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)
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
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.
Das Produktionssystem ist ein offenes, sozio-technisches System. Es besitzt eine komplexe Struktur, in der Menschen, Maschinen, Material und Informationen zusammenwirken, um eine Wertsteigerung zu erreichen. Das Produktionssystem steht in ständiger Interaktion mit seiner Umwelt (Westkämper et al. 2013). So sind die Kunden-Lieferanten-Beziehungen von Produktionssystemen häufig dynamisch und instabil. In dieser Gesamtkomplexität können Störungen auftreten, z.B. Maschinen- und Personalausfall sowie Fehlmaterial, die zu Termin- und Lieferverzögerungen führen. Dabei bildet die kundenbezogene Liefertermintreue mit Abstand die führende logistische Zielgröße für produzierende Unternehmen in Deutschland (Brambring et al. 2013). Vor allem im Maschinen- und Anlagenbau, der durch eine besonders komplexe Auftragsabwicklung geprägt ist, stellt eine hohe Liefertermintreue einen bedeutenden Wettbewerbsvorteil dar. Sie wird häufig als Indikator für Prozessqualität herangezogen, welche dem Kunden Zuverlässigkeit demonstriert und zugleich eine interne Voraussetzung für die Planbarkeit des eigenen Geschäftsbetriebs ist (VDMA 2007). Während eine planmäßige und somit termintreue Abwicklung des Leistungserstellungsprozesses Kundenbindung bewirkt, führen Terminüberschreitungen häufig zum Verlust von Kundenbeziehungen sowie Vertragsstrafen (Arnolds et al. 2016).Störungen im Produktionssystem gefährden die Liefertermintreue und damit die Kundenzufriedenheit (Bosshardt 2007). Durch Gegenmaßnahmen entstehen außerdem Zusatzkosten, z.B. durch Zusatzschichten oder Auslagerung von Fertigungsschritten, die die Profitabilität der Aufträge gefährden können. Daher ist es für Unternehmen wichtig, bei Störungen nicht nur die potenziellen Handlungsoptionen, sondern viel mehr deren finanziellen Auswirkungen auf das Produktionssystem zu kennen, um eine optimale Strategie entwickeln zu können. Nur diese Transparenz ermöglicht es Unternehmen, die negativen finanziellen Auswirkungen gegen die negativen Auswirkungen auf die Kundenbeziehungen abzuwägen. In der Praxis stellt sich diese Aufgabe allerdings als sehr schwierig heraus. Unternehmen reagieren häufig nur reaktiv und erfahrungsbasiert. Mitarbeiter müssen sowohl die komplexen Abläufe im Betrieb kennen als auch potenzielle Handlungsoptionen sowie deren Auswirkungen abschätzen können. Dabei müssen die Mitarbeiter eine Komplexität überwinden, die insbesondere bei Einzel- und Kleinserien aufgrund der hohen Vielfalt von Produkten und Prozessen besonders hoch ist. Dies trifft besonders auf KMU zu, die nur über rudimentäre Softwareunterstützungen verfügen.In der Folge werden häufig suboptimale und teure Maßnahmen getroffen. Gleichwohl sind die finanziellen Auswirkungen nicht immer direkt nachvollziehbar, was die finanzielle Stabilität des Unternehmens gefährdet. Darüber hinaus kann die Liefertermintreue der Aufträge, die nicht direkt durch die Störungen betroffen sind, stark negativ beeinflusst werden. Die Summe der daraus entstehenden Folgen kann sich in manchen Fällen stärker auf das Unternehmen auswirken als die Verspätung eines einzelnen, wenn auch wichtigen Auftrages, der direkt durch die Störung betroffen ist. Das durchgeführte Forschungsprojekt „EkuPro“ unterstützt Unternehmen bei der Bewältigung dieser Herausforderungen, indem eine transparente Entscheidungsunterstützung durch das entwickelte Softwaretool ermöglicht wird.
Zielsetzung:
Das Ziel des erarbeitenden Forschungsprojektes war die Entwicklung eines Tools zur objektiven Entscheidungsunterstützung, mit dem kompensatorische Maßnahmen zur Beschleunigung einzelner Aufträge quantitativ und finanziell bewertet werden können. Das Tool unterstützt den Produktionssteuerer, indem es bei kurzfristigen Entscheidungen einen Überblick über die möglichen Handlungsalternativen zur Verfügung stellt. Der Produktionssteurer kann somit auf Basis der angezeigten potenziell entstehenden Kosten eine optimale Entscheidung treffen. Zur Unterstützung wurden die Simulationsergebnisse visualisiert, um die Analyse zu erleichtern. Zudem ist das Tool auf mobilen Endgeräten einsatzfähig. Das Grundprinzip des Tools besteht darin, beim Auftreten einer Störung zunächst die aktuelle Situation des Produktionssystems und die Störung selbst zu erfassen. Dabei werden interne und externe Störungen berücksichtigt, wobei externe Störungen nicht direkt, sondern durch ihre Auswirkungen auf die interne Produktionslogistik beschrieben werden. Die notwendigen Daten zur Abbildung der aktuellen Situation sollen den gängigen Systemen, z.B. MES und ERP, entnommen werden. Auf dieser Basis kann der Produktionsplaner verschiedene Szenarien definieren, die jeweils ein unterschiedliches Set an Maßnahmen beinhalten. Die Auswirkung dieser Maßnahmen wird mithilfe einer Software simuliert und die Ergebnisse, vor allem die Liefertermintreue der Aufträge sowie die finanziellen Mehrkosten, werden visualisiert. Dadurch werden die Szenarien untereinander quantitativ vergleichbar. Dies ermöglicht dem Produktionsplaner die Auswahl einer aus seiner Sicht sinnvollen Maßnahmenkombination.
