Refine
Year of publication
Document Type
- Article (5)
- Book (3)
- Part of a Book (14)
- Conference Proceeding (35)
- Contribution to a Periodical (5)
- Internet Paper (3)
- Report (1)
- Working Paper (6)
Is part of the Bibliography
- no (72)
Keywords
- 02 (5)
- 03 (1)
- Aachener PPS-Modell (1)
- Adaptability (1)
- Additive Fertigung (1)
- Adherence To Delivery Dates (1)
- Anlaufmanagement (1)
- Assembly (1)
- Assistance Systems (1)
- Automobilindustrie (1)
- Beratung (1)
- Big Data (2)
- BigPro (1)
- Blockchain (1)
- CPSL (1)
- Change Management (1)
- Change Request (2)
- Changeability (1)
- Co-Creation (1)
- Crisis management (1)
- Customer Perspective (1)
- Cyber physical production control (1)
- Data Quality (1)
- Data analytics (1)
- Data-driven decision (1)
- Datenaustausch (2)
- Datenmanagement (1)
- Datensouveränität (1)
- Decision Support (2)
- Decision Support System (1)
- Decision support (1)
- Design of Experiments (1)
- Deviation Detection (1)
- Digitalisierung (1)
- Digitalization (1)
- Discrete Event Simulation (1)
- Disruption Management (1)
- Disruptions (1)
- Distribution (1)
- Distributionsplanung (1)
- Disturbance Management (1)
- Do-it-together (1)
- EPCIS (1)
- ERP (2)
- ERP-System (1)
- Echtzeitfähige Systeme (1)
- Echtzeitfähigkeit (1)
- End-2-End-Transparenz (1)
- Enterprise-Resource-Planning (1)
- Entscheidungsunterstützung (3)
- Ersatzteillogistik (1)
- Evaluation (1)
- Event Data (1)
- Expertise (1)
- Fallstudien (1)
- Feedback data (1)
- Finanzkrise (1)
- Flexible manufacturing system (1)
- Footprint design (1)
- Forschungsbeirat (1)
- Furniture Production Process (1)
- Geschäftsmodelle (1)
- Global production (1)
- Humanitarian logistics (1)
- IT-Architektur (1)
- IT-Unterstützung (1)
- Incorrect Data (1)
- Industrie 4.0 (3)
- Information Logistics (1)
- Information Transparency (1)
- Innovative Furniture (1)
- Insufficient Data (1)
- Interface definition (1)
- Internet of Production (4)
- Internet of Things (1)
- KI (2)
- KMAT (1)
- KMU (1)
- KPI (2)
- Kennzahlen (1)
- Key-Performance-Indicator (1)
- Knowledge representation (1)
- Konferenz (1)
- Konfigurierbare Materialien (1)
- Kongress (1)
- Konzepte (1)
- Krise (1)
- Kybernetik (1)
- Künstliche Intelligenz (2)
- Lean Manufacturing (1)
- Lebensmittelindustrie (1)
- Leistungsfähigkeit (2)
- Lieferketten (1)
- Logistik (3)
- Logistikdienstleister (1)
- MES (1)
- Machine Learning (1)
- Manufacturing Execution System (1)
- Maschinen- und Anlagenbau (1)
- Maturity Model, Maturity Index (1)
- Mechanical and Plant Engineering (1)
- Mixed-Model Assembly (1)
- Nachhaltigkeit (1)
- Natural-Language-Processing (1)
- Network configuration (1)
- Online retail (1)
- Onlinehandel (1)
- Operations planning (1)
- Order Quantity (1)
- PPC (1)
- PPS (3)
- PPS-Buch (1)
- Performance-Management (1)
- Plattform Industrie 4.0 (1)
- Procurement Strategy (1)
- Product Characteristics (1)
- Production Control (3)
- Production Management System (1)
- Production Planning (1)
- Production management (2)
- Production networks (1)
- Produktdatenmanagement (1)
- Produktentwicklung (1)
- Produktionsmanagement (2)
- Produktionsplanung (6)
- Produktionsplanung und -steuerung (2)
- Produktionssteuerung (6)
- Produktionssystem (2)
- Reaktionsfähigkeit (1)
- Replenishment Time (1)
- Resource deployment (1)
- Rezepte (1)
- Risikomanagement (1)
- SCEM (1)
- SCM (2)
- SV7113 (1)
- SV7169 (1)
- SV7213 (1)
- SV7261 (1)
- SV7266 (1)
- SV7276 (1)
- SV7289 (1)
- SV7420 (1)
- SV7436 (1)
- SV7459 (1)
- Scenario pattern (1)
- Scenario technique (1)
- Selbstoptimierung (2)
- Setup time optimizing sequencing (1)
- Similarity Analysis (1)
- Simulation (1)
- Smart Services (1)
- Social Manufacturing (1)
- Softwaretool (1)
- Studie (2)
- Störungsmanagement (2)
- Suchmaschine (1)
- Supply Chain Event Management (2)
- Supply Risks (1)
- Supply chain (1)
- Supply-Chain (1)
- Supply-Chain-Design (2)
- Supply-Chain-Management (10)
