Refine
Year of publication
Document Type
- Article (10)
- Book (3)
- Part of a Book (32)
- Conference Proceeding (41)
- Contribution to a Periodical (18)
- Lecture (5)
- Internet Paper (1)
- Report (2)
- Working Paper (3)
Is part of the Bibliography
- no (115)
Keywords
- 02 (4)
- 03 (3)
- 7. EU-Forschungsrahmenprogramm (1)
- APMS (1)
- APS (1)
- Aachener PPS-Modell (1)
- Adaptability (1)
- Additive Fertigung (1)
- Advanced Planning System (1)
- Anlagenbau (1)
Institute
- Produktionsmanagement (115) (remove)
Produktionsbedarfsplanung
(2014)
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.
Zunächst werden die Kernaufgaben der Eigenfertigungsplanung und -steuerung definiert, abschließend werden die Aufgaben in Form eines Referenzprozessmodells modelliert.
Die Fremdbezugsplanung und -steuerung erhält als Eingangsinformation das zu realisierende Fremdbezugsprogramm aus der Produktionsbedarfsplanung. In diesem Fremdbezugsprogramm ist festgelegt, welche Teile, Baugruppen und Erzeugnisse in welchen Mengen und zu welchen Terminen zu beschaffen sind.
Es werden zunächst die wesentlichen Aufgaben der Fremdbezugsplanung und -steuerung definiert. Abschließend werden die Aufgaben in ihrer zeitlogischen Abfolge in Form eines Referenzprozessmodells modelliert und dabei fertigungstypspezifisch detailliert.
Today’s manufacturers are facing numerous challenges such as highly entangled and interconnected supply chains, shortening product lifecycles and growing product complexity. They thus feel the need to adjust and adapt faster on all levels of value creation. Self-optimization as a basic principle appears a promising approach to handle complexity and unforeseen disturbances within supply chains, machines and processes. Therefore it will improve the resilience and competitiveness of manufacturing companies.
This paper gives an introduction to the concept of self-optimizing production systems. After a short historical review, the different levels of value creation from supply chain design and management to manufacturing and assembly are analyzed considering their specific demands and needs for self-optimization. Examples from each of these levels are used to illustrate the concept of self-optimization as well as to outline its potential for flexibility and productivity. This paper closes with an outlook on the current scientific work and promising new fields of action.
Der Begriff „Digitaler Schatten“ steht für ein hinreichend genaues, digitales Abbild der Prozesse, Information und Daten eines Unternehmens. Dieses Abbild wird benötigt, um eine echtzeitfähige Auswertebasis aller relevanten Daten zu schaffen, um hieraus letztendlich Handlungsempfehlungen abzuleiten. Die Bildung des Digitalen Schattens ist damit ein zentrales Handlungsfeld von Industrie 4.0 und stellt die Grundlage für alle weitergehenden Aktivitäten dar.
In recent years supply chain participants are increasingly suffering the effects of disturbances in transportation supply chains. Both, dynamics in consumer demands and global supply chains lead to a growth in unplanned supply chain events. These can cause from rather manageable disturbances through to complete break-downs of transportation chains, resulting in high follow-up and penalty costs.
Consequently, concepts for an efficient supply chain disturbance management are needed, preferably with a real-time identification and reaction to disturbance events. Therefore in the following paper the research results of the German research project Smart Logistic Grids with the focus on designing an integrated model for the real-time disturbance management in transportation supply networks are presented. This includes the introduction of elaborated classification models for disturbances and action patterns as well as an associated costs and performance measurement system. Finally, a procedure model for the disturbance management is presented.
The steady increasing of supply chain complexity due to a rising global cross-linking of production and sales regions leads to an increasing sensitivity to disturbances while in the meantime the requirements of the availability, the time of delivery and the security of supplies within the supply chain increases. To meet this challenges the security of the supply chain infrastructure and the feasibility of supply chain processes need to be ensured, despite of the high specialization within the supply chain partners, the low stock and time buffers, and the information shortcoming between supply chain partners.
In this research, a System Dynamics simulation model, based on the manufacturing supply chain model of Sterman, has been developed for representing the actual complexity and dynamic in manufacturing supply chains. Therefore, the modeled manufacturing supply chain shows the processes of a four level supply chain focusing the processes and interactions of the mid-positioned two supply chain participants. The main contribution of the work described in this paper, is the description and implementation of necessary additional modules and parameters to Sterman’s basic model for the diagnosis of disturbance impacts as well as for the realization of supply chain adjustments. Finally, the model has been simulated and examined for realistic values.
