughout the supply chain, most companies are not yet able or willing to implement this kind of openness. The main reason for this lack of transparency in the supply chain is the high complexity and high cost of the required interfaces. In practice, instead of automated and extensive data sharing, companies exchange spreadsheets and PDFs with minimum information. This study supports companies in the pre-stage before automated data sharing is technically implemented. We find that building trustful relationships is a necessary step towards extended and automated data sharing. Moreover, we find that social capital provides a means to partially compensate for a lack of automation in terms of shortening lead times and dealing with disruptions. Introducing a supply chain collaboration typology and showcasing descriptive and qualitative results for 36 firms, we show how to navigate the frontend of the Internet of Production.
Development of a platform business model for co-creation ecosystems for sustainable furniture
(2023)
Existing design platforms with multi-dimensional value chains currently have deficits in terms of their business models, resulting in insufficient attention to sustainability goals and individual requirements for products of these platforms. Co-creation approaches, such as the Do-It-Together (DIT) approach for furniture, involve customers and manufacturers as equal partners in the design and production process. This allows customers to have more influence on the sustainability and individualization of products. The existing literature addresses sustainability-oriented design principles for platform business models, but concrete platform business models for multidimensional DIT cocreation of furniture are still missing. Therefore, the objective of this paper is to develop a business model for a DIT co-creation platform for the furniture industry based on a four-step business model innovation framework. This method will then be applied to a specific project scenario to derive a project-specific DIT co-creation business model. This generates knowledge about the collaborative manufacture of sustainable and customized furniture and contributes to the cross-sectoral transfer of platform business models for the development of sustainable products.
Um in komplexen Wertschöpfungsnetzwerken und an der Schnittstelle zwischen Kunden und Lieferanten valide, datenbasierte Entscheidungen treffen zu können, muss eine hohe Datenqualität vorliegen. Dabei mangelt es oft an einem Datenqualitätsmanagement (DQM), das den konkreten Anwendungsfall und den überbetrieblichen Austausch berücksichtigt. Wir stellen ein universales Rahmenwerk für das überbetriebliche DQM vor, das Ziele, Prozesse, relevante Daten und Akteure erfasst und den Grundstein für eine ganzheitliche Datenqualitätsstrategie legt.