Gegenüber den klassischen Systemen, z.B. MES und ERP, hat das Tool die folgenden Vorteile:
Zielgerichtete Entscheidungsunterstützung
Quantitative Vorhersage durch Simulation
Systematische Integration der Kostenermittlung und Liefertermintreue
Entgegen dem ursprünglichen Ziel, nur die Kosten des direkt durch die Störung betroffenen, verzögerten Auftrages zu betrachten, wurde in Absprache mit dem projektbegleitenden Ausschuss (pbA) entschieden, die finanzielle Auswirkung aller Aufträge zu berücksichtigen. Nur dadurch kann die Gesamtauswirkung der Maßnahmen vollständig untersucht und gegeneinander abgewogen werden. Diese Erweiterung der Zielstellung des Projektes stellt einen erheblichen Mehrwert im Vergleich zum ursprünglichen Forschungsvorhaben dar.
DaFuER - Anwendung der Datenfusion bei der Erfassung und Speicherung
betrieblicher Rückmeldedaten
(2021)
Zentrale Herausforderung der Globalisierung und Digitalisierung für produzierende Unternehmen in Deutschland sind steigende Kundenanforderungen nach individuelleren Produkten bei gleichzeitig stetig kürzer werdenden Lieferzeiten. Insbesondere für kleine und mittlere Unternehmen steigt der Kosten- und Innovationsdruck durch wachsende Konkurrenz aus Niedriglohnländern und einen schrumpfen-den Technologievorsprung. Aus diesen Herausforderungen entsteht die Anforderung einer echtzeitfähigen und effizienten Produktionsplanung und -steuerung, die eine fundierte und kurzfristige Entscheidungsfindung erlaubt. Grundlage für eine leistungsstarke Produktionsplanung und -steuerung ist eine hohe Informationsverfügbarkeit. Das allein ist jedoch keine hinreichende Bedingung für eine effiziente Produktionsplanung und -steuerung, da nur bei einer ausreichenden Datenqualität eine zuverlässige Entscheidungsfindung möglich ist. Ferner bieten die zunehmende Digitalisierung und Vernetzung steigendes Nutzenpotenzial für datenbasierte Wertschöpfung, was die Relevanz einer hohen Datenqualität zusätzlich verstärkt. Zentrale Herausforderung der Steigerung der Datenqualität sind die Investitionskosten der Implementierung von entsprechenden Maßnahmen. Dabei zeichnen sich kleine und mittlere Unternehmen (KMU) insbesondere durch eine beschränkte Investitionsfähigkeit aus.
Auf die Erhöhung der Datenqualität eines aggregierten Datensatzes zielt die Datenfusion durch Kombination verschiedener Datenquellen ab. Die unterschiedlichsten Methoden der Datenfusion werden bereits seit längerem in nicht produktionsnahen Bereichen an-gewendet. Das Forschungsprojekt „DaFuER“ unterstützt bei dem Transfer der Methoden in das Produktionsumfeld. Hierbei werden vor allem kleine und mittlere Unternehmen bei der Optimierung ihrer Datenqualität angeleitet, indem eine transparente Entscheidungsunterstützung u. a. durch einen Leitfaden zur Datenfusion und ein Online-Tool ermöglicht wird.
Das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center untersuchten Anfälligkeiten von Unternehmen gegenüber Krisensituationen: Die Expertise "Wertschöpfungsnetzwerke in Zeiten von Infektionskrisen" nimmst sich die COVID-19-Pandemie als Beispiel (Herausgeber Forschungsbeirat der Plattform Industrie 4.0 / acatech - Deutsche Akademie der Technikwissenschaften). In einer empirischen Fragebogenstudie wurden im Zeitraum von Mitte November 2020 bis Mitte Januar 2021 Unternehmen hinsichtlich der Auswirkungen der COVID-19-Pandemie befragt. Unter anderem sollte die Relevanz und der aktuelle Umsetzungsstand potenzieller Maßnahmen zur Steigerung der Resilienz eingeschätzt werden. An dieser Befragung nahmen vorwiegend produzierende Unternehmen unterschiedlicher Größe und aus verschiedenen Branchen u. a. Maschinen- und Anlagenbau, Automobil-, Konsumgüter- und Metallindustrie teil. Auf Basis dieser Ergebnisse wurden Potenziale und Handlungsoptionen identifiziert, die Unternehmen bei der resilienten Gestaltung ihrer Wertschöpfungsnetzwerke unterstützen können.
