Refine
Document Type
- Article (1)
- Part of a Book (2)
- Conference Proceeding (4)
- Contribution to a Periodical (9)
- Doctoral Thesis (1)
- Report (1)
- Working Paper (2)
Language
- German (13)
- English (6)
- Multiple languages (1)
Is part of the Bibliography
- no (20)
Keywords
- 02 (1)
- 3-Phasen-Konzept (1)
- Agil (1)
- Artificial intelligence (1)
- Auswahl von IT-Systemen (1)
- Business Software (1)
- Data Lakes (1)
- Datenintegration (1)
- Decision Support System (1)
- Deviation detection (1)
Institute
Implementierung von Manufacturing Execution Systems basierend auf Industrie-4.0-Reifegradmodellen
(2022)
Steigende Kundenanforderungen hinsichtlich Qualität, Lieferzeit und Termintreue führen zur steigenden Dynamisierung der Märkte. Unternehmen stehen dabei vor der Herausforderung, die externe Dynamisierung und die daraus resultierenden, unternehmensinternen Herausforderungen zu bewältigen. Hierbei stellt die vierte industrielle Revolution einen möglichen Befähiger zur Bewältigung der zunehmenden externen und internen Herausforderungen dar. Zur Umsetzung der Vision von Industrie 4.0 existieren verschiedene Rahmenwerke, jedoch sind in Unternehmen bisweilen nur vereinzelt Use-Cases sowie Leuchtturmprojekte umgesetzt worden. Eine durchgängige, unternehmensweite Umsetzung der Rahmenwerke steht bis heute aus. Für eine digitale Unterstützung in der Produktion und den angrenzenden Bereichen des Produktionsmanagement stellen Manufacturing-Execution-Systeme (MES) ein mögliches Informationssystem dar. ME-Systeme sind bereits erprobt und haben sich durch die stetige Weiterentwicklung als marktreife Lösung zur Umsetzung von Industrie-4.0-Ansätzen etabliert. Für Unternehmen stellen Implementierungsprojekte von ME-Systemen häufig strategische Projekte mit Bezug zu Industrie 4.0 dar. Durch die Anzahl an betroffenen Unternehmensfunktionen und eingebundenen Stakeholder sind sie – wie andere IT-System-Einführungsprojekte – häufig komplex. Auf Grund des modularen, funktionalen Aufbaus der ME-Systeme sowie möglicher Lerneffekte und der frühzeitigen Ausschöpfung des Systemnutzens bietet sich die sukzessive, also schrittweise, Implementierung an. In der Praxis wird dies häufig als Vorgehen gewählt, wodurch Unternehmen vor der Herausforderung stehen, die Implementierungsreihenfolge – also zeitliche Abfolge und Ort der zu implementierende Funktionsmodule – zu bestimmen.
Zur Unterstützung der Unternehmen bei der Implementierung von ME-Systemen wird in dieser Dissertationsschrift daher das Ziel verfolgt,
ein Vorgehensmodell zur sukzessiven Implementierung, basierend auf Industrie-4.0-Reifegradmodellen, zu entwickeln. Mit der umfangreichen
Analyse der Wechselwirkungen zwischen den betroffenen Kernaufgaben eines Unternehmens, den MES-Funktionen sowie den Zielen der digitalen Transformation wird den Anwender:innen mit dieser Dissertationsschrift nun ein Reifegradmodell sowie ein anwendbares Vorgehen zur Verfügung stellt. Dieses befähigt sie, eine nutzenzentrierte, sukzessive Einführung von MES unternehmensspezifisch zu strukturieren.
Manufacturing-Execution-Systeme (MES) bieten durch ihren Funktionsumfang eine gute Möglichkeit, die Digitalisierung des eigenen Produktionsbetriebes voranzutreiben. Die Auswahl, Beschaffung und Einführung von IT-Systemen stellen Unternehmen meist vor große Herausforderungen. In diesem Beitrag werden anhand des 3Phasen-Konzepts Herausforderungen sowohl in zeitlicher Abfolge als auch in Handlungsfelder strukturiert und beschrieben. Ziel ist es, Unternehmen zu befähigen, eine optimale Auswahl durchzuführen, um eine reibungslose und risikoarme Implementierung durchzuführen.
