Refine
Year of publication
Document Type
- Article (13)
- Book (3)
- Part of a Book (62)
- Conference Proceeding (114)
- Contribution to a Periodical (25)
- Lecture (7)
- Internet Paper (2)
- Report (2)
- Working Paper (4)
Is part of the Bibliography
- no (232)
Keywords
- 02 (15)
- 03 (9)
- 04 (1)
- 5G (2)
- 7. EU-Forschungsrahmenprogramm (1)
- AI (2)
- APMS (1)
- APS (1)
- Aachener PPS-Modell (1)
- Ablauforganisation (1)
Institute
- Business Transformation (10)
- Dienstleistungsmanagement (67)
- FIR e. V. an der RWTH Aachen (232)
- Informationsmanagement (51)
- Produktionsmanagement (115)
Assessment of IS Integration Efforts to Implement the Internet of Production Reference Architecture
(2018)
As part of a collaborative network, manufacturing companies are required to be agile and accelerate their decision making. To do so, a high amount of data is available and needs to be utilized. To enable this from a company internal information system perspective, the Internet of Production (IoP) describes a future information system (IS) architecture. Core element of the IoP is a digital platform building the basis for a network of cognitive systems. To implement and continuously further develop the IoP, manufacturing companies need to make architecture-related decisions concerning the accessibility of data, the processing of the data as well as the visualization of the information. The goal of this research is the development of a decision-support methodology to make those decisions, taking under consideration the evaluated IS integration effort. Therefore, this paper describes the allocation of IS functions and identifies the effort drivers for the respective IS integration by analyzing the integration possibilities. Conclusively this approach will be validated in a case study.
Generation of a Data Model For Quotation Costing Of Make To Order Manufacturers From Case Studies
(2022)
For contract or make to order manufacturers, quotation costing is a complex process that is mainly performed based on experience. Due to the high diversity of the product range of these mostly small or medium-sized companies (SMEs) and the poor data situation at the time of quotation preparation, the quality of the calculation is subject to strong variations and uncertainties. The gap between the initial quotation costing and the actual costs to be spent (pre- and post-calculation) is crucial to the existence of SMEs. Digitalization in general can help companies to get a better understanding of processes and to generate data. For improving these processes, an understanding of the important data for that specific process is crucial. Accurate quotation costing for customized products is time-consuming and resource-intensive, as there is a lack of an overview of data to be used within the process. This paper therefore derives a data model for supporting quotation costing in the company, based on literature-based costing procedures and recorded case studies for quotation and calculation. Based on the results, SMEs will have a first overview of the needed data for quotation costing to optimize their calculation process.
Künstliche Intelligenz (KI) hat als Technologie in den vergangenen Jahren Marktreife erlangt. Es existiert eine Vielzahl benutzerfreundlicher Produkte und Services, welche die Anwendung von KI im Alltag und im Unternehmen vereinfachen. Die Herausforderung, vor denen Anwendende, gerade im betriebswirtschaftlichen Kontext, stehen, ist nicht die technische Machbarkeit einer KI-Applikation, sondern deren organisatorisch und rechtlich zulässige Gestaltung. Zu einer zunehmenden Dynamik in der Gesetzgebung kommt ein gesellschaftliches Interesse an der Kontrolle und Transparenz über die für KI-Modelle erhobenen Daten. Die Diskussion über Datensouveränität im geschäftlichen und privaten Alltag rückt mehr und mehr in das Zentrum der öffentlichen Aufmerksamkeit.
Datenbasierte KI-Anwendungen stehen damit in einem Spannungsfeld zwischen den Potenzialen, die das Erheben und Teilen von Daten über Unternehmensgrenzen hinweg bietet, und der Herausforderung, die Datensouveränität der involvierten Personen zu wahren. Die vorliegende Studie soll erstens über die Auswirkungen der Datensouveränität und die damit verbundenen aktuellen und kommenden Regularien auf KI-Anwendungsfälle aufklären. Dafür wurden Expertinnen und Experten aus den Bereichen Recht, KI- und Organisationsforschung befragt. Zweitens zeigt die Studie Potenziale und Best Practices von KI-Anwendungsfällen mit überbetrieblichem Datenaustausch auf. Dafür wurden Fallstudien in Unternehmen durchgeführt, die bereits erfolgreich Datenaustausch in ihre Geschäftsmodelle integriert haben, um ihre KI-Applikationen zu betreiben und zu verbessern.
