Refine
Year of publication
Document Type
- Conference Proceeding (12)
- Part of a Book (8)
- Contribution to a Periodical (4)
- Working Paper (3)
- Article (2)
- Book (1)
- Internet Paper (1)
- Report (1)
Is part of the Bibliography
- no (32)
Keywords
- 02 (2)
- Aachener PPS-Modell (1)
- Adaptability (1)
- Anlaufmanagement (1)
- Automobilindustrie (1)
- Beratung (1)
- Big Data (1)
- CPSL (1)
- Change Management (1)
- Change Request (2)
- Cyber physical production control (1)
- Data Quality (1)
- Data analytics (1)
- Data-driven decision (1)
- Datenaustausch (1)
- Datenmanagement (1)
- Datensouveränität (1)
- Decision Support System (1)
- Decision support (1)
- Digitalization (1)
- Distribution (1)
- Distributionsplanung (1)
- EPCIS (1)
- ERP (2)
- ERP-System (1)
- Echtzeitfähige Systeme (1)
- Echtzeitfähigkeit (1)
- Enterprise-Resource-Planning (1)
- Entscheidungsunterstützung (1)
- Evaluation (1)
- Event Data (1)
- Fallstudien (1)
- Finanzkrise (1)
- Footprint design (1)
- Geschäftsmodelle (1)
- Global production (1)
- IT-Unterstützung (1)
- Incorrect Data (1)
- Insufficient Data (1)
- Internet of Production (2)
- KI (2)
- KPI (2)
- Kennzahlen (1)
- Key-Performance-Indicator (1)
- Konzepte (1)
- Krise (1)
- Kybernetik (1)
- Künstliche Intelligenz (2)
- Leistungsfähigkeit (2)
- Liefertermintreue (1)
- Logistik (3)
- MES (1)
- Manufacturing Execution System (1)
- Maturity Model, Maturity Index (1)
- Natural-Language-Processing (1)
- Network configuration (1)
- PPC (1)
- PPS (3)
- PPS-Buch (1)
- Performance-Management (1)
- Production Planning (1)
- Production management (2)
- Production networks (1)
- Produktdatenmanagement (1)
- Produktentwicklung (1)
- Produktionsmanagement (1)
- Produktionsplanung (6)
- Produktionsplanung und -steuerung (1)
- Produktionssteuerung (6)
- Produktionssystem (2)
- Rezepte (1)
- SCEM (1)
- SCM (1)
- SV7113 (1)
- SV7213 (1)
- SV7459 (1)
- Selbstoptimierung (2)
- Simulation (1)
- Studie (2)
- Störungsmanagement (1)
- Suchmaschine (1)
- Supply Chain Event Management (2)
- Supply-Chain-Management (3)
- Trends (1)
- Typification (1)
- Unternehmensberatung (1)
- Variantenfließfertigung (1)
- Whitepaper (1)
- Wirtschaftskrise (1)
- blockchain (1)
- blockchain-based services (1)
- bullwhip effect (1)
- control theory (1)
- cyber-physische Systeme (1)
- cybernetics (1)
- delivery reliability (1)
- digital services (1)
- digital shadow (1)
- enterprise resource planning system (1)
- human-robot collaboration (1)
- logistics (1)
- machinery and equipment industry (1)
- machinery and plant engineering industry (1)
- non-hierarchical production networks (1)
- production management (1)
- production network (1)
- production networks (1)
- production planning and control (1)
- realtime capability (1)
- recursion level (1)
- rev (4)
- supply chain (1)
- supply chain event management (1)
- supply chain management (2)
- system dynamics (1)
- viable system model (2)
- Änderungsmanagement (2)
Institute
- Produktionsmanagement (32) (remove)
Klar Schiff
(2009)
Im Rahmen dieser Studie untersuchten das Forschungsinstitut für Rationalisierung e. V. an der RWTH Aachen und die Universität St. Gallen
(Lehrstuhl Produktionsmanagement) 24 Veröffentlichungen von 11 Beratungsunternehmen. Dabei wurden über 200 Aussagen zur Bewältigung der Krise bewertungsneutral identifiziert und analysiert.
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.
