Refine
Year of publication
Document Type
- Master's Thesis (288) (remove)
Is part of the Bibliography
- no (288)
Keywords
- 5G (1)
- 8D (1)
- 8D Methodology (1)
- ADAM (1)
- AR (1)
- Aachener Digital-Architecture-Management (1)
- Abnahmeprüfung (1)
- Abweichungsmanagement (1)
- Acatech industrie 4.0 Maturity Index (1)
- Acceptance-Inspection (1)
Institute
Im Rahmen der Industrie 4.0 gewinnen Dienstleistungen im Maschinen- und Anlagenbau immer mehr an Bedeutung. Gerade in Zeiten stagnierender, gesättigter Märkte sind sie Mittel zur Differenzierung gegenüber dem Wettbewerb und bringen höhere Margen als das physische Produkt. Der Wandel zum Lösungsanbieter, die Servitization der produzierenden Branche, wird durch die Digitalisierung verstärkt. Die zunehmende Vernetzung mit dem Kunden ermöglicht neue Formen der Wertschöpfung. Lösungsanbieter fokussieren dabei in erster Linie eine Verbesserung des ganzheitlichen Kundennutzens. SGMs umfassen darüber hinaus datenbasierte Dienstleistungen, die durch regelmäßige Updates kontinuierlich für ein digital erfasstes Nutzungsprofil optimiert werden. Somit ermöglichen SGM die Realisierung der durch den digitalen Wandel entstandenen aber bisher nicht genutzten Potenziale. Viele Industrieunternehmen sehen sich den Herausforderungen nicht gewachsen, die mit der Komplexität und der Gestaltung derartiger kundenspezifischer Lösungen einhergehen.
This research shines a light on the problem of slow moving inventory and obsolete stock. Obsolete stocks is a dead weight for companies, with a high probability of a write-off, tied up captial and warehouse space. The main motivation of this research is the high amount of accumulated obsolete stocks in satellite warehouses across the globe. The main objective of this research is to minimize obsolete stock and understand the insidious transformation of slow movers into obsolete stock as well as prevention of this transformation in the future. Moreover the research will also lightly touch upon visualtization of data using business intelligence using Power BI software.
The two princples of this thesis are : complete disposal and preventing write-off of obsolete stocks and managing net inventory levels of slow movers to prevent their transformation to obsolete stock. This research focuses on creating a network between satellites to alleviate the obsolete stock.
n the broadest sense, data analytics can be defined as "the application of processes and techniques that transform raw data into meaningful information to improve decision making." According to PwC's Global Data and Analytics Survey 2016, companies are seeking ways to use data analytics in order to understand risk and leverage data.
There is a vast amount of data in the companies' supply chain such as transactional, time phased and sensor data that can be used in order to understand operational risks. Especially, companies having extremely complex supply chains with thousands of suppliers that are more fragile to risks and try to come up with data analytics solutions to increase supply chain resilience by detecting potential risks in advance.
The thesis will follow an inductive research approach. A systematic literature review will be done in order to understand useful data analytics methods such as predictive and prescriptive analytics for the supply chain risk management. A comparative case study will also be done based on the already conducted supply chain risk management data analytics projects to analyse what type of data analytics method can be useful with which type of supply chain risk.
The methods determined by the systematic procedure will be evaluated and placed in a framework, which has to be developed. The framework will help to understand levers that influence successful applications of supply chain risk management data analytics methods. Also it will provide a structured approach about how to use quantitative data in order to increase supply chain resilience with the help of data analytics. Validation of the framework will be done by working in a cooperation with a German automotive supplier company.
Industrie 4.0 spielt eine immer wichtigere Rolle im Strategieprozess von Unternehmen. Es gilt, die neuen Möglichkeiten der Digitalisierung in allen Bereichen der Wertschöpfungskette optimal zu nutzen. Industrie 4.0 zeichnet sich durch die Kombination einer großen Zahl physischer und digitaler Technologien wie künstliche Intelligenz, Cloud Computing, Augmented Reality und dem Internet of Things aus. Mit der zunehmenden Vernetzung von Objekten, Daten und Prozessen und dem verstärkten Einsatz von IT in der Fabrikautomation und Prozesssteuerung haben in diesen Bereichen auch die Cyber-Bedrohungen aus der konventionellen IT eine hohe Relevanz. Im Zuge des digitalen Wandels wird sich die Anzahl der Angriffsvektoren im Industriekontext massiv erhöhen.
