Produktionsmanagement
Refine
Year of publication
Document Type
- Contribution to a Periodical (218)
- Conference Proceeding (77)
- Part of a Book (51)
- doctorallecture (42)
- Doctoral Thesis (34)
- Lecture (26)
- Working Paper (26)
- Report (21)
- Article (20)
- Book (17)
Language
- German (422)
- English (96)
- Multiple languages (26)
Is part of the Bibliography
- no (544)
Keywords
- 1 (2)
- 3 (1)
- 3 PhasenKonzept (1)
- 3-Phasen-Konzept (1)
- 3D Druck (1)
- 3D-Druck (2)
- 3PhasenKonzept (5)
- 7. EU-Forschungsrahmenprogramm (1)
- ABC-Analyse, Artikelklassifizierung, Beschaffungskonzepte, LOGO, Variationskoeffizienten, XYZ-Analyse (1)
- AI (1)
Institute
- FIR e. V. an der RWTH Aachen (544)
- Produktionsmanagement (544)
- Informationsmanagement (50)
- Dienstleistungsmanagement (20)
- Business Transformation (8)
Prozesse in der produzierenden Industrie sind über Jahre gewachsen. Nicht selten bilden diese einen eingeschwungenen Zustand ab, der seit Jahren unverändert ist oder nur geringen Anpassungen unterlag. Die aktuellen Trendthemen und Krisen erhöhen den wirtschaftlichen und sozialen Druck auf Unternehmen, sich verstärkt mit den eigenen Prozessen auseinanderzusetzen und insbesondere durch effiziente Nutzung der eigenen Ressourcen Verschwendungen zu reduzieren.
[Study] Blockchain
(2019)
Distributed ledger technologies, of which the best known example is blockchain, were expected to make their big breakthrough in 2018. Instead, the opposite happened. Cryptocurrency price slumps and delays in promising projects became symptoms of a new sense of caution. Organizations tried to use blockchain in unsuitable applications, and underestimated implementation hurdles. Despite this, the need for effective data exchange and data management in today's connected world remains high. Decentralized solutions, intelligent sensors, global supply chains and vast quantities of customer data will further stimulate demand for specialized and powerful data management systems. Blockchain therefore remains one option to enable a secure and interconnected world. The following five-step approach will help you harness blockchain's potential, avoiding common mistakes and overcoming implementation hurdles on your way.
Zur Planung und Steuerung setzen Unternehmen der produzierenden Industrie heute auf umfassenden Softwareeinsatz. Deshalb begründen sie eine geringe logistische Zielerfüllung bezüglich Lieferfähigkeit und Liefertreue häufig mit Defiziten der Software. Doch Praxiserfahrungen zeigen, dass die Industrieanwender die Bedeutung organisatorischer Defizite in der innerund" überbetrieblichen Auftragsabwicklung deutlich unterschätzen.
Deshalb untersuchten die drei Institute
• Fraunhofer Institut für Produktionstechnik und Automatisierung IPA, Stuttgart;
• Forschungsinstitut für Rationalisierung FIR, Aachen sowie
• Laboratorium für Werkzeugmaschinen und Betriebslehre WZL der RWTH
Aachen
den Einfluss dieser Defizite auf die Lieferterminermittlung und -erfüllung. Ausgangspunkt der Studie waren Thesen, die eine qualitative Befragung der Produktions- und Logistikverantwortlichen verifizieren sollte.
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.
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 Mittelpunkt der IT-Systemarchitektur der großen und kleinen Unternehmen fungiert als zentrale Instanz seit jeher das Enterprise-Resource-Planning-System (kurz ERP-System). Damit dient es als Schnittstelle zur hochgradigen Integration von Anwendungen, die verstärkt die Kernapplikationen erweitern und modernisieren. Für die zunehmend an Projekten ausgerichtete Prozessmodellierung ist das implementierte ERP-System in seiner Agilität und Offenheit zu begrenzt. Individuelle Lösungen werden für unternehmerische Anforderungen geschaffen, aber nicht in den Standard überführt. In diesem Positionspapier zeigen wir, die Fachgruppe Produktionsplanung des FIR, anhand verschiedener Sichtweisen ausgewählte Trends auf, die großes Potenzial für die Zukunft des ERP-Systems bereithalten.
Im vorliegenden Positionspapier wird das Konzept einer Produktionsregelung beschrieben. Zunächst wird der Begriff der Produktionsregelung erläutert. Durch die kontinuierliche Erfassung und Überwachung des Ist-Zustands und den Abgleich mit den Soll-Werten werden Anpassungen am Produktionssystem möglich.
