Refine
Year of publication
- 2021 (198) (remove)
Document Type
- Contribution to a Periodical (56)
- Master's Thesis (41)
- Conference Proceeding (22)
- Bachelor Thesis (14)
- Part of a Book (14)
- Report (10)
- Working Paper (10)
- Internet Paper (8)
- Book (7)
- Doctoral Thesis (5)
Language
- German (116)
- English (47)
- Multiple languages (35)
Is part of the Bibliography
- no (198)
Keywords
- ADAM (3)
- AGCO (1)
- AR (1)
- Aachener Digital-Architecture-Management (1)
- Aachener Smart-Service-Engeneering-Zyklus (1)
- Acceptance analysis (1)
- After-Sales-Service (1)
- Anomalieerkennung (1)
- Arbeit 4.0 (1)
- Arbeitsgestaltung (1)
Institute
- FIR e. V. an der RWTH Aachen (198)
- Produktionsmanagement (50)
- Dienstleistungsmanagement (42)
- Informationsmanagement (36)
- Business Transformation (20)
Low-Level-Code Based Production Model For Improving Material Requirements Planning In ERP Systems
(2021)
Single and small-series production companies face specific challenges, such as variable customer order decoupling points (CODP), decreasing quantities and rising cost pressure. This leads to a increasing production complexity and growing requirements on Production Planning and Control (PPC). Digitalization’s direct links between objects, people, and machines as well as detailed recording of production progresses opens new solutions for PPC. However, volume of data and the required processing times are increasing. Thus, to achieve near-real-time data processing, a decentralization of decision-making systems can be observed. The function Material Requirements Planning (MRP) is PPC’s original need for Enterprise Resource Planning (ERP) systems. Here, PPC’s overall problem (to fulfil primary requirements for products) is divided into subproblems (to fulfil single production orders). Especially companies characterized by an organization in accordance to the workshop principle, high in-house production depth and variable CODP are confronted with high dynamics in their production systems. This ends in significant differences between primary requirements (overall problem) and single production orders (subproblems). Ultimately, these insufficient PPC data result systematically in a non-optimal overall solution despite optimal partial solutions. This publication combines PPC’s fundamentals from existing commonly known models with current implementation concepts of ERP systems. A newly developed Low-Level-Code based Production Model provides explanations for deviations between the overall problem and its subproblems. Furthermore, information flows of PPC can be structured between a periodically actualized vertical and an event driven horizontal information flow. These recognitions lead to an improvement of PPC by ERP systems.
For most industries, Artificial Intelligence (AI) holds substantial potentials. In the last decades, the extent of data created worldwide is exponentially increasing, and this trend is likely to continue. However, despite the prospects, many companies are not yet using AI at all or not generating added value. Often, an AI project does not exceed its pilot phase and is not scaled up. The problems to create value from AI applications in companies are manifold, especially since AI itself is diverse and there is no ‘one size fits all’ approach. One often stated obstacle, why many AI projects fail, is a missing AI strategy. This leads to isolated solutions, which do not consider synergies, scalability and seldom result in added value for the company. To create a company-specific AI strategy with a top-down approach, a generic but holistic framework is needed. This paper proposes a strategic AI procedure model that enables companies to define a specific AI strategy for successfully implementing AI solutions. In addition, we demonstrate in this paper how we apply the introduced strategic AI procedure model on an AI-based flexible monitoring and regulation system for power distribution grid operators in the context of an ongoing research project.
In einem umfangreichen Projekt mit der IDEAL Kältetechnik GmbH wurden die Prozesse der Auftragsabwicklung optimiert, Datenqualitäten bewertet und ein neues ERP-System ausgewählt, das die zukünftigen Prozesse wirkungsvoll unterstützt. Damit legt IDEAL den Grundstein für die Ablösung der bestehenden IT-Strukturen hin zu einer zukunftssicheren Lösung, die den langfristigen Erfolg und die weitere Expansion des
Unternehmens sicherstellt.