Die Herausforderung für kleine und mittlere Unternehmen (KMU) ist die Umsetzung der Digitalisierung im konkreten Geschäftsalltag. Häufig fehlt es an finanziellen und personellen Mitteln, um eine eigene Abteilung für IT-Sicherheit aufzubauen. Aufgrund der fehlenden Expertise in diesem Bereich liegt der Schwerpunkt in dieser Arbeit auf der Identifikation und Beschreibung von praxisnahen und lösungsorientierten IT-Sicherheitsmaßnahmen und ihrer Implikation auf die Unternehmen.
Es werden Maßnahmen identifiziert, die eine sichere Umsetzung von Anwendungsfällen aus Industrie 4.0 gewährleisten können. Ziel dieser Arbeit ist die Erstellung eines IT-Sicherheit-Rahmenwerkes, anhand dessen sich KMU für die Umsetzung von Anwendungen aus Industrie 4.0 orientieren können.
Zunächst sollen Anwendungsfälle aus Industrie 4.0 recherchiert und identifiziert werden. Im zweiten Schritt werden für jeden Anwendungsfall mögliche Sicherheitslücken identifiziert und zu Angriffsvektoren gebündelt. Im Anschluss werden den jeweiligen Anwendungsfällen relevante Angriffsvektoren zugeordnet. Im letzten Schritt werden Maßnahmen recherchiert und identifiziert, welche die Sicherheitslücken schließen bzw. die Angriffsvektoren neutralisieren.
Im Rahmen dieser Masterarbeit soll an erster Stelle der Untersuchungsbereich eingegrenzt werden, wobei besonderer Schwerpunkt auf die Systemintegration des Enterprise-Resource-Plannings mit dem Manufacturing-Execution-Systems mit Hilfe des Internet-of-Things gesetzt wird. Gleichzeitig sollen auch in diesem Teil sowohl die technologischen als auch die begrifflicher Grundlagen für den weiteren Verlauf der Arbeit gelegt werden. Im nächsten Kapitel soll anschließend der Stand der Wissenschaft beleuchtet werden, wobei in erster Linie die Begrifflichkeiten im Bereich der künstlichen Intelligenz definiert und eingeordnet werden. Anschließend sollen die Algorithmen des maschinellen Lernens näher untersucht bzw. klassifiziert und die Anwendungsbereiche strukturiert dargestellt werden. Nachdem im Anschluss daran die Rahmenbedingungen in Form eines ERP- systemgesteuerten Produktionsumfelds vorgestellt wurden, soll im Hauptteil der Arbeit die Potenzialanalyse sowie Implementierung stattfinden. Hierfür werden die Anwendungsbereiche der künstlichen Intelligenz speziell auf den ERP-Bereich übertragen sowie einzelne relevante Einsatzmöglichkeiten näher betrachtet. Abschließend sollen anhand eines ausgewählten Szenarios die Vorteile des Einsatzes von Machine-Learning-Algorithmen abgeleitet werden. Hierbei soll ein spezieller Use-Case konzipiert werden, welcher die Methoden der intelligenten Fehlererkennung einsetzt und nach Implementierung der Algorithmen ihre Prognosegenauigkeiten bewertet.
