Refine
Year of publication
Document Type
- Part of a Book (25) (remove)
Is part of the Bibliography
- no (25)
Keywords
- 02 (5)
- Aachener PPS-Modell (1)
- Adaptability (1)
- Arbeit 4.0 (1)
- Arbeitsgestaltung (1)
- Business-Ecosystems (1)
- Cluster Smart Logistik (1)
- Co-Creation (1)
- Customer-Success-Management (1)
- Cyber physical production control (1)
Institute
Anwendungsfälle wie intelligente Routenoptimierung und fortschrittliche Simulationsalgorithmen repräsentieren das riesige Einsatzspektrum von Methoden der künstlichen Intelligenz. Steigende Anforderungen an Liefertermintreue, Flexibilität und Transparenz wie bspw. Emissionsverfolgung, erfordern zunehmend den Einsatz von KI. Die Nutzung dieser Schlüsseltechnologie und die Hebung der Potenziale scheitern oft an der Komplexität in Bezug auf die Eingrenzung und Identifikation von wirtschaftlich relevanten Anwendungsfällen. Unternehmen müssen den Business Fit zwischen den wirtschaftlichen Erfolgsaussichten und den dafür benötigten digitalen Bausteinen herstellen. Mit dem Digital-Architecture Management lassen sich die relevanten KI-basierten Anwendungsfälle identifizieren und eine Roadmap aufbauen, um die datenbasierte Entscheidungsfähigkeit in der Logistik zu verbessern.
Der vorliegende Beitrag beschreibt eine Vorgehensweise zur kurzfristigen Umstellung von Blended-Learning- oder Präsenzangeboten. Hierbei werden neben möglichst schnell umsetzbaren technischen Lösungen auch notwendige organisatorische Anpassungen thematisiert und anhand des E-Mas-Weiterbildungsprogramms illustriert.
Die Vernetzung von Mitarbeiter*innen und Maschinen sowie die zunehmende Automatisierung, auch von Wissensarbeit, wird die Rolle der Beschäftigten im industriellen Wertschöpfungsprozess fundamental verändern. Aus diesem Grund ist arbeitsbezogene Kompetenzentwicklung aus wirtschaftlicher, gesellschaftlicher sowie sozialer Perspektive ein zentraler Schlüsselaspekt für die mittelfristige Sicherung der Wettbewerbsfähigkeit. Personalabteilungen haben bislang jedoch meist nur bedingt Kenntnisse über die bevorstehenden Veränderungen und die sich daraus ergebenden Kompetenzanforderungen an die Mitarbeiter*innen. Ziel des Forschungsvorhabens LidA war es, die sich aufgrund der fortschreitenden Digitalisierung verändernden Kompetenzanforderungen entlang definierter Industrie-4.0-Reifegradmodelle zu spezifizieren. Hierzu wurden Beschäftigte befähigt, indem zum einen ihre Selbstlernkompetenz gefördert wurde und zum anderen individuelle Lernpfade abgeleitet worden sind. Anschließend wurden diese mit passender Didaktik in Lehr- und Lernmodule überführt und auf einer bewährten Open-Source-Plattform für eine breite Nutzergruppe verfügbar gemacht. Diese soll einem breiten Nutzerkreis, speziell KMU, eine bedarfsgerechte Schulung der Mitarbeiter*innen im Zeitalter des digitalen Wandels gewährleisten.
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.
Zusammenfassung und Ausblick
(2012)
Einführung
(2012)
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.
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.
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.
Long-term production management defines the future production structure and ensures the long-term competitiveness. Companies around the world currently have to deal with the challenge of making decisions in an uncertain and rapidly changing environment. The quality of decision-making suffers from the rapidly changing global market requirements and the uniqueness and infrequency with which decisions are made. Since decisions in long-term production management can rarely be reversed and are associated with high costs, an increase in decision quality is urgently needed. To this end, four different applications are presented in the following, which support the decision process by increasing decision quality and make uncertainty manageable. For each of the applications presented, a separate digital shadow was built with the objective of being able to make better decisions from existing data from production and the environment. In addition, a linking of the applications is being pursued:
The Best Practice Sharing App creates transparency about existing production knowledge through the data-based identification of comparable production processes in the production network and helps to share best practices between sites. With the Supply Chain Cockpit, resilience can be increased through a data-based design of the procurement strategy that enables to manage disruptions. By adapting the procurement strategy for example by choosing suppliers at different locations the impact of disruptions can be reduced. While the Supply Chain Cockpit focuses on the strategy and decisions that affect the external partners (e.g., suppliers), the Data-Driven Site Selection concentrates on determining the sites of the company-internal global production network by creating transparency in the decision process of site selections. Different external data from various sources are analyzed and visualized in an appropriate way to support the decision process. Finally, the issue of sustainability is also crucial for successful long-term production management. Thus, the Sustainable Footprint Design App presents an approach that takes into account key sustainability indicators for network design. [https://link.springer.com/referenceworkentry/10.1007/978-3-030-98062-7_15-1]