- Supply-Chain-Networks (1)
- Supply-Chain-Resilienz (1)
- Sustainability (2)
- Task View (1)
- Trends (1)
- Typification (1)
- Unternehmensberatung (1)
- Variantenfließfertigung (1)
- Viable System Model (2)
- Visual Analytics (1)
- Whitepaper (1)
- Wirtschaftskrise (1)
- analysis of potential (1)
- attribute and data harmonization (1)
- blockchain (1)
- blockchain-based services (1)
- bullwhip effect (1)
- classification systems (1)
- control theory (1)
- counter measures (1)
- cyber-physische Systeme (1)
- cybernetics (1)
- data democratization (1)
- decision making (1)
- decision support (2)
- design (1)
- deviation detection (1)
- digital services (1)
- digital shadow (1)
- digitale Technologien (1)
- digitale Transformation (1)
- disruption management (1)
- disruptions (1)
- disturbance management (2)
- enterprise resource planning system (1)
- fourth industrial revolution (1)
- human-robot collaboration (1)
- hybride Systeme (1)
- inventory management (2)
- logistics (1)
- machine learning (1)
- machinery and plant engineering industry (1)
- order (1)
- order processing (1)
- process mining (1)
- procurement (1)
- procurement strategy (1)
- production control (1)
- production management (1)
- production network (1)
- production networks (1)
- production planning and control (1)
- reaction strategy (1)
- realtime capability (1)
- recursion level (1)
- resilience (1)
- rev (9)
- supply chain (3)
- supply chain event management (1)
- supply chain management (2)
- supply risks (1)
- system dynamics (3)
- textile supply chain (1)
- viable system model (2)
- Änderungsmanagement (2)
Institute
- Produktionsmanagement (72) (remove)
In der neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR e. V. an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten. Handlungsoptionen für Unternehmen, Verbände, Politik und Wissenschaft zeigen auf, wie der Nutzungsgrad der Datenbasis erhöht werden kann und wie sich Potenziale bei der Monetarisierung ausschöpfen lassen. Der Fokus liegt dabei auf produzierenden Unternehmen.
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.
Um auf steigende Kundenanforderungen und das sich änderndes Unternehmensumfeld reagieren zu können, müssen Unternehmen ihre Agilität und Reaktionsfähigkeit, insbesondere in Produktionsprozessen, erhöhen. Dafür müssen die Auswirkungen der möglichen Änderungen im Unternehmensumfeld auf die eigenen Geschäfts- und Produktionsprozesse untersucht und verstanden werden. Das Prozessverständnis allein reicht jedoch nicht: Es werden Daten aus unterschiedlichen Quellen benötigt, um die Ereignisse in der Prozess- und Lieferketten nachzuverfolgen, um das Material eindeutig zu charakterisieren und in Unternehmen vorhandene Algorithmen oder Modelle mit Eingangsdaten zu versorgen. Daher spielt die Datenverfügbarkeit eine wichtige Rolle auf dem Weg zur adaptiven Produktion. In diesem Beitrag wird die Wichtigkeit der Datenverfügbarkeit erläutert sowie ein Konzept der Datenplattform zum sicheren, überbetrieblichen Datenaustausch vorgestellt.
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.
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.
Nachhaltige Lieferketten
(2021)
Das Thema der Nachhaltigkeit ist nicht zuletzt aufgrund aktueller Entwicklungen zunehmend in den gesellschaftlichen und unternehmerischen Fokus gelangt. Pandemien, Naturkatastrophen, aber auch regulatorische Auflagen zur Erfüllung von Klimaschutzzielen haben zu einem Umdenken geführt. Im Rahmen des Thementags „Sustainable Supply-Chain-Management“ hat das FIR an der RWTH Aachen zusammen mit Expert:innen aus Wirtschaft und Forschung Thesen erarbeitet, die widerspiegeln, wie das Thema Nachhaltigkeit aktuell in deutschen Unternehmen wahrgenommen und umgesetzt wird und welche besondere Bedeutung dem Supply-Chain-Management dabei zukommt. Nachhfolgend werden diese und deren Implikationen für die Praxis vorgestellt.
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.
