Refine
Year of publication
Document Type
- Conference Proceeding (35)
- Part of a Book (14)
- Article (6)
- Contribution to a Periodical (6)
- Working Paper (6)
- Book (3)
- Internet Paper (3)
- Report (1)
Is part of the Bibliography
- no (74) (remove)
Keywords
- 02 (5)
- 03 (2)
- Aachener PPS-Modell (1)
- Adaptability (1)
- Additive Fertigung (1)
- Adherence To Delivery Dates (1)
- Anlaufmanagement (1)
- Assembly (1)
- Assistance Systems (1)
- Automobilindustrie (1)
Institute
- Produktionsmanagement (74) (remove)
Influenced by the high dynamic of the markets the optimization of supply chains gains more importance. However, analyzing different procurement strategies and the influence of various production parameters is difficult to achieve in industrial practice. Therefore, simulations of supply chains are used in order to improve the production process. The objective of this research is to evaluate different procurement strategies in a four-stage supply chain. Besides, this research aims to identify main influencing factors on the supply chain’s performance. The performance of the supply chain is measured by means of back orders (backlog). A scenario analysis of different customer demands and a Design of Experiments analysis enhance the significance of the simulation results.
Blockchain-Lösungen sind bisher vor allem im Finanzbereich bekannt
und erfolgreich. Doch ihre unbestreitbaren Vorteile bieten weit darüber
hinaus Potenzial und machen sie auch für industrielle Anwendungen
interessant. Vor allem Lieferketten mit ihren komplexen Strukturen,
vielen Beteiligten sowie verschiedensten Material-, Informations- und
Finanzströmen lassen sich mit der Technologie erheblich effizienter
gestalten.
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.
Die Globalisierung und der steigende Wettbewerbsdruck erfordern, dass Supply Chains heutzutage komplexe Anforderungen erfüllen. Dabei müssen sie gleichzeitig flexibel genug sein, um an kurzfristige Veränderungen angepasst werden zu können. Ein unternehmensübergreifender Datenaustausch ermöglicht den Akteuren durch schnelle Informationsweitergabe über auftretende Ereignisse entlang der Supply Chain, dynamisch auf aktuelle Gegebenheiten zu reagieren und dadurch hervorgerufene mögliche Schäden zu minimieren. Auch wenn viele Unternehmen mit der Bereitstellung von Daten noch zurückhaltend sind, gehen die Vorteile des Datenaustauschs weit über die Verkürzung der Reaktionszeit hinaus.
Die Verschärfung des Wettbewerbsumfelds produzierender Unternehmen und die als Antwort hierauf in den Fokus rückenden agilen Methoden vergrößern die Bedeutung einer effizienten Handhabung von Änderungsprozessen. Am Beispiel des Maschinen- und Anlagenbauers Ortlinghaus zeigt der Beitrag, dass eine Kombination aus ungeeigneten Änderungsprozessen und mangelhaftem IT-Support in der Praxis oft die schnelle und gleichzeitig qualitätsgesicherte Durchführung von Änderungsprozessen verhindert. Der Zielkonflikt aus geringem Zeitbedarf und hoher Prozessqualität lässt sich durch Anpassungen in der IT-Unterstützung reduzieren. Hierdurch können Erfolgsfaktoren für ein effizientes Änderungsmanagement gehoben und die Problemfelder der Workflowunterstützung, Informationsverteilung und Datenhandhabung verbessert werden. Zentrales Hindernis zur Adressierung der Erfolgsfaktoren stellt die aktuell zur Abwicklung von Change Requests genutzte Arbeitsumgebung dar. Der Beitrag präsentiert hierfür als zentralen Lösungsansatz die Internet of Production Infrastruktur. Das Potenzial der Internet of Production Infrastruktur im Kontext des Änderungsmanagements wird anhand von drei Anwendungsbeispielen verdeutlicht. Abschließend wird der Migrationspfad für Unternehmen bei der Einführung eines effizienten Änderungsmanagements aufgezeigt.
Die Finanzkrise hat viele Unternehmen kalt erwischt. Die Folgen des Konjunktureinbruchs sind drastische Absatzeinbrüche, Produktionsstopps und Liquiditätsengpässe. Die Tendenz zur Wertminderung der Produkte zwingt vor allem Industrieunternehmen, Abschreibungen auf ihre Bestände vorzunehmen. Dies gilt insbesondere für die äusserst dynamischen und hochwertigen Lagerbestände im Automobilbau, Maschinenbau oder der chemischen Industrie.
