Produktionsmanagement
Refine
Year of publication
- 2022 (38) (remove)
Document Type
- Contribution to a Periodical (14)
- Article (4)
- Conference Proceeding (4)
- doctorallecture (4)
- Doctoral Thesis (3)
- Working Paper (3)
- Part of a Book (2)
- Lecture (2)
- Book (1)
- Internet Paper (1)
Language
- German (24)
- Multiple languages (8)
- English (6)
Is part of the Bibliography
- no (38)
Keywords
- 3D-Druck (1)
- Additive Manufacturing (1)
- Agil (1)
- Bewegungsdaten (1)
- Business Software (1)
- CO2-Bilanzierung (1)
- CO2-Emission (1)
- CPSL (1)
- Datenaustausch (1)
- Datengestützt (1)
Institute
Dieser Bericht enthält die zentralen Ergebnisse einer Studie des Center Integrated Business Applications im Auftrag der proALPHA Business Solutions GmbH und wurde in Kooperation mit dem FIR e. V. an der RWTH Aachen durchgeführt.
Ziele der Studie:
- Analyse des Marktes von CO2-Management-Software,
- die Bestimmung der Informationsverfügbarkeit zur CO2-Bilanzierung sowie potenzieller Stellschrauben zur CO2-Reduktion mittels Business-Software.
Digitales Prozessmanagement
(2022)
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 Rahmen der digitalen Transformation und der damit verbundenen Gestaltung digitaler und durchgängiger Prozesse müssen Unternehmen häufig neue Business-Software auswählen und beschaffen. Sie modernisieren hierbei ihre in die Jahre gekommene Software oder führen eine zusätzliche ein. Häufig erfolgen Auswahl und Beschaffung mittels klassischer Projektmanagementmethoden, die im Kontrast zu den agilen Methoden während der Implementierung stehen. Dieser Beitrag zeigt, wie agile Methoden schon in der Auswahl genutzt werden, um einerseits den Einstieg in die Implementierung zu erleichtern und andererseits aktives, nutzerzentriertes Change-Management von der Auswahl bis zum Einsatz der Software ermöglichen. Sie sind daher von Beginn an ein wichtiger Baustein zur Sicherung des Projekterfolgs.
Crises pose significant short and long-term threats to companies. The research project PAIRS aims to strengthen the resilience of actors in the supply-chain, en-ergy, and healthcare sectors in crisis situations. The basis for this is the newly created potential in data exchange, which is leveraged by combining internal with external (company-)data, e.g. in the GAIA-X network. AI is then the key to iden-tifying the time of the crisis and deriving appropriate actions to deal with it. Therefore, crisis scenarios are generated, and risks are assessed. In this paper, the project fundamentals are discussed. This includes the development of a project definition of the term "crisis", which is based on literature research of various scientific disciplines (e.g. economics or political science), as well as interviews with professional and academic experts from different fields. Moreover, a specif-ic example from the supply-chain domain is introduced to illustrate the process of requirement identification.
In der neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR e. V. an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten. Handlungsoptionen für Unternehmen, Verbände, Politik und Wissenschaft zeigen auf, wie der Nutzungsgrad der Datenbasis erhöht werden kann und wie sich Potenziale bei der Monetarisierung ausschöpfen lassen. Der Fokus liegt dabei auf produzierenden Unternehmen.
Souveränität: Ein Begriff, der für uns in Europa im Jahr 2022 eine besondere Bedeutung gewonnen hat. Wo Handelsbeziehungen und Energiepolitik neugestaltet werden, um nach haltig und sozialgerecht wirtschaften zu können, spielen auch Daten eine entscheidende Rolle. Digitale Souveränität in Europa erfordert eine sichere und vernetzte Dateninfrastruktur. Mit diesem Ziel wurde 2019 das Projekt ‚Gaia-X‘ ins Leben gerufen; hier gestalten internationale Vertreterinnen und Vertreter aus Wirtschaft, Wissenschaft und Politik gemeinsam die Rahmenbedingungen für den Datenaustausch und die Geschäftsmodelle der Zukunft. Die Beteiligung von kleinen und mittleren Unternehmen (KMU) ist ein essenzieller Bestandteil der Gaia-X-Strategie, denn sie bilden das Rückgrat unserer Wirtschaft. Das FIR an der RWTH Aachen gestaltet diesen Transfer im Rahmen des wissenschaftlichen Projekts ‚Uranos-X‘. Das zukünftige Gaia-XperienceLab im Cluster Smart Logistik wird dabei die zentrale Anlaufstelle für den interaktiven Einstieg in die digitalen Ökosysteme Europas sein.
