Produktionsmanagement
Refine
Year of publication
- 2020 (56) (remove)
Document Type
- Contribution to a Periodical (26)
- Conference Proceeding (12)
- Article (5)
- Working Paper (5)
- doctorallecture (4)
- Doctoral Thesis (2)
- Part of a Book (1)
- Report (1)
Is part of the Bibliography
- no (56)
Keywords
- Additive Fertigung (4)
- Adherence To Delivery Dates (1)
- Anforderungsmanagement (1)
- Assembly (1)
- Assistance Systems (1)
- Auftragsabwicklung (1)
- Blockchain (5)
- Business-Software (1)
- Change-Management (1)
- Controlling (1)
Institute
"Tracking & Tracing"-Systeme steigern merklich die Transparenz in der Produktion und der Lieferkette. Insbesondere Such-, Buchungs-, und Inventuraufwände sowie Schwund, Engpässe und Transportkosten lassen sich dadurch reduzieren. Die gewonnene Transparenz hilft bei der Erreichung einer flexiblen Produktion, sodass sich durch eine adaptive Planung und Steuerung bestehende Prozesse kontinuierlich verbessern lassen. Das jetzt erschienene Whitepaper beleuchtet Nutzen und Potenziale von Tracking & Tracing, stellt einen systematischen Ansatz zur Einführung von Tracking- und Tracing-Systemen vor und beschreibt hierbei anfallende Herausforderungen.
Intelligente, mit dem Internet verbundene Lautsprecher mit Spracherkennung und -steuerung - Smart Speaker -, sind in immer mehr Privathaushalten zu finden. Gleichzeitig gewinnen Sprachsassistenzsysteme auch in der betrieblichen Praxis von Unternehmen zunehmend an Bedeutung. Eine systematische Vorgehensweise zur Identifikation und Bwertung von nutzenstiftenden Einsatzzenarien von Sprachassistenzsystemen in der betrieblichen Praxis existiert nach dem Stand der Technik nicht. Diese Forschungslücke adressiert das Forschungsprojekt Smart Speaker.
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.
Im Mittelpunkt der IT-Systemarchitektur der großen und kleinen Unternehmen fungiert als zentrale Instanz seit jeher das Enterprise-Resource-Planning-System (kurz ERP-System). Damit dient es als Schnittstelle zur hochgradigen Integration von Anwendungen, die verstärkt die Kernapplikationen erweitern und modernisieren. Für die zunehmend an Projekten ausgerichtete Prozessmodellierung ist das implementierte ERP-System in seiner Agilität und Offenheit zu begrenzt. Individuelle Lösungen werden für unternehmerische Anforderungen geschaffen, aber nicht in den Standard überführt. In diesem Positionspapier zeigen wir, die Fachgruppe Produktionsplanung des FIR, anhand verschiedener Sichtweisen ausgewählte Trends auf, die großes Potenzial für die Zukunft des ERP-Systems bereithalten.
Rund ein Jahr haben DIN und DKE in einem gemeinsamen Projekt mit dem Bundesministerium für Wirtschaft und Energie und zusammen mit ca. 300 Fachleuten aus Wirtschaft, Wissenschaft, öffentlicher Hand und Zivilgesellschaft an der Normungsroadmap Künstliche Intelligenz gearbeitet. Eine hochrangige Steuerungsgruppe unter dem Vorsitz von Prof. Wolfgang Wahlster hat die Erarbeitung koordiniert und begleitet.
Ziel der Roadmap ist die frühzeitige Entwicklung eines Handlungsrahmens für die Normung und Standardisierung, der die internationale Wettbewerbsfähigkeit der deutschen Wirtschaft unterstützt und europäische Wertmaßstäbe auf die internationale Ebene hebt. Mit der Normungsroadmap KI wird eine wesentliche Maßnahme der KI-Strategie der Bundesregierung umgesetzt, in der eines von zwölf Handlungsfeldern sich explizit dem Thema "Standards setzen" widmet.
Industrie-4.0-Technologien können dazu beitragen, die deutlich ge-steigerte Daten- und Informationsverfügbarkeit während des Produk-tionsprozesses gezielt zu verwerten und den Austausch zwischen pro-duzierenden Unternehmen und Logistikdienstleistern für effiziente und nachhaltige Lieferketten zu fördern. Im Projekt 'SynLApp' wird hierzu ein webbasiertes Assistenzsystem konzipiert, das Prognosen innerhalb der Lieferketten ermöglicht. Dieser Beitrag zeigt aktuelle Rechercheergebnisse zu bestehenden Methoden und Best Practices hinsichtlich der unternehmensübergreifenden Synchronisierung und beschreibt das Projektvorgehen und den Ansatz einer technischen Umsetzung via Simulation.
Die sich ständig ändernden Kundenanforderungen sorgen für eine immer komplexere und dynamischer werdende Produktionsumgebung. In diesem Umfeld ist es die Aufgabe der Produktionssteuerung, die Erfüllung der Nachfrage des Kunden in der richtigen Qualität zum richtigen Zeitpunkt und mit möglichst geringen Kosten sicherzustellen. Abweichungen vom Soll-Zustand sollen dabei im Rahmen des Störungsmanagements möglichst früh erkannt und schnell durch die Wahl der richtigen Gegenmaßnahme beseitigt werden. In der Praxis stehen dem Entscheider dafür jedoch nur selten entsprechende Tools zur Verfügung, sodass Entscheidungen häufig auf Basis der Erfahrung der Mitarbeiter getroffen werden. Daher wird im Folgenden ein Referenzmodell für die Entwicklung eines Decision-Support-Systems, das eine schnelle Erkennung potenzieller Störungen und eine datenbasierte Entscheidung bezüglich einzuleitender Gegenmaßnahmen ermöglicht, vorgestellt.
The shop floor is a dynamic environment, where deviations to the production plan frequently occur. While there are many tools to support production planning, production control is left unsupported in handling disruptions. The production controller evaluates the deviations and selects the most suitable countermeasures based on his experience. The transparency should be increased in order to improve the decision quality of the production controller by providing meaningful information during his decision process. In this paper, we propose a framework in which an interactive production control system supports the controller in the identification of and reaction to disturbances on the shop floor. At the same time, the system is being improved and updated by the domain knowledge of the controller. The reference architecture consists of three main parts. The first part is the process mining platform, the second part is the machine learning subsystem that consists of a part for the classification of the disturbances and one part for recommending countermeasures to identified disturbances. The third part is the interactive user interface. Integrating the user’s feedback will enable an adaptation to the constantly changing constraints of production control. As an outlook for a technical realization, the design of the user interface and the way of interaction is presented. For the evaluation of our framework, we will use simulated event data of a sample production line. The implementation and test should result in higher production performance by reducing the downtime of the production and increase in its productivity.