Volatile electricity prices caused by an increase of renewable energy sources push producing companies towards taking in an active role in balancing the electricity grid. Possible actions at the customer side to actively adapt to volatile energy prices are called demand response actions. In production logistics such actions can be the modification of production schedules motivated by possible economic benefits. So far, the focus in scheduling problems has been the optimization in the dimensions of quality, time and costs. This paper presents the results of a simulation study on the economic benefits of demand response actions for a generic production system.
Unternehmen sehen sich aktuell verschiedenen Herausforderungen ausgesetzt, die durch dynamische Rahmenbedingungen, insbesondere in Bezug auf die Schnittstellen zu ihren Kunden und Lieferanten, verursacht werden. Kundenseitig hat die zunehmende Individualisierung der Anforderung zu einem differenzierteren und damit vergrößerten Produkt- und Leistungsportfolio bei produzierenden Unternehmen im Rahmen der Serienfertigung geführt. Das hat zur Folge, dass Unternehmen ihre Produktion zunehmend auftragsbezogener gestalten müssen. In verschiedenen Branchen ist diese Entwicklung bereits so weit fortgeschritten, dass eine Produktvariante eins zu eins einem Kunden zugeordnet werden kann. Verstärkend kommt hinzu, dass die Produktlebenszyklen von allgemeinen als auch kundenindividuellen Produkten zunehmend kürzer werden. Das Produktportfolio unterliegt somit einer hohen Veränderlichkeit.
Die beschriebene zeitdynamische Variabilität in Bezug auf die qualitativen Aspekte der Kundenanforderungen paart sich mit einer quantitativen Variabilität der Kundenbedarfe. Letztere drückt sich in einem höheren Anteil an kurz- und mittelfristigen Auftragseingängen auf der Ebene einzelner Kunden, als auch aggregiert über alle Kunden aus. Die Vorhersehbarkeit und die Überraschung bilden die Extrempole des Kundenverhaltens, welche die Planbarkeit aus Sicht von Unternehmen induzieren. Damit kann in diesem Fall auch synonym von planbarem (vorhersehbarem/kurzfristigen) Kundenverhalten und nicht-planbarem (überraschendem) Kundenverhalten gesprochen werden. Diese Kombination qualitativer und quantitativer Variabilität macht den Markt für produzierende Unternehmen zunehmend schwerer kalkulierbar.
Zusammenfassend lässt sich herausstellen, dass Produktionsplaner heute komplexere produkt- und kundenseitige Anforderungen im Rahmen der Auftragseinlastung berücksichtigen müssen. Er muss darauf achten, dass Vertriebs-, Einkaufs-, Produktion- und Versandplanung miteinander synchronisiert werden, um den Kunden einen verbindlichen Liefertermin zusagen zu können.
Aus Sicht des Produktionsmanagements stellt die Beherrschung der steigenden Dynamik und den daraus resultierenden Konsequenzen wie beispielsweise Unter- und Überlastsituationen eine zentrale Herausforderung der kommenden Jahre dar. Ursachen der zunehmenden unternehmensinternen Dynamik sind verkürzte Lieferzeiten, eine höhere Prozessvarianz der Fertigung und Montage (verursacht durch individualisierte Produkte) und der Einsatz technologisch-komplexer Produktionsanlagen. Die drastische Verkürzung der Lieferzeiten hat die Auftragssituation und den Kapazitätsbedarf produzierender Unternehmen stark verändert.
Kapazitätsschwankungen und Prozessinstabilitäten einer Einzelressource wirken sich auf Grund der stärkeren Kopplung wesentlich drastischer auf die Stabilität des gesamten Unternehmens aus, da Bestände als Puffer zu kapitalintensiv geworden sind. Gleichzeitig nehmen makroskopische, überbetriebliche Kapazitätsschwankungen zu, da die Reaktionszeiten innerhalb der Lieferkette deutlich kürzer geworden sind.