Recent developments have demonstrated the challenges and impacts of disruptions in supply chains. Current disruptions especially affected procurement and have indicated a lack of resilience. Resilience aims at being prepared, decreasing the impact, and enabling fast reactions and adaption in case of disruptions. The systematic design of resilience in procurement is significantly influenced by proactive and strategic actions before disruptions occur. Thus, the procurement strategy plays a major role when increasing resilience. The procurement strategy is influenced by various factors. Thus, a data-based approach for its systematic design is required. Based on the vision of the Internet of Production (IoP), this paper presents a data-based approach for designing procurement strategies. The IoP is a framework that enables cross-domain collaboration by providing semantically adequate and contextual data from production, development, and usage in real-time at an appropriate granularity. The paper aims at analyzing the state of the art regarding the design of procurement strategy in uncertain environments and the identification of success-critical purchased articles. Based on this, an approach is developed that is structured along the action research cycle and uses CRISP-DM to further detail the different steps. Through the use of these frameworks, both practical applicability and objective evaluation are ensured. The proposed approach thus allows the systematic evaluation of purchased articles regarding supply risks and lies the foundation for the adaption of the procurement strategy. The resulting approach is the foundation for future practical application of different use cases. As one central use case for the presented approach, the paper introduces the textile industry and its supply chains.
Als Beispiel einer globalen Krisensituation zeigt die COVID-19-Pandemie eindrucksvoll die Schwachstellen heutiger Wertschöpfungsnetzwerke. Vor dem Hintergrund zunehmend komplexer und vernetzter Wertschöpfungsnetzwerke steigt für Unternehmen die Bedeutung einer resilienten Gestaltung derselben. Dabei wird davon ausgegangen, dass ähnliche Krisensituationen in Zukunft häufiger auftreten werden. Ziel dieser Expertise ist es, Unternehmen bei der Identifikation von Potenzialen und Maßnahmen für die resiliente Gestaltung ihrer Wertschöpfungsnetzwerke zu unterstützen.
Prinzipien zur erfolgreichen Umsetzung von KI-Geschäftsmodellinnovationen
In Zeiten des zunehmenden globalen Wettbewerbs und hoch vernetzter Wertschöpfungsketten entwickelt sich Künstliche Intelligenz zu einem immer wichtiger werdenden Wettbewerbsfaktor für Unternehmen am Wirtschaftsstandort Deutschland. Durch den Einsatz von KI-Verfahren können nicht nur interne Geschäftsprozesse kostensenkend optimiert, sondern auch neue, digitale Geschäftsfelder und -modelle erschlossen werden. Es lassen sich zum einen Trends identifizieren, denen der Einsatz von KI in deutschen Unternehmen folgt. Zum anderen zeigt sich, dass sich KI unterschiedlich stark auf verschiedene Dimensionen innovativer Geschäftsmodelle auswirkt. Insgesamt lassen sich so Prinzipien ableiten, die die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen beschreiben.
Neue Technologie- und Anwendungstrends kennzeichnen KI-Nutzung
Die tatsächliche KI-Landschaft in den Wertschöpfungsketten von KI-nutzenden Unternehmen ist durch Trends gekennzeichnet. Diese lassen sich in Technologie- und Anwendungstrends unterteilen. Experteninterviews zeigen beispielsweise, dass KI-Anwendungen bevorzugt auf Cloud-Infrastrukturen entwickelt und bereitgestellt werden. Das wiederum rückt die Frage nach der Wahrung der Datensouveränität in den Vordergrund. Anwendung findet KI tendenziell zur Prognose und Überwachung.
Sechs Prinzipien beeinflussen die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen
Fallstudien über ein breites Spektrum der deutschen Wirtschaft beleuchten, welche Aspekte eines KI-basierten Geschäftsmodells den größten Effekt auf das Unternehmen haben. Hier lässt sich ein besonders hoher Einfluss von KI auf das Nutzenversprechen neuartiger, digitaler Leistungen der Unternehmen an die Kundinnen und Kunden feststellen. So lassen sich sechs Erfolgsprinzipien zur erfolgreichen Implementierung von KI-Technologien identifizieren, um die wirtschaftliche Nutzung von KI für Unternehmen in Deutschland im globalen Wettbewerb weiter zu steigern. So empfiehlt es sich zum Beispiel – neben der Auswahl des richtigen KI-Anwendungsfalles – ebenfalls darauf zu achten, dass die KI-Anwendung sowohl den Anbietenden wie auch den Anwendenden nützt. Diese und weitere Erfolgsprinzipien werden detailliert in der Studie Künstliche Intelligenz – Geschäftsmodellinnovationen und Entwicklungstrends beschrieben.