Zur erfolgreichen Einführung dieses Konzepts sind zwei Dimensionen in folgenden vier Handlungsfeldern zu entwickeln:
• Hochauflösende Auftragsüberwachung,
• datengestützte Produktionssteuerung,
• Production-Analytics,
• Produktionsregelung.
Für produzierende Unternehmen ergeben sich hieraus folgende Vorteile:
• Höhere Transparenz über betriebliche Abläufe
auf dem Shopfloor,
• Erhöhung der Reaktionsfähigkeit (geringe Reaktionszeit, bessere Lösungsqualität) der Fertigungssteuerung,
• Steigerung der Stamm- und Plandatenqualität durch kontinuierlichen Abgleich,
• Steigerung der logistischen Leistungsfähigkeit des Produktionssystems.
Durch die Globalisierung haben sich in den letzten Jahrzehnten überwiegend internationale und hochkomplexe Lieferketten entwickelt. Nationale und internationale Herausforderungen, wie beispielsweise der Brexit, die Corona-Pandemie, Handelskriege und Protektionismus oder auch verschiedene Naturkatastrophen haben in der Vergangenheit gezeigt, dass die Relevanz eines ganzheitlichen Supply-Chain-Risikomanagements durch den Anstieg der Komplexität in den Lieferketten stark gestiegen ist.
Produzierende Unternehmen sind heutzutage aufgrund zunehmender Konkurrenz aus Niedriglohnländern und eines schrumpfenden Technologievorsprungs einem enormen Kostendruck ausgesetzt, sodass Konzepte zur Steigerung der Produktivität erforderlich werden. Diese Konzepte sind vor allem auf die Optimierung innerbetrieblicher Abläufe auf Basis von Rückmeldedaten ausgerichtet. Eine notwendige Bedingung für das Ausschöpfen datenbasierter Wertschöpfungspotenziale ist eine konsistente und widerspruchsfreie Datenbasis. Mit dem Forschungsprojekt „Anwendung der Datenfusion bei der Erfassung und Speicherung betrieblicher Rückmeldedaten (DaFuER)“ wird demgemäß das Ziel verfolgt, die Erhöhung der Datenqualität von betrieblichen Rückmeldedaten durch die Anwendung von Methoden der Datenfusion zu ermöglichen.
Als Ergebnis des Forschungsprojekts wird in diesem Leitfaden eine Methode zur anwendungsfallspezifischen Ableitung geeigneter Methoden der Datenfusion dargelegt. Zunächst erfolgt die Definition des Anwendungsfalls. Dabei wird zur Ermittlung relevanter Informationsbedarfe den Anwendenden der Methodik eine Übersicht bereitgestellt, welche die verschiedenen für die Produktionsplanung und steuerung benötigten Informationen enthält. Außerdem werden Datenquellen anhand der Art der Datenerfassung klassifiziert. Diese Klassifikation ist die Grundlage für die Identifikation der im jeweiligen Anwendungsfall zur Verfügung stehenden Datenquellen.
Im Folgenden werden aus den verfügbaren Datenquellen diejenigen ermittelt, welche fusioniert werden sollen. Dazu wurde eine tabellarische Übersicht erstellt, mit Hilfe derer Datenquellen den Informationen zugeordnet werden, die sie bereitstellen. Weiterhin werden diese Datenquellen hinsichtlich ihrer Datenqualität auf Basis ausgewählter Qualitätsmerkmale bewertet. Für eine benötigte Information wählen die Anwendenden aus den ihnen zur Verfügung stehenden Datenquellen diejenigen zur Fusion aus, welche den Informationsbedarf decken und sich hinsichtlich der Erfüllung der Qualitätsmerkmale komplementieren.
Zuletzt wird eine für den konkreten Anwendungsfall geeignete Fusionsmethode der ausgewählten Datenquellen bestimmt. Grundlage dafür ist eine morphologische Untersuchung von Datenquellen. Durch eine Clusteranalyse möglicher Fehlerarten in Abhängigkeit der Kombination von verschiedenen morphologischen Merkmalsausprägungen werden prozesstypische Fehler der Datenfusion abgeleitet. Somit ist man in der Lage, anhand der ausgewählten Datenquellen die spezifischen Herausforderungen bei der Datenfusion zu identifizieren. Für die finale Auswahl einer für den Anwendungsfall geeigneten Datenfusionsmethode wurden für die ermittelten Prozessfehler die jeweiligen Eignungen der verschiedenen Methoden bewertet. Auf Grundlage dieser Bewertung wählen die Anwendenden schlussendlich diejenige Methode aus, die für die von ihnen identifizierten Herausforderungen am besten geeignet ist.