Künstliche Intelligenz (KI) hat als Technologie in den vergangenen Jahren Marktreife erlangt. Es existiert eine Vielzahl benutzerfreundlicher Produkte und Services, welche die Anwendung von KI im Alltag und im Unternehmen vereinfachen. Die Herausforderung, vor denen Anwendende, gerade im betriebswirtschaftlichen Kontext, stehen, ist nicht die technische Machbarkeit einer KI-Applikation, sondern deren organisatorisch und rechtlich zulässige Gestaltung. Zu einer zunehmenden Dynamik in der Gesetzgebung kommt ein gesellschaftliches Interesse an der Kontrolle und Transparenz über die für KI-Modelle erhobenen Daten. Die Diskussion über Datensouveränität im geschäftlichen und privaten Alltag rückt mehr und mehr in das Zentrum der öffentlichen Aufmerksamkeit.
Datenbasierte KI-Anwendungen stehen damit in einem Spannungsfeld zwischen den Potenzialen, die das Erheben und Teilen von Daten über Unternehmensgrenzen hinweg bietet, und der Herausforderung, die Datensouveränität der involvierten Personen zu wahren. Die vorliegende Studie soll erstens über die Auswirkungen der Datensouveränität und die damit verbundenen aktuellen und kommenden Regularien auf KI-Anwendungsfälle aufklären. Dafür wurden Expertinnen und Experten aus den Bereichen Recht, KI- und Organisationsforschung befragt. Zweitens zeigt die Studie Potenziale und Best Practices von KI-Anwendungsfällen mit überbetrieblichem Datenaustausch auf. Dafür wurden Fallstudien in Unternehmen durchgeführt, die bereits erfolgreich Datenaustausch in ihre Geschäftsmodelle integriert haben, um ihre KI-Applikationen zu betreiben und zu verbessern.
Heutzutage werden in der Möbelindustrie oftmals kostengünstige Möbel in Serienproduktion gefertigt, bei denen die Produkte vor allem von Kurzlebigkeit und geringer Qualität geprägt sind. Die hohe Konkurrenz drängt kleinere Betriebe vom Markt und Aspekte der Produktindividualisierung, um unterschiedlichen Wohnräumen und Lebensanforderungen zu entsprechen, rücken immer stärker in den Hintergrund. Kommt der Wunsch nach einem individualisierten, innovativen und nachhaltigen Möbelstück auf, gibt es derzeit verschiedene Anbieter, die aber oftmals nicht allen Kriterien entsprechen und lange Lieferzeiten, hohe Preise und geringe Kundeneinbindung aufweisen. Mit dem EU-Projekt ‚INEDIT‘ wird deshalb das Ziel verfolgt, eine Plattform zu entwickeln, auf der maßgefertigte, innovative und nachhaltige Möbelstücke zu einem fairen Preis produziert und gehandelt werden können. Nach dem „Do-it-together“-Ansatz entsteht ein Geschäftsökosystem, das nicht nur für Kund:innen, sondern auch für Designer:innen, Zulieferer und Fertigungsbetriebe einen Mehrwert schafft. Für diese neuartige Form der Zusammenarbeit müssen auch potenzielle Erlösmodelle neu gedacht werden und Anreize für die gemeinsame Nutzung der Plattform geschaffen werden. Ziel ist es, den strategischen Fit von Plattformnutzern und passenden Geschäftsmodellen zu gewährleisten und die Nutzung der Plattform für alle optimal zu gestalten.