Produzierende KMU stehen aufgrund von zunehmendem Wettbewerb vor der Herausforderung, dass sie mit immer wertigeren und gleichzeitig günstigeren Produkten bei kurzfristigeren Verfügbarkeiten punkten müssen. Ein dabei nicht selten vernachlässigtes Potenzial liegt im Ersatzteilmanagement. Im Rahmen eines Forschungsprojekts des FIR an der RWTH Aachen zur Etablierung eines systematischen Ersatzteilmanagements wurde eine Ist-Analyse von KMU durchgeführt, welche große Nutzenpotenziale aufzeigte.
Kleine und mittelständische Unternehmen (KMU) der Fertigungsindustrie stehen durch die zunehmend individualisierten Kundenwünsche und -anforderungen unter einem großen Wettbewerbsdruck. Als eine logische Folge wächst daraus eine intrinsische Motivation seitens der Unternehmen, ihre Geschäftsbereiche zu optimieren. Jedoch mangelt es mehrheitlich neben freien Kapazitäten an einer zielgerichteten, systematischen Herangehensweise.Gerade das Ersatzteilmanagement bietet in diesem Kontext große Nutzenpotentiale für die KMU, da dieser Bereich weitestgehend von den Unternehmen als Randbereich wahrgenommen wird und somit die enthaltenen Potentiale weder wahrgenommen noch ausgeschöpft werden.
Die zunehmende Konkurrenz auf dem Markt des Maschinen- und Anlagenbaus führt zu Preiskämpfen zwischen den Anbietern und somit zu sinkenden Margen, die durch den Verkauf von Maschinen und Anlagen erzielt werden können. Eine Lösung zur Kompensation dieser Auswirkung stellt der Verkauf produktbegleitender datenbasierter Dienstleistungen dar. Diese ermöglichen basierend auf Daten, die während des User-Cycles einer Maschine oder Anlage erzeugt werden, neue Geschäftspotentiale für den Maschinen- und Anlagenbauer zu schaffen. Entscheidend für die Realisierung der entsprechenden Dienstleistungen ist dabei der Übergang von Daten und Informationen der Maschinen oder Anlagen bzw. Betreiber zu den Herstellern. Basierend auf diesen können die Maschinen- und Anlagenbauer wiederum durch Auswertung oder Analyse mehrwertschaffende Dienstleistungen wie beispielsweise Instandhaltungsmaßnahmen, bedarfsgerechte Betriebsmittelbereitstellungen oder Maschinenoptimierungen anbieten. Zuverlässige Informationen spielen hierbei eine zentrale Rolle, denn nur wenn diese zur Verfügung stehen, können gute und objektive Entscheidungen getroffen werden. Für die Umsetzung fließen zwangsweise Daten und Informationen vom Betreiber der Maschinen oder Anlagen ab, was bei einer Vielzahl von Unternehmen zu einer großen Skepsis führt. Etablierte Technologien wie die Cloud schaffen dabei nur beschränkt die Kompensation und den Aufbau fehlenden Vertrauens, weswegen diese nicht oder nicht umfassend eingesetzt werden und das Potential datenbasierter Dienstleistungen in der Praxis nicht umfangreich freigesetzt wird. Die Blockchain-Technologie kombiniert Ansätze aus akademischen Disziplinen wie der Kryptografie, dem Netzwerk- und Datenbankmanagement sowie dem Design wirtschaftlicher Anreizmechanismen. Sie stellt durch ihre Eigenschaften der Transparenz, Dezentralität, Sicherheit und Unveränderbarkeit eine Lösung für die beschriebenen Probleme dar und schafft eine technologiebasierte Kontrolle. Die Umsetzung bzw. Gestaltung eines blockchainbasierten Systems bietet jedoch vielseitige technische Gestaltungsfreiheiten, die eine hohe Auswirkung auf die tatsächliche Eignung für den jeweiligen Einsatzfall haben. Daraus resultierend wird in dieser Dissertationsschrift das Ziel verfolgt, Gestaltungsempfehlungen zur blockchainbasierten Maschinen- und Anlagenanbindung auf Basis der Anforderungen datenbasierter Dienstleistungen zu erarbeiten.