Die vorliegende Publikation beinhaltet die Projektergebnisse des Forschungsprojekts „FlAixEnergy – Innovative Energieflexibilitätsplattform zur Synchronisation und Vermarktung des regionalen Stromverbrauchs industrieller Anwender mit dezentraler Energieerzeugung in der Modellregion Aachen“ (Förderkennzeichen 0325819A-I). Dieses Forschungs- und Entwicklungsprojekt wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert und vom Projektträger Jülich (PTJ) betreut. Die Autoren sind für den Inhalt der Veröffentlichung verantwortlich.
Die digitale Vernetzung der Wirtschaft, insbesondere im Hinblick auf hochtransparente Informationsflüsse durch betriebliche Anwendungssysteme, schreitet stetig voran. Dabei stehen die Unternehmen bei der Bewertung der bestehenden produktionsnahen IT-Infrastruktur und der Auswahl eines zur Produktionsumgebung passenden ME-Systems vor einer komplexen, aber nicht unlösbaren Herausforderung. Die Einführung der richtigen Software hat dabei nicht nur Auswirkungen auf den Produktionsprozess, sondern auch auf Themen wie die Feinplanung, das Instandhaltungs- sowie das fertigungsbegleitende Qualitätsmanagement. Um die dabei entstehenden Investitionskosten und Wartungs- bzw. Betreuungskosten sowie den internen Personalaufwand für die Auswahl und die nachfolgende Implementierung gering zu halten, benötigen Unternehmen eine gezielte Vorgehensweise. Die Experten
des FIR helfen dabei, das passende System auszuwählen.
The shop floor is a dynamic environment, where disturbances to the production plan occur. While there are many tools to support production planning, production control is left unsupported in handling disruptions.The aim of the Cluster of Excellence is to develop an application to support the production controller in his decision process to identify and evaluate the right countermeasures. In this abstract, we present the concept for the application.
S. 133
Unternehmen sind mit einem zunehmend dynamischen Marktumfeld und komplexen Wertschöpfungsbeziehungen konfrontiert. Von besonderer Bedeutung ist die Sicherstellung effizienter und flexibler Prozesse und Abläufe entlang der gesamten Supply-Chain. Gerade im zwischenbetrieblichen Kontext müssen Entscheidungen möglichst schnell und richtig getroffen werden. Die Grundlagen für eine optimierte Entscheidungsfindung stellen die durchgängige Erfassung, Aufbereitung und gezielte Bereitstellung von Daten dar. Derzeit mangelt es innerhalb der Supply-Chains jedoch oft an der notwendigen Transparenz. In diesem Beitrag wird ein Konzept für ein Assistenzsystem zur Entscheidungsunterstützung auf Supply-Chain-Ebene vorgestellt.
Die Bewertung der produktionsnahen IT-Infrastruktur und die Auswahl eines passenden ME-Systems stellen Unternehmen vor eine komplexe, aber nicht unlösbare Herausforderung. Die Einführung der Software hat dabei nicht nur Auswirkungen auf den Produktionsprozess, sondern auch auf die Feinplanung und das Qualitätsmanagement. Um die Investionskosten und den internen Personalaufwand für die Einführung gering zu halten, benötigt man eine gezielte Vorgehensweise zur Auswahl des Systems.
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.
Deutschland als Produktionsstandort befindet sich in einem revolutionären Wandel und sieht sich mit komplexen Anforderungen konfrontiert. Neben kurzen Lieferzeiten und günstigen Preisen fordert der Markt ständig differenziertere und qualitativ hochwertigere Produkte. Gleichzeitig steigt die Marktdynamik aufgrund der starken Kundenorientierung und der damit verbundenen Auftragsschwankungen. Dadurch nimmt die Komplexität von Koordination, Planung und Steuerung der betrieblichen Abläufe zu, wodurch Unternehmen oftmals an ihre Grenzen stoßen. Um den Kundenanforderungen dennoch gerecht zu werden, sehen Unternehmen die Digitalisierung als einen entscheidenden Faktor für den Unternehmenserfolg an. Jedoch stehen die Unternehmen vor der Herausforderung, jene im Rahmen von Industrie 4.0 erfolgreich in ihrem Unternehmen umzusetzen.
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.