Refine
Year of publication
Document Type
- Article (2)
- Book (1)
- Part of a Book (8)
- Conference Proceeding (12)
- Contribution to a Periodical (3)
- Internet Paper (1)
- Report (1)
- Working Paper (3)
Is part of the Bibliography
- no (31)
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)
Institute
- Produktionsmanagement (31) (remove)
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.
Die Variantenfließfertigung ermöglicht die Herstellung konfigurierbarer Produkte bei kurzen Durchlaufzeiten und geringen Beständen. Im Vergleich zu anderen Organisationsformen der Produktion gestaltet sich die Produktionsplanung und -steuerung aufgrund der Variantenvielfalt als anspruchsvoll. Im vorliegenden Beitrag wird der erste Schritt einer Methodik vorgestellt, welche für die Konfiguration der Reihenfolgeplanung entwickelt wurde.
Auf Basis einer systematischen Literaturanalyse wurden insgesamt 11 Kennzahlen identifiziert, welche die Grundlage zur Beschreibung der operativen Leistungsfähigkeit von Unternehmen bilden. Die Kennzahlen wurden in die vier Leistungsdimensionen Effizienz, Qualität, Zeit und Flexibilität eingeteilt.
Systematisation Approach
(2023)
Current megatrends such as globalisation and digitalisation are increasing complexity, making systems for well-founded and short-term decision support indispensable. A necessary condition for reliable decision-making is high data quality. In practice, it is repeatedly shown that data quality is insufficient, especially in master and transaction data. Moreover, upcoming approaches for data-based decisions consistently raise the required level of data quality. Hence, the importance of handling insufficient data quality is currently and will remain elementary. Since the literature does not systematically consider the possibilities in the case of insufficient data quality, this paper presents a general model and systematic approach for handling those cases in real-world scenarios. The model developed here presents the various possibilities of handling insufficient data quality in a process-based approach as a framework for decision support. The individual aspects of the model are examined in more detail along the process chain from data acquisition to final data processing. Subsequently, the systematic approach is applied and contextualised for production planning and supply chain event management, respectively. Due to their general validity, the results enable companies to manage insufficient data quality systematically.
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.
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.
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.
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.
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.