Produktionsmanagement
Refine
Document Type
- Report (21) (remove)
Language
- German (19)
- Multiple languages (2)
Is part of the Bibliography
- no (21)
Keywords
- 02 (5)
- AIF-Nr. 16026N (1)
- AM4Industry (2)
- Abschlussbericht (1)
- Abschlusspräsentation (1)
- Abweichungsbewältigung (1)
- Additive Fertigung (1)
- AiF 15270 N (1)
- AiF-IGF-Projekt (1)
- Bewertung (2)
Institute
Vor dem Hintergrund stark wachsender Absatzzahlen in der Windenergiebranche steht Nordex als Hersteller von Windenergieanlagen vor der Aufgabe, auch die Strukturen der Service-Logistik dem angestrebten Wachstum für die kommenden Jahre anzupassen. Eine elementare Frage ist dabei, ob die heutige Distributionsstruktur sowohl dem wachsenden Markt als auch den steigenden Ansprüchen der Kunden hinsichtlich Verfügbarkeit der Anlagen genügen kann. Das Forschungsinstitut für Rationalisierung (FIR) wurde daher von der Nordex Energy beauftragt, die bestehende Netzwerkstruktur mit alternativen Strukturszenarien zu bewerten.
In dem durchgeführten Forschungsvorhaben wurde ein Konzept zur Gestaltung und Bewertung einer skalierbaren Produktentwicklung und Markteinführung technischer Produkte entwickelt. Ein zentraler Baustein dieses Konzepts war dabei der Pionierprodukt-Ansatz. Pionierprodukte stellen einen volumenmäßig, zeitlich und räumlich begrenzten Ausschnitt des gesamten Zielmarktes eines Unternehmens dar. Mit dem Pionierprodukt-Ansatz können Innovationen in kurzer Zeit an den Markt gebracht und dort unter realen Marktbedingungen getestet werden.
Durch die Integration von Pionierprodukt-Entwicklung und Realoptionen-Ansatz wird jedoch grundsätzlich die Fokussierung auf die wesentlichen Marktanforderungen wie Produktdifferenzierung, Kundenorientierung und die Wiederverwendung bewährter Produktkomponenten und Partnernetzwerke im Kontext komplexer Entwicklungsprojekte ermöglicht. Die Reduktion der zu beherrschenden Komplexität mit Hilfe der genannten Ansätze ist wesentliches Merkmal des entwickelten Konzepts.
Untersuchungsthemen: Welche Indikatoren beinflussen den Erfolg einer Kooperation? Welche Bewertungsverfahren sind geeignet, um Wirkungszusammenhänge zwischen Nutzenindikatoren und Erfolg der Kooperation zu beschreiben? Wie können die Bewertungsverfahren in ein Diagnose-Instrument integriert werden? FIR. (U903, AiF-Projekt)
Immer häufiger sind kleine und mittlere Unternehmen der Konsumgüterindustrie nicht in der Lage, die vom Markt geforderte logistische Leistung zu erbringen. Die Hauptursache ist der anhaltende Zielkonflikt zwischen dem Wunsch nach einer Steigerung der Logistikeffizienz und dem Bestreben der Erhoehung der Logistikleistung. Im Rahmen von HybridChain wurden Gestaltungsempfehlungen fuer den Aufbau und die Konfiguration einer hybriden Supply Chain entworfen. In einer hybriden Supply Chain arbeiten unterschiedliche Teilsysteme an der Erfuellung eines uebergeordneten Ziels, und erreichen dabei ein besseres Ergebnis, als dies bei der alleinigen Nutzung eines einzelnen Teilsystems moeglich waere.
„Daten sind das Öl des 21. Jahrhunderts.“ Dieser Satz impliziert die große Bedeutung, die Daten heutzutage zugerechnet wird. Während die technischen Systeme immer ausgereifter werden und die Erzeugungsrate von Daten unaufhaltsam steigt, stehen viele Unternehmen, gerade im Produktionsumfeld, vor der Herausforderung, diese Daten zu nutzenbringenden Informationen zu verarbeiten.
