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 Zuge von Internet of Things (loT), Industrie 4.0 sowie den Smart-Service-Entwicklungen muss die ERPSystemlandschaft zunehmend eine frei skalierbare betriebliche Anwendung darstellen und über eine hohe Agilität verfügen. Denn so werden Unternehmen in die Lage versetzt, ihre Geschäftsprozesse schnell, flexibel und fehlerfrei an veränderte Marktbedingungen anzupassen und so Wettbewerbsvorteile zu erzielen.
Auftragszeiten echtzeitfähig und ereignisgesteuert zu erfassen, bietet Unternehmen zahlreiche Chancen. Prozessschritte in der Produktion lassen sich automatisieren, Abläufe absichern und Verbesserungsmaßnahmen entwickeln. Das Center-Enterprise-Resource-Planning hat gemeinsam mit ERP- und Technologie-Herstellern einen Lösungsansatz entwickelt, um gekennzeichnete Objekte im Werk zu verfolgen und auf dieser Grundlage automatisierte Ereignisse auszulösen.
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.
Produktions- und Logistiksysteme sind komplex. Eingriffe in geplante oder bereits bestehende Systeme ziehen Konsequenzen nach sich, die nicht ohne weiteres in vollem Umfang erfasst werden können. Hilfestellung
bieten auf das spezifische System ausgelegte, maßgeschneiderte Simulationsstudien, die es Unternehmen ermöglichen, vollumfänglich positive wie auch negative Auswirkungen geplanter Änderungseingriffe
ins System zu erkennen.
Aufgrund kürzer werdender Produktlebenszyklen, steigender Produktvielfalt und höherer Produktkomplexität stehen Unternehmen der Fertigungsindustrie vor der Herausforderung, eine zunehmende Anzahl komplexer Serienanläufe in immer kürzeren Zeitabschnitten zu planen und umzusetzen. Dies stellt produzierende Unternehmen vor massive Probleme, welche bis heute nur unzureichend gelöst sind. Eine Methodik aus der Softwarebranche stellt nun aktuelle Prozesse und Verfahren der Entwicklung wie auch des Anlaufs von physischen Produkten infrage.
Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzinitiative geförderte „Graduiertenkolleg Anlaufmanagement“ (GRK 1491/2) befasst sich mit der Optimierung des Serienanlaufs. Um die Komplexität und die Instabilität des Anlaufes vor und während der Produktion zu beherrschen, forschen Wissenschaftler unterschiedlicher Institute der RWTH Aachen aus den Fachbereichen der Ingenieur- und Wirtschaftswissenschaft an interdisziplinären Lösungsansätzen. Der Fokus ist in erster Linie darauf gerichtet, wie produzierende Unternehmen im Rahmen des Serienanlaufs eine höhere Entscheidungsqualität und damit einen stabileren Serienanlauf erlangen können.
Kürzer werdende Produktlebenszyklen, steigende Produktvielfalt und höhere Produktkomplexität stellen fertigende Unternehmen und deren Supply-Chains vor die Herausforderung, eine zunehmende Anzahl komplexer Serienanläufe in immer kürzeren Zeitabschnitten planen und umsetzen zu müssen. Dies stellt produzierende Unternehmen und die Mitarbeiter in den Serienanläufen vor bisher nur unzureichend gelöste Schwierigkeiten. Ein Ansatz, welcher insbesondere die direkt im Anlaufgeschehen involvierten Mitarbeiter unterstützen soll, basiert auf der Annahme, dass sich unternehmerische Fragestellungen spielerisch erlernen lassen: Serious Gaming. Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzinitiative geförderte „Graduiertenkolleg Anlaufmanagement“ (GRK 1491/2) befasst sich mit der Optimierung des Serienanlaufs. Um die Komplexität und die Instabilität des Anlaufs vor und während der Produktion zu beherrschen, forschen Wissenschaftler unterschiedlicher Institute der RWTH Aachen aus den Fachbereichen der Ingenieur- und Wirtschaftswissenschaft an interdisziplinären Lösungsansätzen. Der Fokus liegt in erster Linie darauf, wie produzierende Unternehmen im Rahmen des Serienanlaufs eine höhere Entscheidungsqualität und damit einen stabileren Serienanlauf erlangen können.