Im neu gestarteten Forschungsprojekt ‚STAFFEL‘ soll eine Internetplattform entstehen, die mithilfe von KI-Algorithmen Langstrecken des Straßengüterverkehrs in Teilstrecken
zerlegt. Speditionen können dann die Teilstrecken ihrer Touren über einen Lenkzeiten-Marktplatz an geeignete Frachtführer vermitteln. Am Ende einer Teilstrecke sollen die Trailer durch digitalisierte IoT-Schlösser schlüssellos an den nächsten, ausgeruhten Fahrer übergeben werden. Durch die IoT-Schlösser soll ein sicherer und robuster Übergabeprozess etabliert werden, sodass die Übergabe des Trailers auch speditionsübergreifend gewährleistet werden kann. Zudem sollen weiterführende Services für Fahrer wie Hotelreservierung oder Mautbuchung inkludiert und so der Planungsprozess für die
Fahrer vereinfacht werden.
Obwohl Sprachassistenzsysteme im privaten Alltag immer beliebter werden, finden solche Systeme noch kaum Anwendung in der Industrie. In der Theorie werden diverse Potenziale wie Zeiteinsparungen, verbesserte Ergonomie oder optimierter Informationsfluss durch den industriellen Einsatz von Sprachassistenten erwartet. Jedoch wurde dieser Einsatz im industriellen Kontext noch nicht praxisnah erforscht. Aus diesem Grund wurde im Rahmen des Forschungsprojektes „Smart Speaker“ eine Laborstudie durchgeführt, um den Einsatz von Sprachassistenzsystemen am Beispiel eines Montageprozesses zu untersuchen. Es konnten dabei drei wichtige Faktoren identifiziert werden, die maßgeblich die Nutzungseffizienz eines Sprachassistenzsystems beeinflussen.
Forschungsarbeit trägt wesentlich der Weiterentwicklung und Adoption neuer Technologien bei. Oftmals werden in Forschungsprojekten jedoch spezifische Ergebnisse im wissenschaftlichen Kontext erarbeitet, die für themenfremde Interessenten nicht immer leicht verständlich beziehungsweise zugänglich sind. Damit Unternehmen einen Mehrwert aus den Ergebnissen der Forschungsprojekte beziehen können, müssen die Ergebnisse für den Transfer in die Industrie entsprechend vorbereitet werden. Daher spielen der Wissenstransfer und die gewählte Methode des Transfers eine große Rolle.
Advanced Planning Systems
(2022)
Die Marktstudie wurde von dem Center Integrated Business Applications
(CIBA) gemeinsam mit dem Forschungsinstitut für Rationalisierung (FIR) an der RWTH Aachen durchgeführt und ausgewertet. Befragt wurden 22 Unternehmen, welche als Anbieter von APS-Lösungen verschiedene Planungssysteme für die Produktion für Kunden bereitstellen. Dabei lag der Fokus auf dem Funktionsumfang und den jeweiligen Planungsaufgaben in Supply-Chains.
Die Unternehmen der blechumformenden Industrie und deren Zulieferer sind in besonderer Weise mit dem Druck und den Chancen der digitalen Transformation konfrontiert:
Die Mobilitäts-, Produktions- und Nachhaltigkeitswende, aber auch die Transformation der Arbeitswelt wirken auf die Unternehmen. Um diese bei der Digitalisierung zu unterstützen und die langfristige Wettbewerbsfähigkeit zu erhalten, führt das FIR gemeinsam mit dem Industrieverband Blechumformung (IBU) eine fünfteilige Workshopreihe im Themenfeld Digitalisierung durch. Die ersten drei Veranstaltungen wurden bereits erfolgreich durchgeführt, wobei ein Highlight der gemeinsame Werksbesuch bei MIELE in Gütersloh war.
Um in komplexen Wertschöpfungsnetzwerken und an der Schnittstelle zwischen Kunden und Lieferanten valide, datenbasierte Entscheidungen treffen zu können, muss eine hohe Datenqualität vorliegen. Dabei mangelt es oft an einem Datenqualitätsmanagement (DQM), das den konkreten Anwendungsfall und den überbetrieblichen Austausch berücksichtigt. Wir stellen ein universales Rahmenwerk für das überbetriebliche DQM vor, das Ziele, Prozesse, relevante Daten und Akteure erfasst und den Grundstein für eine ganzheitliche Datenqualitätsstrategie legt.
