Refine
Year of publication
Document Type
- Part of a Book (53)
- Contribution to a Periodical (22)
- Article (10)
- Conference Proceeding (9)
- Lecture (5)
- Working Paper (4)
- Book (3)
- Internet Paper (2)
- Report (2)
Language
- German (110) (remove)
Is part of the Bibliography
- no (110)
Keywords
- 02 (4)
- 7. EU-Forschungsrahmenprogramm (1)
- Aachener PPS-Modell (1)
- Ablauforganisation (1)
- Abrechnungsmodell (1)
- Additive Fertigung (1)
- Administration (1)
- Anlagenbau (1)
- Anlaufmanagement (1)
- Aufbauorganisation (1)
Institute
Die Frage nach der strategischen Einbindung des Dienstleistungsgeschäfts in den Kontext des Gesamtunternehmens wird angesichts globalisierter Märkte mit hohem Wettbewerbsdruck zunehmend wichtiger. Die Wahl des richtigen Umfangs des Dienstleistungsangebots unter Berücksichtigung der Gesamtunternehmensstrategie ist erfolgsentscheidend für die richtige Positionierung eines Industrieunternehmens im Markt.
Daher wird in diesem Beitrag der Begriff "Strategisches Management industrieller Dienstleistungen" anwendungsnah beschrieben. Hierauf aufbauend wird ein Prozess zum strategischen Management industrieller Dienstleistungen vorgestellt, der Dienstleistungs- und Gesamtunternehmensstrategie integriert betrachtet. Zur operativen Umsetzung der Inhalte der einzelnen Prozessphasen werden abschließend ausgewählte Methoden und Werkzeuge vorgestellt.
Robotic Process Automation (RPA) gewinnt durch die Möglichkeit, repetitive Administrationsprozesse zu automatisieren und Effizienzpotenziale zu heben, zunehmend an Bedeutung. In der Praxis scheitern jedoch viele Implementierungsprojekte. Dies resultiert primär aus dem fehlenden Verständnis darüber, wie sich die Einführung von RPA auf das Gesamtsystem Organisation auswirkt. Es entsteht eine wachsende Kluft zwischen dem Leistungsversprechen von RPA und der Fähigkeit von Unternehmen, jenes auszuschöpfen. Trotz der exponentiellen Geschwindigkeit des technologischen Fortschritts mangelt es vielen Unternehmen an der notwendigen Adaptionsfähigkeit, welche für den nachhaltigen Erfolg einer RPA-Implementierung essenziell ist. In diesem Kontext spielt die Optimierung der im Einklang stehenden Dimensionen Mensch, Technik und Organisation eine zentrale Rolle. Durch eine systematische Literaturrecherche wird aufgezeigt, dass bisherige Ansätze diesen Zusammenhang nur unzureichend betrachten. In der heutigen Forschungslandschaft existiert kein Modell, welches die technischen, sozialen und organisatorischen Komponenten, die im Zuge der RPA-Einführung zu berücksichtigen sind, darlegt. Angelehnt an das soziotechnische Systemdenken und den Prozess der Fallstudienforschung werden theoriegeleitet Dimensionen und Elemente einer RPA-spezifischen soziotechnischen Systemarchitektur identifiziert und erläutert. Das daraus resultierende Modell zur Unterstützung von Unternehmen bei der RPA-Einführung wurde mit einer Vielzahl Industrievertretern im Rahmen des öffentlichen Forschungsprojekts RPAsset des FIR e. V. an der RWTH Aachen validiert.
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.
In dem durchgeführten Forschungsvorhaben wurde ein Konzept zur Gestaltung und Bewertung einer skalierbaren Produktentwicklung und Markteinführung technischer Produkte entwickelt. Ein zentraler Baustein dieses Konzepts war dabei der Pionierprodukt-Ansatz. Pionierprodukte stellen einen volumenmäßig, zeitlich und räumlich begrenzten Ausschnitt des gesamten Zielmarktes eines Unternehmens dar. Mit dem Pionierprodukt-Ansatz können Innovationen in kurzer Zeit an den Markt gebracht und dort unter realen Marktbedingungen getestet werden.
Durch die Integration von Pionierprodukt-Entwicklung und Realoptionen-Ansatz wird jedoch grundsätzlich die Fokussierung auf die wesentlichen Marktanforderungen wie Produktdifferenzierung, Kundenorientierung und die Wiederverwendung bewährter Produktkomponenten und Partnernetzwerke im Kontext komplexer Entwicklungsprojekte ermöglicht. Die Reduktion der zu beherrschenden Komplexität mit Hilfe der genannten Ansätze ist wesentliches Merkmal des entwickelten Konzepts.
Steigende Energiekosten sind ein zunehmendes Risiko für Unternehmen des deutschen Maschinen- und Anlagenbaus. Die Steigerung der Energieeffizienz kann somit zukünftig zu Wettbewerbsvorteilen führen. Aufgrund der Komplexität heutiger Produktionssysteme ist eine Analyse der Wechselwirkungen von Parametern der Produktionsplanung und -steuerung (PPS) auf die Energieeffizienz notwendig, um Maßnahmen zu identifizieren, die eine Steigerung der Energieeffizienz ermöglichen.
Der vorliegende Artikel stellt die Ergebnisse einer Simulationsstudie vor, in welcher der Einfluss der Losgrößenplanung auf die Energieeffizienz im Rahmen einer mehrstufigen Mehrproduktfertigung untersucht wird. Die Ergebnisse der Studie leisten einen Beitrag zum besseren Verständnis der komplexen Zusammenhänge und können als Ausgangspunkt für weitere Untersuchungen zu Wechselwirkungen von Produktionsparametern mit der Energieeffizienz dienen.
Service Engineering
(2016)
Für die Neuentwicklung von industriellen Dienstleistungen hat sich die Disziplin Service Engineering etabliert. Service Engineering umfasst die systematische Entwicklung von Dienstleistungen mithilfe ingenieurwissenschaftlicher und betriebswirtschaftlicher Methoden.
Aufbauend auf einer generellen Einführung und Definition werden im folgenden Kapitel die wesentlichen Zielsetzungen des Service Engineerings vorgestellt. Im Anschluss werden verschiedene Ansätze und Vorgehensweisen, die im Rahmen des Service Engineerings entwickelt wurden, betrachtet. Abschließend erfolgt die vertiefende Betrachtung verschiedener Methoden und Werkzeuge des Service Engineerings.
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.
Ziel des Forschungsbereichs "Selbstoptimierende Produktionssysteme" ist es, sowohl technische als auch soziotechnische Produktionssysteme zu entwickeln, die durch Selbstoptimierung eine bessere Performance erreichen, als bei der Auslegung geplant und erwartet werden kann. Im Fokus steht die Steigerung der Produktivität in der Produktion direkt vor Ort. Bedeutend ist die dezentrale Entscheidungsfähigkeit der Mitarbeiter auf dem Shopfloor und in unterstützenden Bereichen, sowie der kognitiven und adaptiven Systeme und Netzwerke in der Produktion.
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.