Methods of machine learning (ML) are notoriously difficult for enterprises to employ productively. Data science is not a core skill of most companies, and acquiring external talent is expensive. Automated machine learning (Auto-ML) aims to alleviate this, democratising machine learning by introducing elements such as low-code / no-code functionalities into its model creation process. Multiple applications are possible for Auto-ML, such as Natural Language Processing (NLP), predictive modelling and optimization. However, employing Auto-ML still proves difficult for companies due to the dynamic vendor market: The solutions vary in scope and functionality while providers do little to delineate their offerings from related solutions like industrial IoT-Platforms. Additionally, the current research on Auto-ML focuses on mathematical optimization of the underlying algorithms, with diminishing returns for end users. The aim of this paper is to provide an overview over available, user-friendly ML technology through a descriptive model of the functions of current Auto-ML solutions. The model was created based on case studies of available solutions and an analysis of relevant literature. This method yielded a comprehensive function tree for Auto-ML solutions along with a methodology to update the descriptive model in case the dynamic provider market changes. Thus, the paper catalyses the use of ML in companies by providing companies and stakeholders with a framework to assess the functional scope of Auto-ML solutions.
Increasing productivity in product-service systems is a vital success factor for industrialized economies and individual businesses. The service production is typically described as an integrated value chain setting, in which the provider and the customer are co-creators.
This paper embraces a characteristic curve model in order to illustrate the influence of the customer on the productivity of service production. The characteristic curves are derived from a system dynamics simulation model for a synchronized takt-based service production. In conclusion this research leads to designs recommendations for service production systems in order to reduce lead times and increase adherence to delivery dates.
Das Produktionsmanagement beinhaltet sämtliche Aufgaben zur Gestaltung, Planung, Überwachung und Steuerung eines Produktionssystems und der betrieblichen Ressourcen Mensch, Maschine, Material und Information. Die strategische Perspektive des Produktionsmanagements antizipiert relevante Veränderungstreiber, stößt die Anpassung der Organisation an veränderte (Umwelt-)Bedingungen an und gestaltet somit die strategische Ausrichtung des Unternehmens auf Basis der auf der normativen Ebene definierten Ziele, Prinzipien und Normen.
Damit spannt das strategische Produktionsmanagement gleichzeitig den Gestaltungsrahmen für die operative Ebene auf. Das operative Produktionsmanagement verfolgt das Ziel, die Produkte und (Dienst-)Leistungen eines Unternehmens in der erforderlichen Menge und Qualität zu einem festgelegten Termin und unter Einsatz des geringstmöglichen Kostenaufwands zu erstellen. Kernaufgaben des operativen Produktionsmanagements sind die Produktionsprogrammplanung, das Auftragsmanagement, die Produktionsbedarfsplanung, die Eigenfertigungs- sowie die Fremdbezugsplanung und -steuerung.
In diesem Beitrag werden zunächst die zentralen Begriffe definiert und der diesem Band zugrundeliegende Ordnungsrahmen des Produktionsmanagements aufgespannt. Danach werden die Aufgaben und Prinzipien des strategischen sowie die wesentlichen Ziele des operativen Produktionsmanagements vorgestellt. Die Kernprozesse des Produktionsmanagements unterscheiden sich in ihrer konkreten Ausprägung in Abhängigkeit vom unternehmensspezifisch vorliegenden Fertigungstyp. Daher werden im Anschluss die vier grundsätzlichen Fertigungstypen der Auftrags-, Rahmenauftrags-, Varianten- und Lagerfertigung definiert und gegeneinander abgegrenzt. Abschließend werden die wesentlichen Daten, Datenarten und -strukturen erläutert, die zusammen mit den aus ihnen abgeleiteten Informationen die Basis für jegliche Aktivität im Rahmen des Produktionsmanagements bilden.
Produktionsprogrammplanung
(2014)
Ziel der Produktionsprogrammplanung ist es, einen hinsichtlich Absetzbarkeit und Realisierbarkeit abgestimmten Produktionsplan über einen langfristigen Planungszeitraum zu erstellen. Dieser Produktionsplan legt verbindlich fest, welche Erzeugnisse durch das Unternehmen in welchen Stückzahlen zu welchen Zeitpunkten bzw. in welchen Perioden produziert werden sollen. Teilaufgaben der Produktionsprogrammplanung sind die Absatzplanung, die Primärbedarfsplanung und die Ressourcengrobplanung. In diesem Kapitel werden zunächst die Kernaufgaben der Produktionsprogrammplanung definiert und anschließend die wesentlichen Methoden und Verfahren zur Bearbeitung der verschiedenen Teilaufgaben innerhalb der Produktionsprogrammplanung zusammengestellt. Abschließend werden die Aufgaben der Produktionsprogrammplanung in ihrer zeitlogischen Abfolge in Form eines Referenzprozessmodells modelliert und dabei fertigungstypspezifisch detailliert.