Die steigende Varianz der Prozessketten und -zeiten potenziert die beschriebenen Kapazitäts- und Durchlaufzeitschwankungen. Eine "mittelwertbasierte PPS" kann aufgrund der gestiegenen Planungsanforderungen nicht mehr zielkonform agieren. Planungs- und Steuerungskonzepte, die auf diese Komplexität nicht reagieren können, multiplizieren ein weiteres Aufschwingen der Bedarfe in der Lieferkette und führen zu Auslastungsverlusten und steigenden Rückständen in der Produktion. Heute sind neue Ansätze in der Planung und Steuerung von inner- und überbetrieblichen Produktionsprozessen notwendig, die die Dynamik der Prozesse und der Kapazitätsbedarfe beherrschbar machen oder ggf. sogar kompensieren können.
Einführung
(2012)
Zusammenfassung und Ausblick
(2012)
Künstliche Intelligenz (KI) hat sich über die letzten Jahre stetig zu einem Thema mit strategischer Priorität für Unternehmen entwickelt. Das zeigt sich nicht zuletzt in der gesteigerten Investitionsbereitschaft deutscher Unternehmen in KI-Projekte. Wirtschaftliche Akteure haben erkannt, dass durch eine sinnvolle Nutzung von KI-Technologien Wettbewerbsvorteile erzielt werden können. Die vorliegende Studie legt das Augenmerk auf den industriellen Einsatz einer KI-Technologie, die bereits heute von vielen Unternehmen erfolgreich genutzt wird: Die natürliche Sprachverarbeitung (engl. Natural Language Processing, kurz NLP). Die wirtschaftlichen Potenziale der Technologie liegen dabei in ihrer Fähigkeit, betriebliche Abläufe zu automatisieren und die Schnittstelle zwischen Mensch und Maschine zu verbessern und zu vereinfachen. Ziel der Studie ist es, die Potenziale der NLP-Technologie für Unternehmen nutzbar zu machen, indem konkrete Anwendungsfälle und allgemeine Handlungsempfehlungen sowie Nutzen und Risiken aufgezeigt werden.
Prinzipien zur erfolgreichen Umsetzung von KI-Geschäftsmodellinnovationen
In Zeiten des zunehmenden globalen Wettbewerbs und hoch vernetzter Wertschöpfungsketten entwickelt sich Künstliche Intelligenz zu einem immer wichtiger werdenden Wettbewerbsfaktor für Unternehmen am Wirtschaftsstandort Deutschland. Durch den Einsatz von KI-Verfahren können nicht nur interne Geschäftsprozesse kostensenkend optimiert, sondern auch neue, digitale Geschäftsfelder und -modelle erschlossen werden. Es lassen sich zum einen Trends identifizieren, denen der Einsatz von KI in deutschen Unternehmen folgt. Zum anderen zeigt sich, dass sich KI unterschiedlich stark auf verschiedene Dimensionen innovativer Geschäftsmodelle auswirkt. Insgesamt lassen sich so Prinzipien ableiten, die die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen beschreiben.
Neue Technologie- und Anwendungstrends kennzeichnen KI-Nutzung
Die tatsächliche KI-Landschaft in den Wertschöpfungsketten von KI-nutzenden Unternehmen ist durch Trends gekennzeichnet. Diese lassen sich in Technologie- und Anwendungstrends unterteilen. Experteninterviews zeigen beispielsweise, dass KI-Anwendungen bevorzugt auf Cloud-Infrastrukturen entwickelt und bereitgestellt werden. Das wiederum rückt die Frage nach der Wahrung der Datensouveränität in den Vordergrund. Anwendung findet KI tendenziell zur Prognose und Überwachung.
Sechs Prinzipien beeinflussen die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen
Fallstudien über ein breites Spektrum der deutschen Wirtschaft beleuchten, welche Aspekte eines KI-basierten Geschäftsmodells den größten Effekt auf das Unternehmen haben. Hier lässt sich ein besonders hoher Einfluss von KI auf das Nutzenversprechen neuartiger, digitaler Leistungen der Unternehmen an die Kundinnen und Kunden feststellen. So lassen sich sechs Erfolgsprinzipien zur erfolgreichen Implementierung von KI-Technologien identifizieren, um die wirtschaftliche Nutzung von KI für Unternehmen in Deutschland im globalen Wettbewerb weiter zu steigern. So empfiehlt es sich zum Beispiel – neben der Auswahl des richtigen KI-Anwendungsfalles – ebenfalls darauf zu achten, dass die KI-Anwendung sowohl den Anbietenden wie auch den Anwendenden nützt. Diese und weitere Erfolgsprinzipien werden detailliert in der Studie Künstliche Intelligenz – Geschäftsmodellinnovationen und Entwicklungstrends beschrieben.
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.