Refine
Year of publication
- 2020 (4) (remove)
Document Type
- Article (1)
- Conference Proceeding (1)
- Contribution to a Periodical (2)
Is part of the Bibliography
- no (4)
Keywords
- Digitalisierung (1)
- Entscheidungsunterstützung (1)
- Fertigungslogistik (1)
- IGF-20940 BG (1)
- Industrie 4.0 (2)
- Industrie-4.0-Maturity-Index (1)
- Internet of Production (1)
- Lieferketten (1)
- Machine Learning (1)
- PPS (1)
- Process-Mining (1)
- Produktionsplanung und -steuerung (1)
- Reifegradmodell (1)
- SV7287 (1)
- Störungsmanagement (1)
- Synchronisierung (1)
- decision support (1)
- deviation detection (1)
- disturbance management (1)
- machine learning (1)
- process mining (1)
- production control (1)
- rev (1)
Institute
The shop floor is a dynamic environment, where deviations to the production plan frequently occur. While there are many tools to support production planning, production control is left unsupported in handling disruptions. The production controller evaluates the deviations and selects the most suitable countermeasures based on his experience. The transparency should be increased in order to improve the decision quality of the production controller by providing meaningful information during his decision process. In this paper, we propose a framework in which an interactive production control system supports the controller in the identification of and reaction to disturbances on the shop floor. At the same time, the system is being improved and updated by the domain knowledge of the controller. The reference architecture consists of three main parts. The first part is the process mining platform, the second part is the machine learning subsystem that consists of a part for the classification of the disturbances and one part for recommending countermeasures to identified disturbances. The third part is the interactive user interface. Integrating the user’s feedback will enable an adaptation to the constantly changing constraints of production control. As an outlook for a technical realization, the design of the user interface and the way of interaction is presented. For the evaluation of our framework, we will use simulated event data of a sample production line. The implementation and test should result in higher production performance by reducing the downtime of the production and increase in its productivity.
Die sich ständig ändernden Kundenanforderungen sorgen für eine immer komplexere und dynamischer werdende Produktionsumgebung. In diesem Umfeld ist es die Aufgabe der Produktionssteuerung, die Erfüllung der Nachfrage des Kunden in der richtigen Qualität zum richtigen Zeitpunkt und mit möglichst geringen Kosten sicherzustellen. Abweichungen vom Soll-Zustand sollen dabei im Rahmen des Störungsmanagements möglichst früh erkannt und schnell durch die Wahl der richtigen Gegenmaßnahme beseitigt werden. In der Praxis stehen dem Entscheider dafür jedoch nur selten entsprechende Tools zur Verfügung, sodass Entscheidungen häufig auf Basis der Erfahrung der Mitarbeiter getroffen werden. Daher wird im Folgenden ein Referenzmodell für die Entwicklung eines Decision-Support-Systems, das eine schnelle Erkennung potenzieller Störungen und eine datenbasierte Entscheidung bezüglich einzuleitender Gegenmaßnahmen ermöglicht, vorgestellt.
Industrie-4.0-Technologien können dazu beitragen, die deutlich ge-steigerte Daten- und Informationsverfügbarkeit während des Produk-tionsprozesses gezielt zu verwerten und den Austausch zwischen pro-duzierenden Unternehmen und Logistikdienstleistern für effiziente und nachhaltige Lieferketten zu fördern. Im Projekt 'SynLApp' wird hierzu ein webbasiertes Assistenzsystem konzipiert, das Prognosen innerhalb der Lieferketten ermöglicht. Dieser Beitrag zeigt aktuelle Rechercheergebnisse zu bestehenden Methoden und Best Practices hinsichtlich der unternehmensübergreifenden Synchronisierung und beschreibt das Projektvorgehen und den Ansatz einer technischen Umsetzung via Simulation.
Aktuell ist noch nicht geklärt, wie sich das Zusammenwirken von Menschen und betrieblichen Anwendungssystemen bei der Bearbeitung der Aufgaben der PPS nach der Umsetzung von Industrie 4.0 entwickelt. Zur Systematisierung der Auswirkungen von Industrie 4.0 auf die PPS werden in diesem Beitrag die sechs Reifegradstufen des acatech Industrie-4.0-Maturity-Index mit der Aufgabensicht des Aachener PPS-Modells kombiniert und die Reifegradstufen für ausgewählte Unteraufgaben der PPS spezifiziert.