Open Access

Produkteigenschaften werden entlang industrieller Prozessketten lediglich stichprobenartig kontrolliert, sodass der genaue Zustand jedes einzelnen Produkts nicht bekannt ist. Dies bringt Einschränkungen, wie beispielsweise sehr eng gefasste Toleranzen seitens des Kunden mit sich, die bereits früh in der Prozesskette zu Ausschuss führen können. Außerdem können die Produkteigenschaften nicht in der Auslegung der Fertigungsprozesse verwendet werden, sodass eine Reaktion auf Abweichungen zur Prävention von Ausschuss nicht möglich ist. Das Ziel dieses Forschungsprojekts ist es daher, eine modellbasierte Vorhersage der Eigenschaften jedes einzelnen Produkts zu etablieren, um nachfolgende Prozesse basierend auf der Kenntnis des genauen Produktzustands auslegen zu können. Dadurch sollen Produktspezifikationen weniger restriktiv ausgelegt werden können und Ausschuss durch eine adaptive Prozessführung verringert werden. Ein weiteres Ziel ist es, die Übertragung der relevanten Daten zu untersuchen und eine Datenplattform zu konzipieren, die eine gesicherte und standardisierte Weitergabe der Produktinformationen vom Zulieferer zum Kunden ermöglicht. Zur Umsetzung des Forschungsvorhabens wurde zunächst eine Testumgebung inklusive einer Modellprozesskette am IBF eingerichtet, die zwei virtuelle Unternehmen repräsentiert. Das erste Unternehmen befasst sich mit dem Kaltwalzen und fungiert als Zulieferer, während das zweite Unternehmen die vom ersten Unternehmen erhaltenen Bleche zu Kreuznäpfen umformt und als Kunde fungiert. Durch das Umformen von Blechen mit unterschiedlichen mechanischen Eigenschaften trotz gleicher Spezifikation unter Verwendung einer Standard-Tiefziehprozessführung wurde zunächst der Einfluss von Eigenschaftsschwankungen des Eingangsmaterials auf die resultierenden Kreuznapfeigenschaften untersucht. Im zweiten Schritt wurde eine simulationsbasierte Prozessauslegung genutzt, um auf diese Schwankungen adaptiv zu reagieren und die Schwankungen der resultierenden Kreuznapfeigenschaften möglichst gering zu halten. Zuletzt wurde vom ersten Unternehmen Kaltband produziert, welches bewusst außerhalb der Produktspezifikation lag. Auch hier konnte gezeigt werden, dass durch eine adaptive Prozessauslegung trotz unzulässigem Eingangsmaterial Gutteile erzeugt werden können und somit Ausschuss vermieden werden kann. Zur Konzeptionierung und Implementierung eines Datenplattformprototyps wurden persönliche Interviews und Umfragen mit Mitgliedern des PA sowie durch eine sorgfältige Literaturrecherche identifizierte Methodiken, die dem Stand der Technik entsprechen, genutzt. Um den unternehmensübergreifenden Datenaustausch für eine große Breite industrieller Unternehmen nutzbar zu machen, wurden darüber hinaus Standardisierungsempfehlungen für die Datenaufnahme, -speicherung und -übertragung erarbeitet. Da im Projekt lediglich eine Modellprozesskette verwendet wurde, ist eine quantitative Beschreibung des Mehrwerts einer überbetrieblichen Datenweitergabe sowie einer modellbasierten, adaptiven Prozessführung schwer umsetzbar. Die entscheidenden Einflussfaktoren und Schlüsselaspekte wurden jedoch herausgearbeitet, sodass die Erkenntnisse durch Unternehmen auf die eigene Prozesskette übertragen werden können und eine Abschätzung des Mehrwerts ermöglicht wird.

Circular economy (CE) is considered to be the business model of the future, since it enables decoupling of economic growth and resource consumption. Digitalization is an enabler for companies to accomplish the transition to circular business models, as it enables automated data sharing and usage, but it also poses an enormous challenge. The data required for the implementation of circular business models is generated during the entire life cycle of a product. Digital product passports (DPP) represent a solution for the exchange of product-related data across the entire life cycle and various stakeholders. So far, they have hardly been integrated into production planning and control (PPC) systems. This paper describes requirements, specific use cases and related data flows for an integration of DPP and PPC systems. Finally, a model is presented that enables event-driven creation and use of data for the bidirectional integration of DPP into PPC systems.

Based on the increasingly complex value creation networks, more and more event-based systems are being used for decision support. One example of a category of event-based systems is supply chain event management. The aim is to enable the best possible reaction to critical exceptional events based on event data. The central element is the event, which represents the information basis for mapping and matching the process flows in the event-based systems. However, since the data quality is insufficient in numerous application cases and the identification of incorrect data in supply chain event management is considered in the literature, this paper deals with the theoretical derivation of the necessary data attributes for the identification of incorrect event data. In particular, the types of errors that require complex identification strategies are considered. Accordingly, the relevant existing error types of event data are specified in subtypes in this paper. Subsequently, the necessary information requirements and information available regarding identification are considered using a GAP analysis. Based on this gap, the necessary data attributes can then be derived. Finally, an approach is presented that enables the generation of the complete data set. This serves as a basis for the recognition and filtering out of erroneous events in contrast to standard and exception events.

Crises are becoming more and more frequent. Whether natural disasters, economic crises, political events, or a pandemic - the right action mitigates the impact. The PAIRS project plans to minimize the surprise effect of these and to recommend appropriate actions based on data using artificial intelligence (AI). This paper conceptualizes a cascading model based on scenario technique, which acts as the basic approach in the project. The long-term discipline of scenario technique is integrated into the discipline of crisis management to enable short-term and continuous crises management in an automated manner. For this purpose, a practical crisis definition is given and interpreted as a process. Then, a cascading model is derived in which crises are continuously thought through using the scenario technique and three types of observations are classified: Incidents, disturbances, and crises. The presented model is exemplified within a non-technical application of a use case in the context of humanitarian logistics and the COVID-19 pandemic. Furthermore, first technical insights from the field of AI are given in the form of a semantic description composing a knowledge graph. In summary, a conceptual model is presented to enable situation-based crisis management with automated scenario generation by combining the two disciplines of crisis management with scenario technique.