Besonders in den letzten Krisen konnte die Anfälligkeit unserer gesamten Wert-schöpfungsnetzwerke beobachtet werden. Auch, wenn sich alle Krisen im Detail fundamental unterscheiden, haben alle Eines gemeinsam: eine frühzeitige Risiko-bewertung sowie eine gezielte Reaktion sind zur Bewältigung einer Krise notwen-dig. Um dies zu ermöglichen, wird im Forschungsprojekt PAIRS (Privacy-Aware, In-telligent and Resilient CrisiS Management) eine szenariobasierte Krisenmanage-mentplattform entwickelt, in welcher auf Basis von hybriden KI-Methoden Krisen identifiziert und deren Entwicklung antizipiert werden können. Hierfür wurden ver-schiedene Anwendungsfälle erfasst und deren domänenübergreifenden Wechselwirkungen systematisch untersucht.
Die Anforderungen eines Unternehmens und die Leistungsfähigkeit des
eingesetzten ERP-Systems driften oftmals stark auseinander. Viel zu früh erneuern Unternehmen deshalb ihr ERP-System, verbunden mit hohem Aufwand und entsprechenden Kosten. Um einen langfristigen, effizienten Betrieb ihres ERP-Systems zu ermöglichen, sollten Unternehmen die Kluft zwischen den benötigten Systemanforderungen und der tatsächlich vorhandenen Funktionalität eines ERP-Systems so klein wie möglich halten, idealerweise erst gar nicht entstehen lassen. Den Grundstein dazu legen sie bereits bei der Auswahl und Implementierung ihrer ERP-Systeme. Hier den richtigen Fokus zu setzen und darüber hinaus Änderungen in der Umsetzungs- und der Betriebsphase kontinuierlich zu analysieren, sind fundamentale Schritte zum Erfolg.
Um die Energiewende in Deutschland voranzutreiben, werden alternative Speichermedien und Antriebsstoffe benötigt. Grüner Wasserstoff, der mit Energie aus regenerativen Quellen erzeugt wird, spielt dabei eine tragende Rolle. Der nationale Wasserstoffbedarf bis 2030 beträgt dabei 5 Gigawatt Elektrolyse-Kapazität, sodass eine schnelle Steigerung
der Kapazitäten benötigt wird. Um das zu erreichen, sollen Elektrolyseurproduzenten wie Siemens Energy bei einem schnellen Ausbau ihrer Kapazitäten unterstützt werden. Im Projekt „SEGIWA – Serienproduktion von Elektrolyseuren im Gigawatt-Bereich” sollen Grundlagen erarbeitet werden, die SILYZER 300®-Serie von der manuellen Fertigung in die Serienfertigung im Gigawattbereich zu überführen. Im Sinne der nationalen Wasserstoffstrategie soll somit ein reibungsarmer Markthochlauf erreicht werden. Ein Fokus liegt hierbei auf der Konzeption und Implementierung weitgehend automatisierter Produktionsprozesse sowie deren Verknüpfung in einem übergeordneten Produktionskonzept. Zur Sicherstellung eines schnellen Produktionshochlaufs bei hoher Effizienz wird ein stufenweise skalierbares Fabriksystem konzipiert. Innerhalb des Produktionskonzepts werden die einzelnen Fertigungs- und Montageprozesse durchgängig digital abgebildet und ein synchronisierter Informationsfluss aufgebaut. Über das Manufacturing-Execution-System (MES) und die digitale Infrastruktur werden die Planung, die Steuerung, der Betrieb und die Optimierung
der Produktion im Zusammenspiel mit dem digitalen Zwilling der Elektrolyseure realisiert. Das FIR entwickelt dabei Konzepte zur Prozesskontrolle und Qualitätssicherung durch die digitale Vernetzung in der Fertigung. Die Kernaspekte zur durchgängigen, digitalen Synchronisation der Produktionsprozesse bilden das MES, Automatisierung und digitale Zwillinge der Produkte. So soll das Ziel der Sicherstellung einer wirtschaftlichen und effizienten Serienfertigung der Wasserelektrolyseure am Hochlohnstandort Deutschland erreicht werden.
Die Siemens Energy AG verfügt über 80 Produktionsstandorte auf der ganzen Welt. Die IT-Systemlandschaft in der Produktion ist – wie in gewachsenen Strukturen üblich – sehr heterogen. Folgerichtig stellt sich das übergeordnete Ziel, diese IT-Systemlandschaften zu harmonisieren. Dabei ist es unumgänglich, die unterschiedlichen Anforderungen aus den verschiedenen Unternehmensbereichen zu berücksichtigen. Nur so können die übergeordneten Effizienzgewinne mit einer Harmonisierung erreicht werden. Die Verbindung der Expertise von FIR und Siemens Energy war hier das Erfolgsrezept.