Auftragsmanagement
(2014)
Ausgelöst durch einen konkreten Kundenauftrag, plant, steuert und überwacht das Auftragsmanagement sämtliche Aktivitäten der Auftragsabwicklung von der Anfragenbearbeitung über die Konstruktion, den Einkauf, die Fertigung und Montage bis hin zum Versand des fertigen Produkts. Dabei wird im Auftragsmanagement das Ziel verfolgt, die Transparenz der Auftragsabwicklung zu erhöhen und damit die Reaktionsfähigkeit im Hinblick auf unternehmensinterne und -externe Störungen deutlich zu verbessern. Gleichzeitig unterstützt das Auftragsmanagement die Lösung von Interessenskonflikten zwischen verschiedenen Fachbereichen sowie die Ausregelung von Zielkonflikten im Sinne einer effizienten Erfüllung des Kundenauftrags.
Teilaufgaben des Auftragsmanagements sind die Angebotsbearbeitung, die Auftragsbearbeitung sowie die Auftragskoordination und das Auftragscontrolling. In diesem Kapitel werden zunächst die Kernaufgaben des Auftragsmanagements definiert und anschließend die wesentlichen Methoden und Verfahren zur Bearbeitung der verschiedenen Teilaufgaben innerhalb des Auftragsmanagements zusammengestellt. Abschließend werden die Aufgaben des Auftragsmanagements in ihrer zeitlogischen Abfolge in Form eines Referenzprozessmodells modelliert und dabei fertigungstypspezifisch detailliert.
Die Eigenfertigungsplanung und -steuerung erhält als Eingangsinformation das zu realisierende Eigenfertigungsprogramm aus der Produktionsbedarfsplanung. Das Ziel der Eigenfertigungsplanung und -steuerung ist die Erstellung, Umsetzung und Kontrolle eines detaillierten Ablaufplans für die Fertigung und Montage unter Berücksichtigung der tatsächlich verfügbaren Produktionsressourcen. In ihren Teilaufgaben Losgrößenrechnung, Feinterminierung, Ressourcenfeinplanung, Reihenfolgeplanung, Verfügbarkeitsprüfung und Auftragsfreigabe legt die Eigenfertigungsplanung und -steuerung beispielsweise kostenoptimale Losgrößen und optimale Arbeitsgangreihenfolgen fest.
In diesem Beitrag werden zunächst die Kernaufgaben der Eigenfertigungsplanung und -steuerung definiert und anschließend die wesentlichen Methoden und Verfahren zur Bearbeitung der verschiedenen Teilaufgaben innerhalb der Eigenfertigungsplanung und -steuerung zusammengestellt. Abschließend werden die Aufgaben der Eigenfertigungsplanung und -steuerung in ihrer zeitlogischen Abfolge in Form eines Referenzprozessmodells modelliert und dabei fertigungstypspezifisch detailliert.
Applying Game Theory in Procurement. An Approach for Coping with Dynamic Conditions in Supply Chains
(2014)
Producing companies are facing continually changing conditions accompanied by higher requirements with respect to the flexible configuration of their supply chain. The challenge resulting from this initial situation is to develop systems that have the availability of adjusting their planning procedures and aims depended on the situation and therefore accommodate the increasing demand for flexibility. To address this challenge game theory seems to be a new and promising approach. The aim and added-value of the research work described here is to develop a decision model for the area of procurement using solutions concepts of game theory. Especially in times of high volatility such a decision model can support material requirements planners better than today's common selective planning logics.
In this paper the model to be solved by game theoretic solution concepts is presented. A research study has been conducted which proved the need for combining existing methods of procurement quantity calculation by means of game theoretic solution concepts. Some of the results of this study are presented in this paper. In the last part of the paper a structure for classifying game theoretic models is presented. This structure should support in selecting the appropriate solution concept for real-life decision-situations and is able to support in any practical application-field finding out the most appropriate game theoretic solution concept.