eStep Mittelstand: Analyse der Nutzung und Verbreitung von E-Business-Standards bei Unternehmen
(2016)
Im Forschungsprojekt »eStep Mittelstand – Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von E-Business-Standards in komplexe Lieferkettenprozesse« (im Folgenden kurz „eStep Mittelstand“ genannt) werden Lösungen erarbeitet, um den Einsatz von E-Business-Standards in den Geschäftsprozessen von kleinen und mittleren Unternehmen (KMU) zu stärken und auszubauen. Dazu werden geeignete Methoden und Modelle entwickelt, welche es KMU erlauben, E-Business-Projekte trotz hoher Komplexität erfolgreich umzusetzen. Die Umstellung auf standardbasierte, elektronische Geschäftsprozesse wird durch das Self-Assessment-Tool
(SAT), den Entscheidungsbaum (EB) und die Middleware (MW) erheblich erleichtert. Eine DIN SPEC, welche in Zusammenarbeit mit dem Deutschen Institut für Normung (DIN) e. V. erarbeitet wurde, stellt nun auch einen Leitfaden zur Weiterentwicklung und zum Ausbau der Funktionalität des SATs und des EBs bereit. Das Förderprojekt "eStep Mittelstand" ist Teil der Förderinitiative "eStandards: Geschäftsprozesse standardisieren, Erfolg sichern", die im Rahmen des Förderschwerpunkts "Mittelstand-Digital – IKT-Anwendungen in der Wirtschaft" vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert wird.
Industrie 4.0 schafft die Grundlage zur effizienten Planung und echtzeitfähigen Steuerung der Produktion. ERP-Systeme können dabei eine zentrale Rolle spielen. Hierfür müssen ERP-Systeme folgende Anforderungen erfüllen: Datenvolumen, Analysefähigkeit + Prognoseverfahren, Geschwindigkeit + Latenzzeiten, Sicherheitsanforderungen, Flexibilität + Schnittstellen.
Die Kapitalbindungsdauer im Maschinenbau fällt im nationalen Branchenvergleich besonders hoch aus. Durch kundenindividuelle Entwicklung und Produktion ergeben sich lange Auftragsabwicklungszeiten, welche eine längerfristige Kapitalüberbrückung erfordern. Betroffene Unternehmen müssen über ausreichend liquide Mittel verfügen, um ihren Umsatz und ggf. auch Wachstum vorfinanzieren zu können und nicht der Gefahr von Zahlungsunfähigkeit ausgesetzt zu werden. Damit einhergehend gibt es im Maschinen-und Anlagenbau besonders große Potenziale in der Optimierung des eingesetzten Kapitals.
Der Erfolg produzierender Klein- und mittelständischer Unternehmen in Deutschland ist in einer hohen Innovations- und Gestaltungsfähigkeit sowie Reaktionsgeschwindigkeit auf veränderte Marktanfragen begründet. Die derzeitige Entwicklung zu kundenindividuellen Produkten bei kleinen Losgrößen setzt flexible und wandlungsfähige Produktionssysteme voraus. Um diesen Herausforderungen zu begegnen, bedarf es neben technologischer sowie organisatorischer Exzellenz vor allem gut ausgebildeter und kompetenter Mitarbeitender auf allen Qualifikations stufen.
Um langfristig in einem Umfeld zunehmenden Wettbewerbs durch internationale Anbieter erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, so dass 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 Forschungsvorhaben „CKDCHAIN“ ist die Übertragung dieses Konzeptes auf Unternehmen des Maschinen- und Anlagenbaus, in dem eine simulationsbasierte Gestaltungsunterstützung für den Aufbau einer geeigneten Supply Chain entwickelt werden soll.
Da die heutigen Logistiknetzwerke den Anforderungen nicht mehr gerecht werden, rückt das Supply-Chain-Risk-Management von Wertschöfungsketten zunehmend in den Mittelpunkt unternehmerischer Überlegungen. Störungen in Logistiknetzwerken treten wegen unzureichender Datenmengen, -qualität und -integration der realen Welt nicht in den Informationssystemen auf. Eine echtzeitfähige Reaktion auf diese Störungen und proaktive Korrekturmaßnahmen innerhalb der Logistikprozesse sind folglich unmöglich. Daher kann ein erhöhter Bedarf an ganzheitlicher Transparenz innnerhalb der Logistiknetzwerke abgeleitet werden. Mit diesem Thema beschäftigt sich das Forschungsprojekt Smart-Logistic-Grids.
Industrie 4.0 und SCM
(2016)
Smart-Logistic-Grids
(2016)
Ziel des Forschungsvorhabens Smart-Logistic-Grids ist die Entwicklung eines Systems, welches, basierend auf einer erhöhten Informationsverfügbarkeit, Handlungsalternativen aufzeigt und ökonomisch bewertet. Hierfür ist eine barrierefreie Integration unterschiedlicher Akteure innerhalb eines Logistiknetzwerks notwendig. Das Ergebnis dieses Systems eröffnet den Nutzern nicht nur Effizienzsteigerungen und eine erhöhte Robustheit des Gesamtsystems, sondern auch die Reduzierung der CO2 –Emissionen.
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