Produktionsmanagement
Refine
Year of publication
- 2016 (37) (remove)
Document Type
- Contribution to a Periodical (15)
- Lecture (7)
- Conference Proceeding (5)
- doctorallecture (4)
- Part of a Book (2)
- Doctoral Thesis (2)
- Article (1)
- Book (1)
Is part of the Bibliography
- no (37)
Keywords
- APS (1)
- Adaptive 3D-Montageanleitung (1)
- Agile Produktion (1)
- Analogie (1)
- Anlaufmanagement (2)
- Anwendersysteme (1)
- Anwendungssysteme (1)
- Auftragsabwicklung (2)
- Auftragsfertigung (1)
- Beschaffung (1)
Institute
Failure management in the production area has been intensely analyzed in the research community. Although several efficient methods have been developed and partially successfully implemented, producing companies still face a lot of challenges. The resulting main question is how manufacturers can be assisted by a sustainable approach enabling them to proactively detect and prevent failures before they occur. A high-resolution production system based on analyzed real-time data enables manufacturers to find an answer to the main question. In this context, Big Data technologies have gained importance since the critical success factor is not only to collect real-time data in the production but also to structure the data. Therefore, we present in this paper the implementation of Big Data technologies in the production area using the example of an actual research project. After the literature review, we describe a Big Data based approach to prevent failures in the production area. This approach mainly includes a real-time capable platform including complex event processing algorithms to define appropriate improvement measures.
Im Forschungsprojekt BigPro wird die Frage beantwortet, wie Big Data aus der Produktion genutzt werden können, um das Störungsmanagement zu unterstützen. Dazu wurde ein Vorgehen entwickelt, das sicherstellt, dass die erforderlichen Informationen in der richtigen Form zu Verfügung stehen und das System zielgerichtet auf- und eingesetzt werden kann. Das Projekt „BigPro“ wird
über das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprogramms IKT 2020 – Forschung für Innovationen mit dem Förderkennzeichen 01IS14011 gefördert
Wichtige Wachstumsmärkte werden zunehmend durch Handelshemmnisse abgeschottet. Während die Automobilindustrie bereits mit dem Completely Knocked Down (CKD)-Konzept reagiert, indem Erzeugnisse teilzerlegt exportiert und lokal endmontiert werden, fehlen für den Maschinen- und Anlagenbau geeignete Ansätze für die Übertragung. Der vorliegende Artikel leistet dazu einen Beitrag, in dem die relevanten Merkmale einer CKD-Baugruppe definiert und vor dem Hintergrund relevanter Wirkungszusammenhänge ein Vorgehen für die Ableitung idealer Baugruppentypen skizziert wird.
Um langfristig in einem Umfeld zunehmenden Wettbewerbs mit internationalen Anbietern erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, sodass 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 Forschungsvorhabens „CKDCHAIN“ ist die Übertragung dieses Konzepts auf Unternehmen des Maschinen- und Anlagenbaus, in dem eine simulationsbasierte Gestaltungsunterstützung entwickelt werden soll. Das IGF-Vorhaben 18384 N des FIR e. V. an der RWTH Aachen wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung und -entwicklung (IGF) vom Bundesministerium für Wirtschaft und Technologie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
One major problem of today’s producing companies is to reach a high adherence to delivery dates while considering the volatile market situation as well as economic aspects. This problem can only be solved by using a production control that is optimally adapted to the processes. A good working, process-oriented production control is essential for being able to control the production situation and to ensure a high adherence to delivery dates. Data generation and processing determine the success of production control. Current processes and IT systems have several shortcomings in meeting these challenges.
The solution for this problem is the so called “cyber physical production control” (CPPC). It optimally supports the production scheduler in his decision making process based on real-time high-resolution data. With the help of data analytics, the production controller receives decision support over various steps. Due to CPPC, the overall goal of a high adherence to delivery dates can be fundamentally increased.
Im Kontext Industrie 4.0 kommt der Erfassung der anfallenden Daten in der Produktion und deren Nutzung eine zentrale Bedeutung zu. Analysen betrieblicher Daten, welche auf verschiedenen Ebenen generiert werden, lassen Rückschlüsse und Erkenntnisse zur besseren Entscheidungsfindung zu. Die Basis für den Einsatz von Verfahren der Datenanalyse und -auswertung stellt ein hinreichend genaues Abbild der relevanten Daten - der Digitale Schatten - in der Auftragsabwicklung, Produktion, Entwicklung oder angrenzenden Bereichen dar.
Im Rahmen des vorliegenden Beitrages wird ein Modell für den Digitalen Schatten in der Auftragsabwicklung vorgestellt, welches die Basis für die Implementierung von Methoden der Datenanalytik darstellt.
Today, manufacturing companies are facing the influences of a dynamic environment and the continuously increasing planning complexity. Using advanced data analytics methods, processes can be improved by analyzing historical data, detecting patterns and deriving measures to counteract the issues. The basis of such approaches builds a virtual representation of a product – called the digital twin or digital shadow.
Although, applied IT systems provide reliable feedback data of the processes on the shop-floor, they lack on a data structure which represents real-time data series of a product. This paper presents an approach for a data structure for the order processing which overcomes the described issue and provides a virtual representation of a product. Based on the data structure deviations between the production schedule and the real situation on the shop-floor can be identified in real time and measures to reschedule operations can be identified.
Im Zuge der Globalisierung und einer steigenden Marktdynamik ge-
winnt die Optimierung der Lieferketten zunehmend an Bedeutung.
Die Untersuchung unterschiedlicher Beschaffungsstrategien im Wert-
schöpfungsnetzwerk unter Berücksichtigung des Einflusses verschie-
dener Produktionsparameter fällt in der unternehmerischen Praxis
zunehmend schwer. Hierbei können Simulationen von Lieferketten
Abhilfe schaffen, um Wertschöpfungsstrukturen entlang der Supply
Chain zu analysieren und zu verbessern.