Produktionsmanagement
Refine
Year of publication
- 2018 (41) (remove)
Document Type
- Contribution to a Periodical (25)
- Conference Proceeding (6)
- doctorallecture (2)
- Doctoral Thesis (2)
- Lecture (2)
- Report (2)
- Internet Paper (1)
- Working Paper (1)
Is part of the Bibliography
- no (41)
Keywords
- 3-Phasen-Konzept (1)
- 3PhasenKonzept (2)
- AM4Industry (1)
- APMS (1)
- APS (1)
- APS-System (1)
- Abweichungsmanagement (2)
- Additive Fertigung (2)
- Advanced Planning System (1)
- Agiles Produktmanagement (1)
Institute
Das FIR an der RWTH Aachen widmet sich gemeinsam mit dem Forschungskonsortium, bestehend aus dem Fraunhofer ILT, der DMG Mori Spare Parts GmbH, der Materialise GmbH, der TOP Mehrwert-Logistik GmbH und der Software AG, der Entwicklung einer unternehmensübergreifenden Softwareplattform zur Realisierung eines Wertschöpfungsnetzwerks für eine agile Logistiklösung zu Herstellung von Neu- und Ersatzteilen unter Nutzung der additiven Fertigung. Ziel ist die Entwicklung und prototypische Implementierung einer unternehmensübergreifenden softwarebasierten Plattform, die die zentralen Koordinationsfunktionen bereitstellt.
Das Navi für den Shopfloor
(2018)
Um am Markt weiterhin bestehen zu können, müssen die Unternehmen agiler werden. Ein Mittel dazu ist die digitale Abbildung der Prozesse, wobei die Echtzeitlokalisierung von Teilen in der Produktion ein wichtiger Baustein ist, den die RWTH im Rahmen eines Projekts auf Basis von SAP ERP untersucht hat. Ziel der Aktivitäten in der Demonstrationsfabrik Aachen DFA in Zusammenarbeit mit dem FIR war die Umsetzung von Industrie 4.0 durch ein "Real Time Location System" (RTLS). Diese Echtzeit-Lokalisierung - umgesetzt mit Unterstützung des Technologieanbieters Ubisense und des SAP-Partners Intelligence - kann Rückmeldungen vollautomatisch verarbeiten und in die aktuelle Planung einbinden. Es werden technische Umsetzungsmöglichkeiten sowie die einhergehenden Herausforderungen insbesondere auch der Integrationsfähigkeit in ERP-Systeme erläutert.
Das Zukunftsprojekt Industrie 4.0 gelingt nur, wenn die digitale Planung die Realität in der Fertigung möglichst genau abbildet und die Fertigungssteuerung in Echtzeit auf Abweichungen reagiert. In diesem Beitrag wird erklärt, wie Schnittstellen von ERP- und ME-Systemen im Zuge der Industrie 4.0 gestaltet werden können, was bei der horizontalen und vertikalen Integration der IT-Systeme berücksichtigt werden muss und welchen weiteren Herausforderungen sich IT-Systeme auf dem Weg zur Industrie 4.0 stellen müssen.
„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.
Die Bewertung der produktionsnahen IT-Infrastruktur und die Auswahl eines passenden ME-Systems stellen Unternehmen vor eine komplexe, aber nicht unlösbare Herausforderung. Die Einführung der Software hat dabei nicht nur Auswirkungen auf den Produktionsprozess, sondern auch auf die Feinplanung und das Qualitätsmanagement. Um die Investionskosten und den internen Personalaufwand für die Einführung gering zu halten, benötigt man eine gezielte Vorgehensweise zur Auswahl des Systems.
10 Jahre ist es her, dass ein unbekannter Autor unter dem Pseudonym Satoshi Nakamoto ein Paper veröffentlichte, in dem er eine Alternative zum Fiat-Währungssystem beschrieb. Grundbaustein: Die damals noch wenig bekannte Blockchain-Technologie.
Gerade einmal ein Jahr später begann der kometenhafte Aufstieg dieser „Kryptowährung“. Der Bitcoin hangelt sich von einem Superlativ zum nächsten, inzwischen liegt die Marktkapitalisierung bei deutlich über 200 Mrd. US-Dollar. Doch das Fachpublikum hat längst bemerkt, dass der Bitcoin nur ein erster technischer Durchstich für etwas viel Größeres ist. Über 1000 verschiedene Kryptowährungen verzeichnet die Webseite coinmarketcap.com.
Aber auch über die Anwendung als Währung hinaus tun sich enorme Potenziale auf und die Anzahl an wissenschaftlichen Veröffentlichungen nimmt jeden Monat zu. Gleichzeitig häufen sich die Vorbehalte, ob die Technologie halten kann, was diverse Berater und Start-ups versprechen; immer wieder wird die Technologie als Energiefresser verschrien. Und tatsächlich verbraucht das Bitcoin-Netz aktuell mehr Strom als beispielsweise ganz Irland.
Company Data in the Blockchain: A Juxtaposition of Technological Drivers and Potential Applications
(2018)
In the presented paper, the technical possibilities of Blockchains are analyzed and classified according to their suitability to address specific challenges. This makes it possible to identify those technological drivers that are particularly promising for applicability in a corporate context. This includes, for example, tamper-resistance and security from forgery, which can be achieved without intermediaries with the help of data encryption methods using hash functions. Another technological capability of Blockchains is to provide a high degree of data security, which can be realized using public-key cryptography.
The technological drivers will be juxtaposed with data as typically generated in manufacturing companies (orders and order confirmations, production data, quality-related data, etc.). Subsequently, the prerequisites that these data must meet with regard to storage capacity and transferability will be identified. By linking the results to the identified technological drivers and functions it becomes possible to determine what types of company data have the potential to be successfully stored and managed in a Blockchain.