Im Rahmen des Forschungsprojekts ‚IPPSLaBeM‘ (Intelligente Produktionsplanung und -steuerung für das Laser-Beam-Melting) entwickelt das FIR an der RWTH Aachen in Kooperation mit dem Fraunhofer IAPT ein Produktionsplanungstool für die additive Fertigung (AM). Durch einen Simulations- und KI-Ansatz soll der manuelle Aufwand zur Fertigungsplanung minimiert und die Anlagenauslastung erhöht werden. Miteinbezogen werden Expertinnen und Experten von Anlagenherstellern, Fertigungsdienstleistern und Softwareentwicklern aus der Industrie, um einen Planungsansatz für betriebliche Anwendungssysteme der PPS zu entwickeln. Nach einer Integration in die IT-Systemlandschaft anhand eines Usecase entsteht ein Leitfaden, sodass eine praktische Umsetzung in produzierenden Unternehmen selbstständig vorgenommen werden und ein Transfer der Erkenntnisse in die Wirtschaft erfolgen kann.
Generation of a Data Model For Quotation Costing Of Make To Order Manufacturers From Case Studies
(2022)
For contract or make to order manufacturers, quotation costing is a complex process that is mainly performed based on experience. Due to the high diversity of the product range of these mostly small or medium-sized companies (SMEs) and the poor data situation at the time of quotation preparation, the quality of the calculation is subject to strong variations and uncertainties. The gap between the initial quotation costing and the actual costs to be spent (pre- and post-calculation) is crucial to the existence of SMEs. Digitalization in general can help companies to get a better understanding of processes and to generate data. For improving these processes, an understanding of the important data for that specific process is crucial. Accurate quotation costing for customized products is time-consuming and resource-intensive, as there is a lack of an overview of data to be used within the process. This paper therefore derives a data model for supporting quotation costing in the company, based on literature-based costing procedures and recorded case studies for quotation and calculation. Based on the results, SMEs will have a first overview of the needed data for quotation costing to optimize their calculation process.
Um auf steigende Kundenanforderungen und das sich änderndes Unternehmensumfeld reagieren zu können, müssen Unternehmen ihre Agilität und Reaktionsfähigkeit, insbesondere in Produktionsprozessen, erhöhen. Dafür müssen die Auswirkungen der möglichen Änderungen im Unternehmensumfeld auf die eigenen Geschäfts- und Produktionsprozesse untersucht und verstanden werden. Das Prozessverständnis allein reicht jedoch nicht: Es werden Daten aus unterschiedlichen Quellen benötigt, um die Ereignisse in der Prozess- und Lieferketten nachzuverfolgen, um das Material eindeutig zu charakterisieren und in Unternehmen vorhandene Algorithmen oder Modelle mit Eingangsdaten zu versorgen. Daher spielt die Datenverfügbarkeit eine wichtige Rolle auf dem Weg zur adaptiven Produktion. In diesem Beitrag wird die Wichtigkeit der Datenverfügbarkeit erläutert sowie ein Konzept der Datenplattform zum sicheren, überbetrieblichen Datenaustausch vorgestellt.
Die verarbeitende Industrie in Deutschland steht vor der Transformation von der bisher vorherrschenden ökonomisch orientierten Produktion hin zu einer nachhaltigen Produktion. Durch die Anpassung von Parametern der Produktionsplanung und -steuerung, wie z. B. der Losgröße durch u. a. die Konsolidierung von Transportaufwänden oder geringe Reinigungsaufwände, kann dabei eine nachhaltigere Produktion erreicht werden. Hierfür wurde mittels einer systematischen Methodik ein digitaler Schatten konzeptioniert, der eine nachhaltige Konfiguration von Losgrößen ermöglicht. Dafür erfolgen eine Aggregation von Daten aus verschiedenen Informationssystemen und die Simulation des Verhaltens eines Produktionssystems bei veränderten Losgrößen. Diese ermöglichen eine optimierte Auslegung der Losgröße, basierend auf ökonomischen und ökologischen Zielgrößen.
