Refine
Document Type
- Conference Proceeding (2)
- Contribution to a Periodical (9)
- Internet Paper (1)
- Report (1)
- Working Paper (1)
Is part of the Bibliography
- no (14)
Keywords
- 3-Phasen-Konzept (1)
- Abweichungsbewältigung (1)
- Abweichungsmanagement (3)
- Anlaufmanagement (1)
- Auswahl von IT-Systemen (1)
- CKDCHAIN (1)
- Digitalisierung (1)
- Echtzeitfähigkeit (1)
- Feedback data (1)
- Fertigung (1)
Institute
- Produktionsmanagement (14) (remove)
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.
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.
Projektziel war die Entwicklung einer Entscheidungsunterstützung für den Fertigungssteuerer, die eine differenziertere Betrachtung von Abweichungen in der Fertigung ermöglicht. Des Weiteren soll die Entscheidungsunterstützung dazu dienen, durch die Bewertung von Abweichungen transparent zu machen, bei welchen Abweichungen dringender Handlungsbedarf besteht und in welcher Art und Weise interveniert werden muss. Durch die Berücksichtigung von Entscheidungen bzgl. Abweichungssituationen aus der Vergangenheit werden zukünftige Abweichungen so besser bewertet werden können.
Um langfristig in einem Umfeld zunehmenden Wettbewerbs mit internationalen Anbietern erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, sodass die Markterschließung durch Exporte vollständig montierter Erzeugnisse häufig ausscheidet.
Um dennoch die Handelshemmnisse zu umgehen, hat sich in der Automobilindustrie die Completely-knocked-down(CKD)-Strategie durchgesetzt, bei der Erzeugnisse teilzerlegt in die Märkte exportiert und dort lokal endmontiert werden. Zielsetzung des von der Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke“ e. V. (AiF) geförderten Forschungsvorhabens „CKDCHAIN“ ist die Übertragung dieses Konzepts auf Unternehmen des Maschinen- und Anlagenbaus, in dem eine simulationsbasierte Gestaltungsunterstützung entwickelt werden soll. Das IGF-Vorhaben 18384 N des FIR e. V. an der RWTH Aachen wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung und -entwicklung (IGF) vom Bundesministerium für Wirtschaft und Technologie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
In today´s turbulent market, the way data are used in production is one of the key aspects to maintain or increase a manufacturing company´s ability to compete. Even though most companies are aware of the advantages of collecting, analyzing and using data, the majority of them do not exploit these fully. Thus, IT systems and sensors are integrated into the shop floor in order to deal with the current challenges, leading to an overwhelming amount of data without contributing to an improvement of production control. Because of developments like digitization and Industry 4.0, there is an innumerable amount of existing research focusing on data analytics, artificial intelligence and pattern recognition. However, research on collaborative platforms in traditional production control still needs improvement. Therefore, the main goal of this paper is to present a platform based closed loop production control and to discuss the relevant data. The collaborative platform represents the basis for a future analysis of high-resolution data using cognitive systems in order for companies to maximize the automation of their production. A use case at the end of the paper shows the potential implementation of the findings in practice.
Kürzer werdende Produktlebenszyklen, steigende Produktvielfalt und höhere Produktkomplexität stellen fertigende Unternehmen und deren Supply-Chains vor die Herausforderung, eine zunehmende Anzahl komplexer Serienanläufe in immer kürzeren Zeitabschnitten planen und umsetzen zu müssen. Dies stellt produzierende Unternehmen und die Mitarbeiter in den Serienanläufen vor bisher nur unzureichend gelöste Schwierigkeiten. Ein Ansatz, welcher insbesondere die direkt im Anlaufgeschehen involvierten Mitarbeiter unterstützen soll, basiert auf der Annahme, dass sich unternehmerische Fragestellungen spielerisch erlernen lassen: Serious Gaming. Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzinitiative geförderte „Graduiertenkolleg Anlaufmanagement“ (GRK 1491/2) befasst sich mit der Optimierung des Serienanlaufs. Um die Komplexität und die Instabilität des Anlaufs vor und während der Produktion zu beherrschen, forschen Wissenschaftler unterschiedlicher Institute der RWTH Aachen aus den Fachbereichen der Ingenieur- und Wirtschaftswissenschaft an interdisziplinären Lösungsansätzen. Der Fokus liegt in erster Linie darauf, wie produzierende Unternehmen im Rahmen des Serienanlaufs eine höhere Entscheidungsqualität und damit einen stabileren Serienanlauf erlangen können.
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.
Während in der Vergangenheit dazu einzelne Systeme für die verschiedenen Bereiche im Unternehmen ausgewählt und eingesetzt wurden, wird eine übergreifende sowie einheitliche Datenbasis und Systemlandschaft vor dem Hintergrund steigender Ansprüche an die Nutzung von Daten immer wichtiger. Separat ausgewählte, nicht aufeinander abgestimmte und daher uneinheitliche Systeme, die im Wildwuchs entstanden, werden dieser Anforderung nicht gerecht. Zukünftig werden homogene IT-Systemlandschaften immer wichtiger, damit eine einheitliche Datenbasis vorgehalten werden kann und die Pflege redundanter Systeme reduziert wird. Eine ganzheitliche Betrachtung der betrieblichen IT-Systemlandschaft bei der Auswahl und Überarbeitung von betrieblichen Anwendungssystemen hilft dabei, diese Potenziale zu heben.
Shopfloordaten können heute durch neue Technologien hochfrequent und umfangreich erfasst werden, sodass sich vielfältige Möglichkeiten der Datenverwertung bieten. Im Gegensatz dazu basieren die meisten Enterprise-Resource-Planning(ERP)-Systeme auf einer Systemlogik, die derart hochfrequente Datensätze nicht adäquat für die Planung und Regelung des Serienanlaufs bzw. der Produktion nutzen kann. Manufacturing-Execution(ME)-Systeme bilden dabei das fehlende Bindeglied zwischen Shopfloor und ERP-System. Ungeklärt ist jedoch die Frage des geeigneten Zusammenspiels dieser Systemwelten, insbesondere im Hinblick auf die unterschiedlichen Verarbeitungsfrequenzen zugrundeliegender und im Zuge dieses Prozesses entstehender Daten und Informationen.
Zielsetzung der Reaktionsstrategiematrix mit dazugehöriger Differenzierungslogik ist die Identifizierung von Abweichungssituationen, um diese im Anschluss schnell zu bewerten und zu priorisieren. Die Matrix ist Basis für zeitnahe und gleichzeitig differenzierte Betrachtungen von Instabilitäten im Fertigungsprozess, sodass eine mögliche Reaktionsstrategie umgehend implementiert werden kann.