Refine
Document Type
- Article (6)
- Book (4)
- Part of a Book (6)
- Conference Proceeding (9)
- Contribution to a Periodical (20)
- Internet Paper (2)
- Report (6)
- Working Paper (12)
Language
- German (52)
- English (11)
- Multiple languages (2)
Is part of the Bibliography
- no (65)
Keywords
- 01 (3)
- 02 (10)
- 03 (3)
- 3PhasenKonzept (3)
- AM4Industry (3)
- APS-System (1)
- Additive Fertigung (1)
- Algorithmus (1)
- Anforderungsmanagement (1)
- Anomaly detection (1)
Institute
"Tracking & Tracing"-Systeme steigern merklich die Transparenz in der Produktion und der Lieferkette. Insbesondere Such-, Buchungs-, und Inventuraufwände sowie Schwund, Engpässe und Transportkosten lassen sich dadurch reduzieren. Die gewonnene Transparenz hilft bei der Erreichung einer flexiblen Produktion, sodass sich durch eine adaptive Planung und Steuerung bestehende Prozesse kontinuierlich verbessern lassen. Das jetzt erschienene Whitepaper beleuchtet Nutzen und Potenziale von Tracking & Tracing, stellt einen systematischen Ansatz zur Einführung von Tracking- und Tracing-Systemen vor und beschreibt hierbei anfallende Herausforderungen.
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.
Das Physical Internet (PI) basiert auf einer physischen, digitalen und operativen Interkonnektivität, ohne die ein weltweit fragmentiertes und standardisiertes Gütertransportsystem nicht effizient arbeiten könnte. Zur Selbststeuerung von globalen Warenströmen sind valide Eingangsdaten notwendig . Darüber hinaus ist ein hohes Vertrauen in Steuerungsentscheidungen für eine weitreichende Akzeptanz aller Akteure und Kunden der Logistikbranche unabdingbar. Diese beiden Ziele können nur durch eine hohe Datenqualität erreicht werden. Neben der Erhöhung der Datenqualität durch Automatisierung oder Einsatz von erweiterter Sensorik bieten Methoden der Datenfusion und der Entscheidungsfusion große Potenziale. Dieser Beitrag beschreibt ein methodisches Vorgehen zur Analyse dieser Potenziale. Darüber hinaus wird anhand eines Transitcenters dieses Vorgehen beispielhaft durchgeführt.
Process-Mining
(2020)
Heutige Implementierungsprojekte sind davon geprägt, dass nach dem Go-Live keine Prozesse zur Verfügung stehen, die es ermöglichen, dass neue Anforderungen effizient und kostengünstig umgesetzt werden. Dies resultiert in einem sinkenden Nutzen für die Anwender. Erst, wenn das eingesetzte System durch zahlreiche Workarounds und selbst entwickelte Anwendungen nicht mehr handhabbar ist, werden kostenintensive Anpassungs- und Neueinführungsprojekte angestoßen. Ein Ausweg hieraus kann ein konsequent umgeetztes, kontinuierliches und kurzzyklisches Anforderungsmanagement sein, dass Prozesse und eingesetzte IT-Lösungen deckungsgleich hält.
Wenn ein andauernder Wandel auf dem Weg zur Digitalisierung und eine Pandemie zusammenkommen,dann stehen Unternehmen vor großen Herausforderungen. Projekte werden verschoben,Ziele korrigiert, die Existenzsicherung steht wie in vielen Krisen im Vordergrund. Dabei zeigen Studien aus der Finanzkrise, dass Innovatoren diese Phase besser überstanden haben als vergleichbare Unternehmen. Bund und Länder sind derzeit besonders bemüht, die wirtschaftliche Leistungsfähigkeit vor Ort zu stärken und haben neben schon bestehenden Förderprogrammen viele Förderbedingungen verbessert sowie gänzlich neue Programme gestartet. Damit Sie sich schnell einen Überblick über die aktuellen Möglichkeiten verschaffen können, haben wir Ihnen die aus unserer Sicht derzeit interessantesten Programme zusammengestellt und zeigen in kurzen Portraits, wann sich welches Format am besten eignet.
We propose an integrated cost-benefit model to evaluate the economic utility of Additive Manufacturing (AM) for specific business cases. The high flexibility of AM enables novel product design possibilities and new production systems paradigms. However, in most cases AM-technologies still cannot compete with conventional mass production technologies in terms of production costs. A fundamental reason is that the benefits of AM are not considered by simple evaluation of production costs. Hence, practitioners need a holistic approach to consider costs and benefits of AM simultaneously in order to determine AM business cases. An easy to use model supports the user in identifying the relevant benefits for a specific use case and consider the added value in a cost model. The result is an interactive graph that helps users to explore new benefits and unlock their potential. The benefits are integrated into a cost model to allow a holistic quantitative evaluation of the business case. Our interactive approach based on the cytoscape graph framework helps identifying the key impact factors of the business case and makes it easy to run scenario-based analyses.