Die Anforderungen an den Einsatz von IT-Systemen haben sich in den letzten Jahren geändert. Anstelle von allumfassenden Komplettlösungen stehen insbesondere Flexibilität und Funktionalität im Mittelpunkt der Gestaltung von ERP-zentrierten IT-Systemlandschaften. Es besteht der vermehrte Wunsch nach einer verbesserten funktionalen Abdeckung, welches u. a.durch den verstärkten Einsatz von weiteren IT-Systemen erreicht werden kann. IT-Systemlandschaften rund um das ERP-System werden so immer vielschichtiger. Problematisch dabei ist, dass durch eine fehlende systematische Gestaltung der IT-Systemlandschaften unklare Verantwortlichkeiten, komplexe Schnittstellen sowie funktionale Überschneidungen und Datenchaos entstehen. Ein weiterer Effekt ist die wachsende Anzahl an Schatten-IT, die entsteht, weil die allumfassende Komplettlösung nicht alle benötigten Funktionen abdeckt.
Unternehmen stehen vor der Herausforderung, zukünftig neben ökonomischen Zielen auch ökologische Ziele zu erreichen. Allerdings ist die Integration ökologischer Kriterien in Entscheidungen für viele Unternehmen komplex, sodass es einer adäquaten Entscheidungsunterstützung bedarf. Im Rahmen des Exzellenzclusters „Internet of Production” der RWTH Aachen wird daher eine Entscheidungsunterstützung entwickelt, die eine datenbasierte Konfiguration von Parametern der Produktionsplanung nach ökologischen und ökonomischen Zielgrößen ermöglicht. Dies schafft eine aufwandsarme
und datenbasierte Möglichkeit zur Realisierung einer nachhaltigeren Produktion.
Das Projekt wird gefördert durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzstrategie des Bundes und der Länder.
Data-driven transparency in end-to-end operations in real-time is seen as a key benefit of the fourth industrial revolution. In the context of a factory, it enables fast and precise diagnoses and corrections of deviations and, thus, contributes to the idea of an agile enterprise. Since a factory is a complex socio-technical system, multiple technical, organizational and cultural capabilities need
to be established and aligned. In recent studies, the underlying broad accessibility of data and corresponding analytics tools are called “data democratization”. In this study, we examine the status quo of the relevant capabilities for data democratization in the manufacturing industry.
(1) and outline the way forward.
(2) The insights are based on 259 studies on the digital maturity of factories from multiple industries and regions of the world using the acatech Industrie 4.0 Maturity Index as a framework. For this work, a subset of the data was selected.
(3) As a result, the examined factories show a lack of capabilities across all dimensions of the framework (IT systems, resources, organizational structure, culture).
(4) Thus, we conclude that the outlined implementation approach needs to comprise the technical backbone for a data pipeline as well as capability building and an organizational transformation.
The environment in which companies operate is increasingly volatile and complex. This results in an increased exposure to disruptions. Past disruptions have especially affected procurement. Thus, companies need to prepare for disruptions. The preparedness for disruptions in the context of procurement is significantly influenced by the design of the procurement strategy. However, a high number of purchased articles and a variety of influencing factors lead to high complexity in procurement. The systematic design of the procurement strategy should therefore take into account the criticality of the purchased articles. This enables to focus on the purchased articles that have a high impact on the disruption preparedness. Existing approaches regarding the design of the procurement strategy in uncertain environments either lack practical applicability and objective evaluation or focus on the criticality of raw materials rather than of purchased articles. Therefore, a data-based approach for the systematic design of the procurement strategy in the context of the Internet of Production has been proposed. One central aspect of this approach is the identification of success-critical purchased articles. Thus, this paper proposes a framework for characterizing purchased articles regarding supply risks by combining two systematic analyses. First, a systematic literature review is performed to answer the question of what factors can be used to describe the supply risks of purchased articles. The results are analyzed regarding sources and impacts of risks and thus contribute to a structured characterization of supply risks. Second, existing criticality assessment approaches for raw materials are analyzed to identify categories and indicators that describe purchased articles. The results of both reviews provide the basis for linking product characteristics with supply risks and assessing product criticality which will be integrated into an app prototype.
