Produktionsmanagement
Refine
Year of publication
- 2022 (3) (remove)
Document Type
- Doctoral Thesis (3) (remove)
Language
- German (3)
Is part of the Bibliography
- no (3)
Keywords
- Industrie 4.0 (1)
- Leistungssteigerung (1)
- PPS (1)
- Performance-Measurement (1)
- Referenzmodell (1)
- SV7457 (1)
- SV7458 (1)
- Supply-Chain-Leistungsfähigkeit (1)
Institute
Die vorliegende Arbeit liefert einen Beitrag zur systematischen Untersuchung der Aufgaben und Prozesse der Produktionsplanung und -steuerung im Kontext von Industrie 4.0. Der Schwerpunkt liegt dabei insbesondere auf der Rolle des Menschen in diesem Zusammenhang. Hierfür wird zunächst ein Beschreibungsmodell für die Aufgaben der Produktionsplanung und -steuerung entwickelt. Die Aufgabenreferenzsicht des Aachener PPS-Modells bildet dabei den Ordnungsrahmen des Beschreibungsmodells. Darauf aufbauend werden Merkmale und Merkmalsausprägungen zur Beschreibung der Produktionsplanung und -steuerung identifiziert und beschrieben. Anschließend erfolgt die Entwicklung eines Reifegradmodells für die Produktionsplanung und -steuerung. Grundlage des Reifegradmodells bildet der ‚acatech Industrie 4.0 Maturity Index‘. Nach der Herleitung der Reifegradstufen werden die zuvor identifizierten und beschriebenen Merkmalsausprägungen den einzelnen Reifegradstufen zugeordnet. Im Anschluss erfolgt die Entwicklung eines reifegradbasierten Referenzmodells für die Prozesse der Produktionsplanung und -steuerung unter besonderer Berücksichtigung der Verteilung der Aufgaben zwischen Mensch und betrieblichem Anwendungssystem. Das Referenzmodell ermöglicht eine Erklärung der Aufgaben der Mitarbeiter*innen und der betrieblichen Anwendungssysteme auf zuvor definierten Reifegradstufen.
Weiterhin liegt das Ziel dieser Arbeit in der zielgerichteten Unterstützung des Menschen in der Produktionsplanung und -steuerung. Um dieses Ziel zu erreichen, wird ein Gestaltungsmodell für lernunterstützende Applikationen für Produktionsplanungs- und -steuerungssysteme entwickelt. Hierfür werden zunächst im Kontext des Internet of Production die Einsatzmöglichkeiten von Apps als Ergänzung zu bestehenden betrieblichen Anwendungssystemen aufgezeigt. Anschließend wird das Gestaltungsmodell für lernunterstützende Applikationen für Produktionsplanungs- und -steuerungssysteme entwickelt, das eine zielgerichtete Unterstützung des Menschen in der Produktionsplanung und -steuerung ermöglicht.
(Quelle: https://www.apprimus-verlag.de/gestaltungsmodell-zur-lernunterstutzenden-erweiterung-von-produktionsplanungs-und-steuerungssystemen.html)
Im Zuge der fortschreitenden Globalisierung ist die Steigerung der Leistungsfähigkeit für produzierende Unternehmen von zunehmender Relevanz. Im Laufe der Jahrzehnte haben Unternehmen diverse Maßnahmen ergriffen, um die eigene Leistungsfähigkeit zu steigern. Hierzu existieren verschiedene Methoden, welche unter dem Begriff „Performance-Management“ zusammengefasst werden können. Durch die Anwendung dieser Methoden konnten in der Vergangenheit umfassende Leistungssteigerungen erreicht werden. Aufgrund veränderter Rahmenbedingungen sind die klassischen Methoden der Leistungssteigerung, welche vor allem unternehmensinterne Faktoren adressieren, jedoch nicht mehr zielführend. So fokussieren Unternehmen z. B. aufgrund steigender Kundenanforderungen zunehmend die eigenen Kernkompetenzen und lagern andere Wertschöpfungsaktivitäten aus. Dies führt zu einer sinkenden Fertigungstiefe der Unternehmen bei gleichzeitig steigender Komplexität der Wertschöpfungsnetzwerke. Die zunehmende unternehmensübergreifende Verflechtung erhöht die Relevanz des Supply-Chain-Managements für den Leistungserstellungsprozess produzierender Unternehmen und erfordert eine Erweiterung des Betrachtungsbereichs bei Optimierungsinitiativen.