Die Vernetzung der Wertschöpfungsnetzwerke zu globalen und digitalen Ökosyste-men steht im Mittelpunkt des Leitbildes 2030 der Industrie 4.0. Unternehmensrele-vante Daten, in Echtzeit generiert, werden zwischen Partnern über eine digitale Platt-form ausgetauscht und ausgewertet. Die ausgetauschten Daten werden veredelt und bieten datengetriebene Mehrwerte. Produkte werden effizienter produziert. Neue Ge-schäftsmöglichkeiten für Unternehmen eröffnen sich und Kunden werden dank Nut-zungsdatenanalysen besser verstanden (s. BMWI 2019b, S. 6; HEPPELMANN U. PORTER 2015). Damit produzierende Unternehmen die Mehrwerte abschöpfen können, müssen sie im Datenhandling unterstützt werden. Schon heute fällt mehr als ein Zehntels des weltweit erzeugten Datenvolumens auf sie zurück (s. GANTZ ET AL. 2018, S. 22). Initi-ativen wie "Industrie 4.0", "Industrial Value Chain Initative" oder "Industrial Internet of Things" fördern die Digitalisierung der Produktionsstätten. Immer mehr Produktions-mittel und Produkte werden smart und erzeugen eine Vielfalt an Daten (s. HEPPELMANN U. PORTER 2015, S. 1). Diese Daten müssen durch digitale Plattformen unternehmensübergreifend austauschbar werden. Auswertbare Datenpools entstehen, die mittels Analyse und Interpretation zu deutlichen Effizienzsteigerungen, Produktionsverbesserungen und zusätzlichen Mehrwerten führen (s. BMWI 2019b, S. 6). Der Bedarf wird in Zukunft steigen. Das weltweitet erzeugte Datenvolumen wird bis 2025 von 33 Zettabyte (ZB) auf bis zu 175 ZB anwachsen (s. GANTZ ET AL. 2018, S. 3). Im Business-to-Consumer-(B2C)-Bereich haben sich ausländische Unternehmen den Datenmarkt gesichert. Facebook, Google und Amazon Vorreiter sind. Der Großteil erzeugter Consumer Daten wird durch sie ausgewertet. Um eine ähnliche Abhängig-keitsentwicklung von US-amerikanischen Firmen im Business-to-Business-(B2B)-Bereich zu vermeiden, hat die europäische Union die GAIA-X Initiative gegründet. Sie bemüht sich um die Schaffung einer frei zugänglichen Dateninfrastruktur gemäß den liberalen und sozialen europäischen Werten (s. BMWI 2019b, S. 6). Neben der Politik hat die freie Wirtschaft die Chancen digitaler Plattformen für Datenaustausch erkannt. Es entstehen unterschiedliche Angebote, welche das Erschaffen auswertbarer Datenpools ermöglichen sollen (vgl. BANERJEE U. RUJ 2019; DRASKOVIC U. SALEH 2017; OCEAN PROTOCOL 2019). Beide verfolgen das Ziel, Datenmehrwerte für Unter-nehmen zu generieren. Die Reifenhäuser Gruppe, 1911 durch Anton Reifenhäuser gegründet, ist ein Maschinen- und Anlagenhersteller für die Kunststoffindustrie. Sie hat sich auf die Herstellung von Extrusionsanlagen spezialisiert. Reifenhäuser Digital ist, als eine Business Unit der Gruppe, für das Digitalangebot der Gruppe zuständig. Produktentwicklungen finden im engen Stakeholder-Austausch statt. Kundenprobleme werden analysiert und entsprechende Lösungen erarbeitet, die die Probleme bestmöglich adres-sieren. Die Kunden der Reifenhäuser Gruppe sind produzierende Unternehmen der Kunststoffindustrie. Diese stehen vor branchenspezifischen Herausforderungen, die sie bewältigen müssen, um wettbewerbsfähig zu bleiben. Die Reifenhäuser Gruppe hat mit der Gründung der Reifenhäuser Digital erkannt, wie wichtig die Digitalisierung für produzierende Unternehmen ist um wettbewerbsfähig zu bleiben. Datenmehrwerte sollen durch passende Produktentwicklung abschöpfbar gemacht werden. Die vorangestellte Produktidee in der Forschungsarbeit ist eine digitale Plattform für Datenaustausch in der Kunststoffindustrie. Es ist fraglich, inwieweit eine solche Problemstellungen der Kunden lösen können.