Im Forschungsprojekt 'railconnect' erarbeitet ein Konsortium aus Industrievertretern und dem FIR an der RWTH Aachen als Forschungseinrichtung die Hebung von Digitalisierungspotenzialen im Schienengüterverkehr. Im Zuge dessen wird der aktuell stark analog geprägte Prozess der Zugabfertigung digitalisiert und eine Kollaborationsplattform für mehr Transparenz und Steigerung der Zusammenarbeit geschaffen. Neben den aktuellen Herausforderungen der Bahnbranche werden der Lösungsansatz von railconnect sowie der Lösungsweg beschrieben.
Das primäre Ziel des Projekts 'AM 4 Industry' bestand darin, ein Modell zu entwickeln, das die Vorteile der Integration von Additiver Fertigung in die Produktionstechnologien eines Unternehmens aufzeigt. Hierzu wurden sowohl die resultierenden Kosten als auch der durch die Produktion mit Additiver Fertigung generierte Benefit identifiziert.
Das Kosten-Nutzen-Modell soll ein für die Industrie praktikables Modell bieten, das den Vergleich verschiedener Produktionsmethoden für bestimmte Teile ermöglicht. Dadurch sollen Unternehmen befähigt werden, fundierte Entscheidungen über die potenzielle Einbeziehung der Additiven Fertigung in ihre Produktion zu treffen. Heutzutage basieren diese Entscheidungen oft auf unvollständigen Informationen, Teilkosten und unsachgemäßem Urteilsvermögen.
Der Einsatz der Additiven Fertigung zur Herstellung von Teilen verändert oft mehr als lediglich einen Einzelaspekt in der Lieferkette. Aus diesem Grund ist es schwierig, einen klaren Überblick über den möglichen Nutzen sowie eventuelle Kosten zu erhalten. Für einen Vergleich, der alle Aspekte berücksichtigt, ist eine ganzheitliche Betrachtung erforderlich. Hierzu müssen alle einflussnehmenden Faktoren betrachtet werden. Dazu zählt insbesondere die fundierte Betrachtung des gesamten Produktlebenszyklus: Produktdesign / Engineering, Produktion / Qualität, Service / After Sales. Die Vorteile der Produktion mit Additiver Fertigung sind zum Beispiel die Funktionsintegration in einzelne Bauteile oder neue Möglichkeiten in der Ersatzteilfertigung. Demgegenüber stehen jedoch u. a. teilweise längere Produktionszeiten und hohe Implementierungskosten der Technologie.
Da es nicht möglich ist, den Nutzen der Additiven Fertigung allein mit einem klassischen Kostenvergleich zu bewerten, musste ein neues generisches Modell entwickelt werden, das die über den gesamten Lebenszyklus entstehenden Kosten mit den technologischen Vorteilen vergleicht. Mit diesem Wissen erhalten Unternehmen einen Wettbewerbsvorteil, denn anstelle von zeitaufwändigen Trial-and-Error-Tests kann das Modell den Entscheidungsprozess beschleunigen und die Erfolgsrate der Entscheidungen erhöhen.
Darüber hinaus wird ein wirtschaftlicherer Einsatz der Technologie ermöglicht, indem bei der Anwendung des entwickelten Modells neue Vorteile Additiver Fertigung identifiziert und schließlich nutzbar gemacht werden können. Die Anwendbarkeit des Modells in einem frühen Stadium - auch ohne genaue Daten - ermöglicht es Anwendern, sich bei ihren Bemühungen auf erfolgversprechende Anwendungsfälle zu konzentrieren und damit Ressourcen effizienter einzusetzen.
Künstliche Intelligenz ist eine der Schlüsseltechnologien der Digitalen Transformation. Auch das ERP-System, also der digitale Prozess- und Datenhub in Unternehmen, wird zunehmend mit KI-Technologien angereichert. Bis dato sind jedoch die Zahl der Anwendungsfälle im ERP-Umfeld und das Angebot der ERP-Anbieter im Bereich KI noch überschaubar. KI in Business Anwendungen wird zukünftig jedoch viele Facetten haben. So werden KI-gestützte Datenanalytik, Prognosesysteme, Suchmaschinen, maschinelle Übersetzungen, Bots und wissensbasierte Expertensysteme sehr schnell Einzug in Geschäftsanwendungen halten. Somit steht fest: Die Einbindung und Nutzung von Künstlicher Intelligenz wird die ERP-Landschaft deutlich verändern.