Ziel des Forschungsvorhabens war die Erhöhung der Effizienz und Effektivität von Suchanfragen in ERP-Systemen. Dabei sollte der Aufwand für den Nutzer reduziert und die Qualität der Ergebnisse verbessert werden. Die Erreichung der Ziele wurde durch die Entwicklung einer selbstlernenden, kontextbasierten Suchmaschine für ERP-Systeme realisiert. Mit der Berücksichtigung des Kontexts einer Suchanfrage, des Benutzerverhaltens und einer Ergebnisbewertung durch den Anwender wurde die Ergebnisqualität von Suchanfragen kontinuierlich gesteigert. Durch die Entwicklung eines Demonstrators wurde der Nutzen des Konzepts nachgewiesen, indem dieser in verschiedenen Szenarien erprobt und anhand einer Wirtschaftlichkeitsbetrachtung bewertet wurde.
Generation of a Data Model For Quotation Costing Of Make To Order Manufacturers From Case Studies
(2022)
For contract or make to order manufacturers, quotation costing is a complex process that is mainly performed based on experience. Due to the high diversity of the product range of these mostly small or medium-sized companies (SMEs) and the poor data situation at the time of quotation preparation, the quality of the calculation is subject to strong variations and uncertainties. The gap between the initial quotation costing and the actual costs to be spent (pre- and post-calculation) is crucial to the existence of SMEs. Digitalization in general can help companies to get a better understanding of processes and to generate data. For improving these processes, an understanding of the important data for that specific process is crucial. Accurate quotation costing for customized products is time-consuming and resource-intensive, as there is a lack of an overview of data to be used within the process. This paper therefore derives a data model for supporting quotation costing in the company, based on literature-based costing procedures and recorded case studies for quotation and calculation. Based on the results, SMEs will have a first overview of the needed data for quotation costing to optimize their calculation process.
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.
The Impact Of Manufacturing Execution Systems On The Digital Transformation Of Production Systems
(2021)
With the focus of manufacturing companies on the digital transformation, Manufacturing Execution Systems are market-ready, modular software solutions for manufacturing companies to integrate the value-adding and supporting processes horizontal and vertical in the company. Companies, especially small and mediumsized companies, face high internal and external costs for the implementation of the MES modules. An advantage of MES is the possibility to implement the systems in a continually, module-by-module approach, with the benefit of timely distributed investments. By realizing fast improvements, companies can use the benefits for further module implementations. This paper proposes a maturity model to measure the impact of an MES on the digital transformation of the company’s production systems. The model fulfils two purposes. The first, companies can measure the impact based on the difference between its current maturity index and the potential index of an implemented MES. The second is, the user can identify what impact an MES has in general on the digital transformation since the developed maturity model is derived from an established industry 4.0 maturity model. The development of the maturity model is based on the methodologies of AKKASOGLU and focuses on the further development of an established model. As an outlook, the application of the model will be described briefly. The proposed maturity model can directly be used by practitioners and offers implications for further development of MES functionalities.
Industrial practice shows a strong trend towards digitalization. It is not only economic crises, such as those triggered by Covid-19, that are reinforcing this trend. It is also the entrepreneurial urge to fulfill customer wishes in the best possible way and to adapt to new requirements as quickly as possible. Due to the advancing digitalization, the role of business application systems in manufacturing companies is therefore becoming increasingly important. The data processed in IT-Systems represent a great potential, especially for the evaluation of change requests in production. Through efficient change management, companies can record and process changes quickly. However, the necessary data basis to decide on existing change requests is still hardly used. Existing IT-Systems for change management coordinate the processing of change requests, but do not relate to data of operational application systems such as Enterprise-Resource-Planning. Therefore, a conceptual approach is required for the evaluation of change requests. This approach is based on an objective recording system that enables the transformation from the change description to an evaluation space. The paper presents an approach for the systematic transfer of requirement characteristics into the world of operational IT-Systems.
One major problem of today’s producing companies is to reach a high adherence to delivery dates while considering the volatile market situation as well as economic aspects. This problem can only be solved by using a production control that is optimally adapted to the processes. A good working, process-oriented production control is essential for being able to control the production situation and to ensure a high adherence to delivery dates. Data generation and processing determine the success of production control. Current processes and IT systems have several shortcomings in meeting these challenges.
The solution for this problem is the so called “cyber physical production control” (CPPC). It optimally supports the production scheduler in his decision making process based on real-time high-resolution data. With the help of data analytics, the production controller receives decision support over various steps. Due to CPPC, the overall goal of a high adherence to delivery dates can be fundamentally increased.