Daher wird durch die Dissertationsschrift das Ziel verfolgt, eine kennzahlenbasierte Bewertungsmetrik leistungsbestimmender Faktoren in Supply-Chains von Industriebetrieben zu entwickeln. Durch diese Bewertungsmetrik sollen Unternehmen dazu befähigt werden, Leistungssteigerungspotenziale unter Berücksichtigung von Supply-Chain-bedingten Einflussfaktoren identifizieren zu können. Hierzu werden zunächst relevante Schlüsselkennzahlen zur Beschreibung der operativen Leistungsfähigkeit ermittelt sowie Unternehmens- und
Supply-Chain-Eigenschaften in Bezug auf die operative Leistungsfähigkeit charakterisiert. Darauf aufbauend erfolgen die Selektion und Analyse der leistungsbestimmenden Faktoren der Schlüsselkennzahlen. Zur Bestimmung des Supply-Chain-Einflusses auf die Leistungsfähigkeit werden die leistungsbestimmenden Faktoren hinsichtlich der Einflussart in die Kategorien Unternehmensinterner, Supply-Chain-bedingter und Exogener Einfluss eingeteilt. Anschließend werden auf Basis dieser Erkenntnisse typenspezifische Bewertungsmetriken entwickelt. Durch die Entwicklung einer Vorgehensweise wird abschließend eine anwenderspezifische Nutzung der erarbeiteten Erkenntnisse sichergestellt. (Quelle: Einband)
Implementierung von Manufacturing Execution Systems basierend auf Industrie-4.0-Reifegradmodellen
(2022)
Steigende Kundenanforderungen hinsichtlich Qualität, Lieferzeit und Termintreue führen zur steigenden Dynamisierung der Märkte. Unternehmen stehen dabei vor der Herausforderung, die externe Dynamisierung und die daraus resultierenden, unternehmensinternen Herausforderungen zu bewältigen. Hierbei stellt die vierte industrielle Revolution einen möglichen Befähiger zur Bewältigung der zunehmenden externen und internen Herausforderungen dar. Zur Umsetzung der Vision von Industrie 4.0 existieren verschiedene Rahmenwerke, jedoch sind in Unternehmen bisweilen nur vereinzelt Use-Cases sowie Leuchtturmprojekte umgesetzt worden. Eine durchgängige, unternehmensweite Umsetzung der Rahmenwerke steht bis heute aus. Für eine digitale Unterstützung in der Produktion und den angrenzenden Bereichen des Produktionsmanagement stellen Manufacturing-Execution-Systeme (MES) ein mögliches Informationssystem dar. ME-Systeme sind bereits erprobt und haben sich durch die stetige Weiterentwicklung als marktreife Lösung zur Umsetzung von Industrie-4.0-Ansätzen etabliert. Für Unternehmen stellen Implementierungsprojekte von ME-Systemen häufig strategische Projekte mit Bezug zu Industrie 4.0 dar. Durch die Anzahl an betroffenen Unternehmensfunktionen und eingebundenen Stakeholder sind sie – wie andere IT-System-Einführungsprojekte – häufig komplex. Auf Grund des modularen, funktionalen Aufbaus der ME-Systeme sowie möglicher Lerneffekte und der frühzeitigen Ausschöpfung des Systemnutzens bietet sich die sukzessive, also schrittweise, Implementierung an. In der Praxis wird dies häufig als Vorgehen gewählt, wodurch Unternehmen vor der Herausforderung stehen, die Implementierungsreihenfolge – also zeitliche Abfolge und Ort der zu implementierende Funktionsmodule – zu bestimmen.
Zur Unterstützung der Unternehmen bei der Implementierung von ME-Systemen wird in dieser Dissertationsschrift daher das Ziel verfolgt,
ein Vorgehensmodell zur sukzessiven Implementierung, basierend auf Industrie-4.0-Reifegradmodellen, zu entwickeln. Mit der umfangreichen
Analyse der Wechselwirkungen zwischen den betroffenen Kernaufgaben eines Unternehmens, den MES-Funktionen sowie den Zielen der digitalen Transformation wird den Anwender:innen mit dieser Dissertationsschrift nun ein Reifegradmodell sowie ein anwendbares Vorgehen zur Verfügung stellt. Dieses befähigt sie, eine nutzenzentrierte, sukzessive Einführung von MES unternehmensspezifisch zu strukturieren.