Companies operate in an increasingly volatile environment where different developments like shorter product lifecycles, the demand for customized products and globalization increase the complexity and interconnectivity in supply chains. Current events like Brexit, the COVID-19 pandemic or the blockade of the Suez canal have caused major disruptions in supply chains. This demonstrates that many companies are insufficiently prepared for disruptions. As disruptions in supply chains are expected to occur even more frequently in the future, the need for sufficient preparation increases. Increasing resilience provides one way of dealing with disruptions. Resilience can be understood as the ability of a system to cope with disruptions and to ensure the competitiveness of a company. In particular, it enables the preparation for unexpected disruptions. The level of resilience is thereby significantly influenced by actions initiated prior to a disruption. Although companies recognize the need to increase their resilience, it is not systematically implemented. One major challenge is the multidimensionality and complexity of the resilience construct. To systematically design resilience an understanding of the components of resilience is required. However, a common understanding of constituent parts of resilience is currently lacking. This paper, therefore, proposes a general framework for structuring resilience by decomposing the multidimensional concept into its individual components. The framework contributes to an understanding of the interrelationships between the individual components and identifies resilience principles as target directions for the design of resilience. It thus sets the basis for a qualitative assessment of resilience and enables the analysis of resilience-building measures in terms of their impact on resilience. Moreover, an approach for applying the framework to different contexts is presented and then used to detail the framework for the context of procurement.
SCM-Software ist heute zur Unterstützung der übergreifenden Herstellabwicklung zwischen den Unternehmen bzw. Unternehmensstandorten etabliert. Der Blick in die Praxis verdeutlicht allerdings unterschiedlichste Leitideen, Anforderungsschwerpunkte und Lösungsansätze. Außerdem setzen die Softwareanbieter verschiedenste Branchenund Funktionsschwerpunkte, was die Vergleichbarkeit zusätzlich einschränkt. Der vorliegende Beitrag gibt einen Überblick über ein SCM-Funktionsmodell zur durchgängigen standortübergreifenden und -internen Herstellabwicklung zur Bewertung der verfügbaren SCM-Software.
Due to shorter product life cycles and the increasing internationalization of competition, companies are confronted with increasing complexity in supply chain management. Event-based systems are used to reduce this complexity and to support employees' decisions. Such event-based systems include tracking & tracing systems on the one hand and supply chain event management on the other. Tracking & tracing systems only have the functions of monitoring and reporting deviations, whereas supply chain event management systems also function as simulation, control, and measurement. The central element connecting these systems is the event. It forms the information basis for mapping and matching the process sequences in the event-based systems. The events received from the supply chain partner form the basis for all downstream steps and must, therefore, contain the correct data. Since the data quality is insufficient in numerous use cases and incorrect data in supply chain event management is not considered in the literature, this paper deals with the description and typification of incorrect event data. Based on a systematic literature review, typical sources of errors in the acquisition and transmission of event data are discussed. The results are then applied to event data so that a typification of incorrect event types is possible. The results help to significantly improve event-based systems for use in practice by preventing incorrect reactions through the detection of incorrect event data.
Resiliente Supply-Chains
(2022)
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.
Das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center untersuchten die Anfälligkeit von Unternehmen gegenüber Krisensituationen: Die Expertise „Wertschöpfungsnetzwerke in Zeiten von Infektionskrisen“ nimmt sich die COVID-19-Pandemie als Beispiel (Herausgeber Forschungsbeirat der Plattform Industrie 4.0/acatech – Deutsche Akademie der Technikwissenschaften). In einer empirischen Fragebogenstudie wurden im Zeitraum von Mitte November 2020 bis Mitte Januar 2021 Unternehmen hinsichtlich der Auswirkungen der COVID-19-Pandemie befragt. Unter anderem sollte die Relevanz und der aktuellen Umsetzungsstand potenzieller Maßnahmen zur Steigerung der Resilienz eingeschätzt werden. An dieser Befragung nahmen vorwiegend produzierende Unternehmen unterschiedlicher Größe und aus verschiedenen Branchen u. a.
Maschinen- und Anlagenbau, Automobil-, Konsumgüter- und Metallindustrie teil. Auf Basis dieser Ergebnisse wurden Potenziale und Handlungsoptionen identifiziert, die Unternehmen bei der resilienten Gestaltung ihrer Wertschöpfungsnetzwerke unterstützen können.