Task-Specific Decision Support Systems in Multi-Level Production Systems based on the digital shadow
(2019)
Due to the increasing spread of Information and Communication Technologies (ICT) suitable for shop floors, the production environment can more easily be digitally connected to the various decision making levels of a production system. This connectivity as well as an increasing availability of high-resolution feedback data, can be used for decision support for all levels of the company and supply chain. To enable data driven decision support, different data sources were structured and linked. The data was combined in task-specific digital shadows, selecting clustering and aggregation rules to gain information. Visual interfaces for task-specific decision support systems (DSS) were developed and evaluated positively by domain experts. The complexity of decision making on different levels was successfully reduced as an effect of the processed amounts of data. These interfaces support decision making, but can additionally be improved if DSS are extended with smart agents as proposed in the Internet of Production.
In recent years, the complexity of the management of supply chains has increased significantly due to the growing individualization of products and dynamics of the market environment. To remain competitive, ensuring efficient and flexible processes and procedures along the entire supply chain are of particular importance for companies. Especially in the inter-company context, decisions must be made as quickly and correctly as possible. To enable good decision-making processes data must be processed and provided in a targeted manner. Currently, however, the necessary transparency is often lacking within the supply chains. In this article, a software-based assistance system for decision support on supply chain level is presented that aims to increase the transparency and efficiency of the decision-making process. A concept for decision support on supply chain level is presented. This paper focuses on the conceptual linkage of relevant decisions and data. Therefore, indicators are identified and linked with the relevant decisions. Moreover, a suitable way of visualizing the identified indicators for each decision in a user-friendly manner is defined. These results are then used to implement the software tool.
The industrial food production is currently caught between the increas-ing demands of numerous stakeholders, economic profitability and the challenges of digitization. A solution to face these various challenges can be seen in the aggregation of data into higher-value, independent data products that can be of-fered and sold on a buyer's market. Large amounts of heterogeneous data are already available in the value chain of the industrial food production, e.g. throughout the data-driven harvesting of primary products, further processing by interconnected production facilities and the information-intensive product distri-bution to end consumers. However, the data is usually only evaluated and used locally for the optimization of internal processes or, at the most, within compre-hensive partnerships. The purpose of this paper is to identify new revenue oppor-tunities for current and future players in the industrial food production by using data as an independent economic good (data products). For this purpose, scenar-ios for the development and use of data products via Industrial Internet of Things platforms are developed for a food technical reference process, the industrial chocolate production and its value chain. On this basis, examples for different types of data products and their value propositions are derived. The results can not only serve food producers and relevant stakeholders but all industrial produc-ers as an input for the future, yield-increasing orientation of their business models.
Many ERP systems support configurable materials. Due to an ever increasing number of product variants the benefits of this approach are well understood. However, these implementations are not standardized. In this article we propose a new standard interface for the exchange of configuration data. This would lead to further benefits as systems as Advanced Planning systems could better use manufacturing flexibility while web shops as Amazon could easily integrate manufacturers of complex products with much reduced implementation effort.
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.
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.
With big data-technologies on the rise, new fields of application appear in terms of analyzing data to find new relationships for improving process under-standing and stability. Manufacturing companies oftentimes cope with a high number of deviations but struggle to solve them with less effort. The research project BigPro aims to develop a methodology for implementing counter measures to disturbances and deviations derived from big data. This paper proposes a methodology for practitioners to assess predefined counter measures. It consists of a morphology with several criterions that can have a certain characteristic. Those are then combined with a weighting factor to assess the feasibility of the counter measure for prioritization.
Viable Production System for adaptable and flexible production planning and control processes
(2009)
High Resolution Supply Chain Management (HRSCM) aims at designing adaptable and flexible production planning and control (PPC) processes according to the needs of the company’s supply chain environment. To reach this goal a model for a Viable Production System (VPS) has been elaborated and is presented in this paper. Based on the Viable System Model (VSM) developed by Stafford Beer current production systems are analyzed in terms of integrity. With the gained knowledge a complete recursive framework of a VPS is developed. The framework allows the design of a decentralized production system that meets all requirements of a dynamic environment. Flexible and adaptable PPC processes can be developed for each identified subsystem of the VPS. Hence, further research focuses on the development of process and control loops in order to assure the application of the framework. Exemplarily the decentralised control loop for inventory management is elaborated in a case study.
