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)
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.
Zur Planung und Steuerung setzen Unternehmen der produzierenden Industrie heute auf umfassenden Softwareeinsatz. Deshalb begründen sie eine geringe logistische Zielerfüllung bezüglich Lieferfähigkeit und Liefertreue häufig mit Defiziten der Software. Doch Praxiserfahrungen zeigen, dass die Industrieanwender die Bedeutung organisatorischer Defizite in der innerund" überbetrieblichen Auftragsabwicklung deutlich unterschätzen.
Deshalb untersuchten die drei Institute
• Fraunhofer Institut für Produktionstechnik und Automatisierung IPA, Stuttgart;
• Forschungsinstitut für Rationalisierung FIR, Aachen sowie
• Laboratorium für Werkzeugmaschinen und Betriebslehre WZL der RWTH
Aachen
den Einfluss dieser Defizite auf die Lieferterminermittlung und -erfüllung. Ausgangspunkt der Studie waren Thesen, die eine qualitative Befragung der Produktions- und Logistikverantwortlichen verifizieren sollte.
Blockchain as Middleware+
(2019)
In supporting decision making of manufacturing companies, the added value of cross-domain data exchange for aggregating information is well established in enterprise organization research and is represented, for example, in the reference model “Internet of Production” (IoP). Currently, there is little research regarding the role of Blockchain technology in such a reference model and how specifically the IoP needs to be expanded to address cross-company data exchange. This paper presents a proposal for such an extension to outline the use of Blockchain technology and to elaborate the open research demands for implementation. In particular, desk research and the development of concrete use cases for cross-company data exchange between business application systems were carried out. The results are, on the one hand, extending the IoP by a third dimension, which corresponds to the supply chain, and, on the other hand clarification of the role Blockchain technology can take in this context.
This paper won the John Burbidge Best Paper Award (see Attachment 2).
Industrie 4.0 bringt enorme Veränderungen und bietet große Verbesserungspotenziale für die Produktionsplanung und -steuerung. Aufbauend auf dem Aachener PPS-Modell wird in diesem Beitrag in Anlehnung an den Industrie-4.0-Maturity-Index der acatech eine reifegradbasierte Untersuchung der Entwicklung der Produktionsplanung und -steuerung im Kontext von Industrie 4.0 präsentiert.
Supply Chain Management liefert eine Fülle von Ideen und Methoden zur Gestaltung der Lieferkette. Dabei kann jedes Konzept zu erheblichen Kosteneinsparungen und verbessertem Lieferservice führen. Allerdings ist das einzelne Konzept nicht für unterschiedliche Kunden und deren diversifizierte Anforderungen praktikabel. Daher kann eine einheitliche "one size fits all"-Supply Chain nicht zum Erfolg führen. Der Schlüssel liegt in der Segmentierung der Supply Chain.
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.
Das Produktionsmanagement beinhaltet sämtliche Aufgaben zur Gestaltung, Planung, Überwachung und Steuerung eines Produktionssystems und der betrieblichen Ressourcen Mensch, Maschine, Material und Information. Die strategische Perspektive des Produktionsmanagements antizipiert relevante Veränderungstreiber, stößt die Anpassung der Organisation an veränderte (Umwelt-)Bedingungen an und gestaltet somit die strategische Ausrichtung des Unternehmens auf Basis der auf der normativen Ebene definierten Ziele, Prinzipien und Normen.
Damit spannt das strategische Produktionsmanagement gleichzeitig den Gestaltungsrahmen für die operative Ebene auf. Das operative Produktionsmanagement verfolgt das Ziel, die Produkte und (Dienst-)Leistungen eines Unternehmens in der erforderlichen Menge und Qualität zu einem festgelegten Termin und unter Einsatz des geringstmöglichen Kostenaufwands zu erstellen. Kernaufgaben des operativen Produktionsmanagements sind die Produktionsprogrammplanung, das Auftragsmanagement, die Produktionsbedarfsplanung, die Eigenfertigungs- sowie die Fremdbezugsplanung und -steuerung.
In diesem Beitrag werden zunächst die zentralen Begriffe definiert und der diesem Band zugrundeliegende Ordnungsrahmen des Produktionsmanagements aufgespannt. Danach werden die Aufgaben und Prinzipien des strategischen sowie die wesentlichen Ziele des operativen Produktionsmanagements vorgestellt. Die Kernprozesse des Produktionsmanagements unterscheiden sich in ihrer konkreten Ausprägung in Abhängigkeit vom unternehmensspezifisch vorliegenden Fertigungstyp. Daher werden im Anschluss die vier grundsätzlichen Fertigungstypen der Auftrags-, Rahmenauftrags-, Varianten- und Lagerfertigung definiert und gegeneinander abgegrenzt. Abschließend werden die wesentlichen Daten, Datenarten und -strukturen erläutert, die zusammen mit den aus ihnen abgeleiteten Informationen die Basis für jegliche Aktivität im Rahmen des Produktionsmanagements bilden.
Produktionsprogrammplanung
(2014)
Ziel der Produktionsprogrammplanung ist es, einen hinsichtlich Absetzbarkeit und Realisierbarkeit abgestimmten Produktionsplan über einen langfristigen Planungszeitraum zu erstellen. Dieser Produktionsplan legt verbindlich fest, welche Erzeugnisse durch das Unternehmen in welchen Stückzahlen zu welchen Zeitpunkten bzw. in welchen Perioden produziert werden sollen. Teilaufgaben der Produktionsprogrammplanung sind die Absatzplanung, die Primärbedarfsplanung und die Ressourcengrobplanung. In diesem Kapitel werden zunächst die Kernaufgaben der Produktionsprogrammplanung definiert und anschließend die wesentlichen Methoden und Verfahren zur Bearbeitung der verschiedenen Teilaufgaben innerhalb der Produktionsprogrammplanung zusammengestellt. Abschließend werden die Aufgaben der Produktionsprogrammplanung in ihrer zeitlogischen Abfolge in Form eines Referenzprozessmodells modelliert und dabei fertigungstypspezifisch detailliert.
Auftragsmanagement
(2014)
Ausgelöst durch einen konkreten Kundenauftrag, plant, steuert und überwacht das Auftragsmanagement sämtliche Aktivitäten der Auftragsabwicklung von der Anfragenbearbeitung über die Konstruktion, den Einkauf, die Fertigung und Montage bis hin zum Versand des fertigen Produkts. Dabei wird im Auftragsmanagement das Ziel verfolgt, die Transparenz der Auftragsabwicklung zu erhöhen und damit die Reaktionsfähigkeit im Hinblick auf unternehmensinterne und -externe Störungen deutlich zu verbessern. Gleichzeitig unterstützt das Auftragsmanagement die Lösung von Interessenskonflikten zwischen verschiedenen Fachbereichen sowie die Ausregelung von Zielkonflikten im Sinne einer effizienten Erfüllung des Kundenauftrags.
Teilaufgaben des Auftragsmanagements sind die Angebotsbearbeitung, die Auftragsbearbeitung sowie die Auftragskoordination und das Auftragscontrolling. In diesem Kapitel werden zunächst die Kernaufgaben des Auftragsmanagements definiert und anschließend die wesentlichen Methoden und Verfahren zur Bearbeitung der verschiedenen Teilaufgaben innerhalb des Auftragsmanagements zusammengestellt. Abschließend werden die Aufgaben des Auftragsmanagements in ihrer zeitlogischen Abfolge in Form eines Referenzprozessmodells modelliert und dabei fertigungstypspezifisch detailliert.