In BigPro haben Experten aus dem Informations- und Kommunikationstechnik-Umfeld mit Anwendungspartnern aus der Fertigungsbranche zusammengearbeitet, um dieses Problem zu adressieren. Ziel des gemeinsamen Vorhabens war es, das Reaktionsmanagement von Störungen in fertigenden Unternehmen mittels Big-Data-Technologien zu verbessern und so die durch Produktionsausfälle entstehenden hohen Kosten zu reduzieren. Hierzu wurde eine Big-Data-Plattform entwickelt, die in der Lage ist, heterogene Daten aus unterschiedlichsten Quellen des Produktionsumfelds aufzunehmen, zu verarbeiten und in einen Kontext miteinander zu setzen. Neben den klassischen Datenquellen im Produktionsumfeld wurde die Datenbasis in BigPro um den „Sensor“ Mensch erweitert, um das digitale Abbild der Produktionsumgebung durch die Wahrnehmung, Stimmung und Sprache der Mitarbeiter noch transparenter darzustellen.
Durch den Einsatz der im Projektverlauf entwickelten Mustererkennung ist die BigPro-Plattform in der Lage, die generierten und gesammelten Daten expliziten Störungsmustern zuzuordnen. Diese bilden die Grundlage, aufgezeichnete Datenkonstellationen in Echtzeit mit bekannten Störungsmustern im Produktionsumfeld abzugleichen und bei sich anbahnender Übereinstimmung geeignete Maßnahmen einzuleiten, um den Störungen proaktiv entgegenzuwirken. Hierzu wurde ein Katalog mit störungsbehebenden Maßnahmen methodisch aufgebaut, aus welchem, je nach Anwendungsfall, manuell oder automatisch geeignete Maßnahmen initiiert werden. Eine Methodik, welche die Effektivität der Maßnahmen analysiert und bewertet, stellt sicher, dass etwa fehlgeschlagene Maßnahmen erkannt und überprüft werden können. Sollte für eine Störung keine geeignete Maßnahme hinterlegt sein, wird der Maßnahmenkatalog dynamisch durch situationsabhängig neu generierte Maßnahmen erweitert. Die Informationsbereitstellung sowie -rückführung des Reaktionsmanagements erfolgt in Form einer skalierbaren Visualisierung bedarfsgerecht für die unterschiedlichen Nutzergruppen. Durch ein hinterlegtes Eskalationsmodell werden den Mitarbeitern alle nötigen Informationen entsprechend der Maßnahme direkt und vor allem nutzerspezifisch (z. B. aggregiert für die Produktionsleitung, detailliert für den Analysten, etc.) zur Verfügung gestellt.
Die entwickelte BigPro-Plattform trägt durch die technologische Integration einer Störungsfrüherkennung, einem dynamischen Maßnahmenkatalog sowie einer bedarfsgerechten Informationsbereitstellung essentiell dazu bei, die von zunehmender Dynamik geprägte Produktion durch ein proaktives Reaktionsmanagement robuster gegenüber Abweichungen zu machen, um kostspielige Produktionsausfälle zu vermeiden.
Der vorliegende Schlussbericht zu IGF-Vorhaben Nr. 18982 beschreibt das Projekt zum Thema "EIH - Energy Innovation Hub". Die Forschungsvereinigung, bestehend aus dem FIR e.V. und dem Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik in Chemnitz, beschäftigte sich hierzu mit der Vernetzung energierelevanter Informationen zwischen produzierenden KMU, Energieversorgern (EVU) und Maschinenbauern. Ziel ist die Konzeption einer Kommunikationsplattform, des Energy-Information-Hubs (EIH), für den Austausch energierelevanter Informationen zwischen KMU, EVU und Maschinenbauern. Durch eine ganzheitliche Betrachtung aller am Verbrauch beteiligten Akteure soll eine energieeffiziente Produktion erreicht werden.
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.
Ziel des Projekts war die Entwicklung eines Verfahrens mit integriertem Berechnungsweg, das die ISO 14067 detailliert und für die Bestimmung des Carbon-Footprints fluidtechnischer und elektromechanischer Linearantriebe optimiert. Dieses Verfahren wurde für Anwender in einem Berechnungstool umgesetzt, das die Bedürfnisse von KMU beachtet, mit geringem Aufwand eine Abschätzung der Klimawirkungen einer geplanten Anlage durchzuführen.
