Refine
Document Type
- Article (1)
- Part of a Book (2)
- Conference Proceeding (4)
- Contribution to a Periodical (9)
- doctorallecture (1)
- Doctoral Thesis (1)
- Report (1)
- Working Paper (2)
Language
- German (14)
- English (6)
- Multiple languages (1)
Is part of the Bibliography
- no (21)
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)
- Digitale Vernetzung (1)
- Digitaler Schatten (1)
- Digitalisierung (1)
- Digitalization (1)
- ERP-Auswahl (1)
- Energieeffizienz (1)
- Entscheidungsunterstützung (1)
- Feedback data (1)
- Fertigungslogistik (1)
- IGF-20940 BG (1)
- IT-Integration (1)
- IT-Werkzeug (1)
- Implementierung (1)
- Industrie 4.0 (2)
- Industrie-4.0-Maturity-Index (1)
- Integration erneuerbarer Energien (1)
- Internet of Production (2)
- Konferenz (1)
- Kundenwünsche (1)
- Learning-based scheduling (1)
- Lieferketten (1)
- MES (4)
- MES-Auswahl (1)
- Machine Learning (1)
- Manufacturing Execution System (1)
- Manufacturing Execution System (MES) (1)
- Maturity Model, Maturity Index (1)
- PPS (1)
- Parameter prediction (1)
- Predictive quality (1)
- Process Mining (1)
- Process analysis (1)
- Process-Mining (2)
- Production Control (2)
- Production management (2)
- Produktion (1)
- Produktionsplanung und -steuerung (1)
- Reifegradmodell (1)
- S&OP (1)
- SV7287 (1)
- SV7457 (1)
- Sales & Operations Planning (1)
- Setup time optimizing sequencing (1)
- Shopfloor (1)
- Studie (1)
- Störungsmanagement (1)
- Supply Chain Management (1)
- Supply-Chain-Management (1)
- Synchronisierung (1)
- Transparenz (1)
- V298 (1)
- Wertstrommethode (1)
- Whitepaper (1)
- decision support (1)
- deviation detection (1)
- digital shadow (1)
- disturbance management (1)
- machine learning (1)
- process mining (1)
- production control (1)
- production networks (1)
- rev (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.
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.
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.
Towards the Generation of Setup Matrices from Route Sheets and Feedback Data with Data Analytics
(2018)
The function or department of production control in manufacturing companies deals with short-term scheduling of orders and the management of deviations during order execution. Depending on the equipment and characteristics of orders, sequence dependent setup times might occur. In these cases for companies that focus on high utilization of their assets due to long phases of ramp up and high energy costs, it might be optimal to choose sequences with minimal setup time times between orders. Identifying such sequences requires detailed and correct information regarding the specific setup times. With increasing product variety and shorter lot sizes, it becomes more difficult and rather time intense to determine these values manually. One approach is to analyse the relevant features of the orders described in the route sheets or recipes to find similarities in materials and required tools. This paper presents a methodology, which supports setup optimized sequencing for sequence dependent setup times through constructing the setup matrix from such route sheets with the use of data analytics.
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.
Immer flexibler und schneller auf sich ändernde Kundenwünsche reagieren zu können, ist das Ziel eines jeden produzierenden Unternehmens. Um dieses zu erreichen, müssen Daten aus dem Shop Floor nahezu in Echtzeit dem ERP-System zur Verfügung gestellt werden. Dabei kann die Datenintegration auf unterschiedlichen Wegen erfolgen: Data Lakes und MES sind zwei Beispiele mit unterschiedlichen Vor- und Nachteilen.
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.
Im Rahmen der digitalen Transformation und der damit verbundenen Gestaltung digitaler und durchgängiger Prozesse müssen Unternehmen häufig neue Business-Software auswählen und beschaffen. Sie modernisieren hierbei ihre in die Jahre gekommene Software oder führen eine zusätzliche ein. Häufig erfolgen Auswahl und Beschaffung mittels klassischer Projektmanagementmethoden, die im Kontrast zu den agilen Methoden während der Implementierung stehen. Dieser Beitrag zeigt, wie agile Methoden schon in der Auswahl genutzt werden, um einerseits den Einstieg in die Implementierung zu erleichtern und andererseits aktives, nutzerzentriertes Change-Management von der Auswahl bis zum Einsatz der Software ermöglichen. Sie sind daher von Beginn an ein wichtiger Baustein zur Sicherung des Projekterfolgs.
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.