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.
Ein ständig wachsender Preisdruck und immer individuellere Kundenaufträge sind nur zwei Kennzeichen der industriellen Produktion im europäischen Wirtschaftsraum. Gerade in Deutschland ansässige Unternehmen können im internationalen Wettbewerb in den wenigsten Fällen allein aufgrund des Produktpreises konkurrenzfähig bleiben. Stattdessen bauen diese Unternehmen ihre Wettbewerbsvorteile anderweitig aus und verfolgen vielmehr eine konsequente Kundenorientierung, hohe Logistikleistung oder Prozessbeherrschung. In diesem Umfeld setzten zahlreiche Unternehmen bereits frühzeitig auf eine Reduzierung ihrer Wertschöpfungstiefe und verlagerten verschiedene Entwicklungs- oder Produktionsschritte auf andere Unternehmen mit komplementären Kompetenzen. Damit rückte die überbetriebliche Zusammenarbeit bzw. Koordination der Auftragsabwicklung entlang einer mehrstufigen Lieferkette oder innerhalb eines polyzentrischen Unternehmensnetzwerks zunehmend in den Mittelpunkt betrieblicher Anstrengungen. So gilt es also heute, in Netzwerkstrukturen zu denken, diese ganzheitlich zu gestalten und effizient zu organisieren. Der Beitrag konkretisiert am Beispiel des Aachener PPS-Modells geeignete Referenzmodelle und zeigt Entwicklungspfade einer wertorientierten Logistikgestaltung auf.
Eine wesentliche Bedingung zur Optimierung der Wertschöpfungsprozesse ist die Transparenz über die leistungsbestimmenden Faktoren eines Unternehmens. Die Ermittlung dieser Faktoren stellt für viele Industriebetriebe eine Herausforderung dar. Im Rahmen der Veröffentlichung wird daher eine Vorgehensweise zur systematischen Identifikation von Einflussfaktoren der Unternehmenskennzahlen vorgestellt, welche die Grundlage zur Ableitung von individuellen Stellhebeln zur Steigerung der Unternehmensleistungsfähigkeit darstellt.
Unvorhergesehene Störungen gefährden in vielen Fällen den Kundenliefertermin. Die Produktionssteuerung hat die Aufgabe, effektiv und effizient auf diese kurzfristigen Störungen zu reagieren. Der Entscheidungsprozess beruht jedoch häufig auf einer qualitativen Analyse einer komplexen Situation anhand subjektiver Einschätzungen durch den Produktionsplaner. Zur Verbesserung der Entscheidungsfindung stellt dieser Beitrag eine App vor, die auf Basis von Echtzeitdaten und einer Simulation des Produktionssystems eine quantitative Entscheidungsfindung ermöglicht.
Distributionslogistik
(2013)
Die Umgebung von Industrie- und Handelsunternehmen hat sich in den letzten Jahren tiefgreifend verändert. Beispielhafte Auslöser waren der Wandel vom Produzenten zum Käufermarkt, der faktische Wegfall der nationalen Grenzen und die damit verbundene Intensivierung des europäischen Binnenmarktes sowie die zunehmende Bedeutung ökologischer Anforderungen. Um die Kundenbedürfnisse dennoch befriedigen zu können und damit dem Wettbewerb gewachsen zu sein, müssen sich die Distributionsstrukturen der Unternehmen immer schneller an diese Veränderungen anpassen. Nur so können die Waren flexibel, kostengünstig und schnell an die Kunden geliefert werden. In diesem Spannungsfeld kommt der Planung und Steuerung der Distributionsabläufe eine immer wichtigere Bedeutung zu.
Ziel dieses Kapitels ist nicht nur die Vermittlung grundlegender Begrifflichkeiten und Zusammenhänge der Distributionslogistik, sondern weiterhin auch Methoden zur Distributionsplanung und steuerung sowie Kennzahlen zur Messung der Distributionsleistung und -kosten.