Das FIR an der RWTH Aachen und das Industrie 4.0 Maturity
Center untersuchten die Anfälligkeit von Unternehmen
gegenüber Krisensituationen: Die Expertise "Wertschöpfungsnetzwerke
in Zeiten von Infektionskrisen“ nimmt sich die COVID-19-Pandemie als Beispiel (Herausgeber Forschungsbeirat der Plattform Industrie 4.0/acatech – Deutsche Akademie der Technikwissenschaften). In einer empirischen Fragebogenstudie wurden im Zeitraum von Mitte November 2020 bis Mitte Januar 2021 Unternehmen hinsichtlich der Auswirkungen der COVID-19-Pandemie befragt. Unter anderem sollte die Relevanz
und der aktuellen Umsetzungsstand potenzieller Maßnahmen zur Steigerung der Resilienz eingeschätzt werden. An dieser Befragung nahmen vorwiegend produzierende Unternehmen unterschiedlicher Größe und aus verschiedenen Branchen u. a. Maschinen- und Anlagenbau, Automobil-, Konsumgüter- und Metallindustrie teil. Auf Basis dieser Ergebnisse wurden Potenziale und Handlungsoptionen identifiziert, die Unternehmen bei der resilienten Gestaltung ihrer Wertschöpfungsnetzwerke unterstützen können.
Recent developments have demonstrated the challenges and impacts of disruptions in supply chains. Current disruptions especially affected procurement and have indicated a lack of resilience. Resilience aims at being prepared, decreasing the impact, and enabling fast reactions and adaption in case of disruptions. The systematic design of resilience in procurement is significantly influenced by proactive and strategic actions before disruptions occur. Thus, the procurement strategy plays a major role when increasing resilience. The procurement strategy is influenced by various factors. Thus, a data-based approach for its systematic design is required. Based on the vision of the Internet of Production (IoP), this paper presents a data-based approach for designing procurement strategies. The IoP is a framework that enables cross-domain collaboration by providing semantically adequate and contextual data from production, development, and usage in real-time at an appropriate granularity. The paper aims at analyzing the state of the art regarding the design of procurement strategy in uncertain environments and the identification of success-critical purchased articles. Based on this, an approach is developed that is structured along the action research cycle and uses CRISP-DM to further detail the different steps. Through the use of these frameworks, both practical applicability and objective evaluation are ensured. The proposed approach thus allows the systematic evaluation of purchased articles regarding supply risks and lies the foundation for the adaption of the procurement strategy. The resulting approach is the foundation for future practical application of different use cases. As one central use case for the presented approach, the paper introduces the textile industry and its supply chains.
Als Beispiel einer globalen Krisensituation zeigt die COVID-19-Pandemie eindrucksvoll die Schwachstellen heutiger Wertschöpfungsnetzwerke. Vor dem Hintergrund zunehmend komplexer und vernetzter Wertschöpfungsnetzwerke steigt für Unternehmen die Bedeutung einer resilienten Gestaltung derselben. Dabei wird davon ausgegangen, dass ähnliche Krisensituationen in Zukunft häufiger auftreten werden. Ziel dieser Expertise ist es, Unternehmen bei der Identifikation von Potenzialen und Maßnahmen für die resiliente Gestaltung ihrer Wertschöpfungsnetzwerke zu unterstützen.
Companies in the manufacturing sector are confronted with an increasingly dynamic environment. Thus, corporate processes and, consequently, the supporting IT landscape must change. This need is not yet fully met in the development of information systems. While best-of-breed approaches are available, monolithic systems that no longer meet the manufacturing industry's requirements are still prevalent in practical use. A modular structure of IT landscapes could combine the advantages of individual and standard information systems and meet the need for adaptability. At present, however, there is no established standard for the modular design of IT landscapes in the field of manufacturing companies' information systems. This paper presents different ways of the modular design of IT landscapes and information systems and analyzes their objects of modularization. For this purpose, a systematic literature research is carried out in the subject area of software and modularization. Starting from the V-model as a reference model, a framework for different levels of modularization was developed by identifying that most scientific approaches carry out modularization at the data structure-based and source code-based levels. Only a few sources address the consideration of modularization at the level of the software environment-based and software function-based level. In particular, no domain-specific application of these levels of modularization, e.g., for manufacturing, was identified. (Literature base: https://epub.fir.de/frontdoor/index/index/docId/2704)
Um in komplexen Wertschöpfungsnetzwerken und an der Schnittstelle zwischen Kunden und Lieferanten valide, datenbasierte Entscheidungen treffen zu können, muss eine hohe Datenqualität vorliegen. Dabei mangelt es oft an einem Datenqualitätsmanagement (DQM), das den konkreten Anwendungsfall und den überbetrieblichen Austausch berücksichtigt. Wir stellen ein universales Rahmenwerk für das überbetriebliche DQM vor, das Ziele, Prozesse, relevante Daten und Akteure erfasst und den Grundstein für eine ganzheitliche Datenqualitätsstrategie legt.