Refine
Document Type
- Article (7)
- 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 (53)
- English (11)
- Multiple languages (2)
Is part of the Bibliography
- no (66) (remove)
Keywords
- 01 (3)
- 02 (10)
- 03 (4)
- 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.
In diesem Whitepaper stellen wir Ihnen die Technologie Process-Mining vor und zeigen auf, welche enormen Potenziale in ihrer Anwendung liegen. Auch mit einer neuen Technologie ist jedoch ohne kompetente Anwendung
kein Erfolg erzielbar. Unser vorliegendes Whitepaper soll Ihnen dazu verhelfen, zu erkennen, welche Hürden Sie überwinden müssen, um das Potenzial von Process-Mining für sich zu heben, und wie wir vom FIR an der RWTH Aachen Ihnen bei der Umsetzung helfen können.
Im Mittelpunkt der IT-Systemarchitektur der großen und kleinen Unternehmen fungiert als zentrale Instanz seit jeher das Enterprise-Resource-Planning-System (kurz ERP-System). Damit dient es als Schnittstelle zur hochgradigen Integration von Anwendungen, die verstärkt die Kernapplikationen erweitern und modernisieren. Für die zunehmend an Projekten ausgerichtete Prozessmodellierung ist das implementierte ERP-System in seiner Agilität und Offenheit zu begrenzt. Individuelle Lösungen werden für unternehmerische Anforderungen geschaffen, aber nicht in den Standard überführt. In diesem Positionspapier zeigen wir, die Fachgruppe Produktionsplanung des FIR, anhand verschiedener Sichtweisen ausgewählte Trends auf, die großes Potenzial für die Zukunft des ERP-Systems bereithalten.
Durch die Globalisierung haben sich in den letzten Jahrzehnten überwiegend internationale und hochkomplexe Lieferketten entwickelt. Nationale und internationale Herausforderungen, wie beispielsweise der Brexit, die Corona-Pandemie, Handelskriege und Protektionismus oder auch verschiedene Naturkatastrophen haben in der Vergangenheit gezeigt, dass die Relevanz eines ganzheitlichen Supply-Chain-Risikomanagements durch den Anstieg der Komplexität in den Lieferketten stark gestiegen ist.
Produzierende Unternehmen sind heutzutage aufgrund zunehmender Konkurrenz aus Niedriglohnländern und eines schrumpfenden Technologievorsprungs einem enormen Kostendruck ausgesetzt, sodass Konzepte zur Steigerung der Produktivität erforderlich werden. Diese Konzepte sind vor allem auf die Optimierung innerbetrieblicher Abläufe auf Basis von Rückmeldedaten ausgerichtet. Eine notwendige Bedingung für das Ausschöpfen datenbasierter Wertschöpfungspotenziale ist eine konsistente und widerspruchsfreie Datenbasis. Mit dem Forschungsprojekt „Anwendung der Datenfusion bei der Erfassung und Speicherung betrieblicher Rückmeldedaten (DaFuER)“ wird demgemäß das Ziel verfolgt, die Erhöhung der Datenqualität von betrieblichen Rückmeldedaten durch die Anwendung von Methoden der Datenfusion zu ermöglichen.
Als Ergebnis des Forschungsprojekts wird in diesem Leitfaden eine Methode zur anwendungsfallspezifischen Ableitung geeigneter Methoden der Datenfusion dargelegt. Zunächst erfolgt die Definition des Anwendungsfalls. Dabei wird zur Ermittlung relevanter Informationsbedarfe den Anwendenden der Methodik eine Übersicht bereitgestellt, welche die verschiedenen für die Produktionsplanung und steuerung benötigten Informationen enthält. Außerdem werden Datenquellen anhand der Art der Datenerfassung klassifiziert. Diese Klassifikation ist die Grundlage für die Identifikation der im jeweiligen Anwendungsfall zur Verfügung stehenden Datenquellen.
Im Folgenden werden aus den verfügbaren Datenquellen diejenigen ermittelt, welche fusioniert werden sollen. Dazu wurde eine tabellarische Übersicht erstellt, mit Hilfe derer Datenquellen den Informationen zugeordnet werden, die sie bereitstellen. Weiterhin werden diese Datenquellen hinsichtlich ihrer Datenqualität auf Basis ausgewählter Qualitätsmerkmale bewertet. Für eine benötigte Information wählen die Anwendenden aus den ihnen zur Verfügung stehenden Datenquellen diejenigen zur Fusion aus, welche den Informationsbedarf decken und sich hinsichtlich der Erfüllung der Qualitätsmerkmale komplementieren.
Zuletzt wird eine für den konkreten Anwendungsfall geeignete Fusionsmethode der ausgewählten Datenquellen bestimmt. Grundlage dafür ist eine morphologische Untersuchung von Datenquellen. Durch eine Clusteranalyse möglicher Fehlerarten in Abhängigkeit der Kombination von verschiedenen morphologischen Merkmalsausprägungen werden prozesstypische Fehler der Datenfusion abgeleitet. Somit ist man in der Lage, anhand der ausgewählten Datenquellen die spezifischen Herausforderungen bei der Datenfusion zu identifizieren. Für die finale Auswahl einer für den Anwendungsfall geeigneten Datenfusionsmethode wurden für die ermittelten Prozessfehler die jeweiligen Eignungen der verschiedenen Methoden bewertet. Auf Grundlage dieser Bewertung wählen die Anwendenden schlussendlich diejenige Methode aus, die für die von ihnen identifizierten Herausforderungen am besten geeignet ist.
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.