Aufbauend auf einer Systematisierung unterschiedlicher Antriebe und Einsatzfunktionen (AP 1) wurde eine Datenbank in Bezug auf die ökologischen Auswirkungen der Antriebsarten in Herstellung, Betrieb und End-of-Life in der Netzwerkbetrachtung erstellt (AP 2). Weiter wurde ein Vorgehen samt praxisbezogenem Berechnungsverfahren erstellt (AP 3). Die Ergebnisse flossen in eine Betrachtung alternativer Szenarien ein (AP 4). Vorgehensweise und Ergebnisse wurden kritischen Prüfungen unterzogen und praxisgerecht dokumentiert (AP 5).
Projektziel war die Entwicklung einer Entscheidungsunterstützung für den Fertigungssteuerer, die eine differenziertere Betrachtung von Abweichungen in der Fertigung ermöglicht. Des Weiteren soll die Entscheidungsunterstützung dazu dienen, durch die Bewertung von Abweichungen transparent zu machen, bei welchen Abweichungen dringender Handlungsbedarf besteht und in welcher Art und Weise interveniert werden muss. Durch die Berücksichtigung von Entscheidungen bzgl. Abweichungssituationen aus der Vergangenheit werden zukünftige Abweichungen so besser bewertet werden können.
Das primäre Ziel des Projekts 'AM 4 Industry' bestand darin, ein Modell zu entwickeln, das die Vorteile der Integration von Additiver Fertigung in die Produktionstechnologien eines Unternehmens aufzeigt. Hierzu wurden sowohl die resultierenden Kosten als auch der durch die Produktion mit Additiver Fertigung generierte Benefit identifiziert.
Das Kosten-Nutzen-Modell soll ein für die Industrie praktikables Modell bieten, das den Vergleich verschiedener Produktionsmethoden für bestimmte Teile ermöglicht. Dadurch sollen Unternehmen befähigt werden, fundierte Entscheidungen über die potenzielle Einbeziehung der Additiven Fertigung in ihre Produktion zu treffen. Heutzutage basieren diese Entscheidungen oft auf unvollständigen Informationen, Teilkosten und unsachgemäßem Urteilsvermögen.
Der Einsatz der Additiven Fertigung zur Herstellung von Teilen verändert oft mehr als lediglich einen Einzelaspekt in der Lieferkette. Aus diesem Grund ist es schwierig, einen klaren Überblick über den möglichen Nutzen sowie eventuelle Kosten zu erhalten. Für einen Vergleich, der alle Aspekte berücksichtigt, ist eine ganzheitliche Betrachtung erforderlich. Hierzu müssen alle einflussnehmenden Faktoren betrachtet werden. Dazu zählt insbesondere die fundierte Betrachtung des gesamten Produktlebenszyklus: Produktdesign / Engineering, Produktion / Qualität, Service / After Sales. Die Vorteile der Produktion mit Additiver Fertigung sind zum Beispiel die Funktionsintegration in einzelne Bauteile oder neue Möglichkeiten in der Ersatzteilfertigung. Demgegenüber stehen jedoch u. a. teilweise längere Produktionszeiten und hohe Implementierungskosten der Technologie.
Da es nicht möglich ist, den Nutzen der Additiven Fertigung allein mit einem klassischen Kostenvergleich zu bewerten, musste ein neues generisches Modell entwickelt werden, das die über den gesamten Lebenszyklus entstehenden Kosten mit den technologischen Vorteilen vergleicht. Mit diesem Wissen erhalten Unternehmen einen Wettbewerbsvorteil, denn anstelle von zeitaufwändigen Trial-and-Error-Tests kann das Modell den Entscheidungsprozess beschleunigen und die Erfolgsrate der Entscheidungen erhöhen.
Darüber hinaus wird ein wirtschaftlicherer Einsatz der Technologie ermöglicht, indem bei der Anwendung des entwickelten Modells neue Vorteile Additiver Fertigung identifiziert und schließlich nutzbar gemacht werden können. Die Anwendbarkeit des Modells in einem frühen Stadium - auch ohne genaue Daten - ermöglicht es Anwendern, sich bei ihren Bemühungen auf erfolgversprechende Anwendungsfälle zu konzentrieren und damit Ressourcen effizienter einzusetzen.