62 Ingenieurwissenschaften
Refine
Year of publication
Document Type
- Article (31)
- Bachelor Thesis (167)
- Book (51)
- Part of a Book (147)
- Conference Proceeding (230)
- Contribution to a Periodical (557)
- doctorallecture (201)
- Doctoral Thesis (367)
- Lecture (107)
- Master's Thesis (279)
Language
- German (1815)
- English (384)
- Multiple languages (111)
- Spanish (2)
Is part of the Bibliography
- no (2312)
Keywords
- 01 (64)
- 02 (68)
- 03 (13)
- 04 (7)
- 3-Phasen-Konzept (2)
- 3D-Druck (5)
- 3GPP (1)
- 3PhasenKonzept (7)
- 5G (23)
- 5G mobile communication (2)
Institute
- Business Transformation (180)
- Dienstleistungsmanagement (493)
- FIR e. V. an der RWTH Aachen (2310)
- Informationsmanagement (347)
- Produktionsmanagement (524)
Unvorhergesehene Effekte, wie beispielsweise die aktuelle Corona-Pandemie, können die Lieferkette eines Unternehmens maßgeblich beeinflussen. Die hochkomplexen Supply-Chains der heutigen Zeit stehen vor der Herausforderung, schnell und flexibel auf mögliche Störungen von außen zu reagieren. Ein ganzheitliches Supply-Chain- Risikomanagement hilft Ihnen bei der frühzeitigen Lokalisierung von Störungen und der Ableitung geeigneter Maßnahmen zur kurz- und langfristigen Stabilisierung der Lieferketten. Zu diesem Zweck haben wir vom FIR an der RWTH Aachen, aufbauend auf dem Industrie-4.0-Maturity-Index, ein cloudbasiertes Supply-Chain-Risiko-Assessment entwickelt, das durch den intuitiven Aufbau eine praxisorientierte Lösung im Bereich des Risikomanagements darstellt.
Im Rahmen dieser Masterarbeit soll an erster Stelle der Untersuchungsbereich eingegrenzt werden, wobei besonderer Schwerpunkt auf die Systemintegration des Enterprise-Resource-Plannings mit dem Manufacturing-Execution-Systems mit Hilfe des Internet-of-Things gesetzt wird. Gleichzeitig sollen auch in diesem Teil sowohl die technologischen als auch die begrifflicher Grundlagen für den weiteren Verlauf der Arbeit gelegt werden. Im nächsten Kapitel soll anschließend der Stand der Wissenschaft beleuchtet werden, wobei in erster Linie die Begrifflichkeiten im Bereich der künstlichen Intelligenz definiert und eingeordnet werden. Anschließend sollen die Algorithmen des maschinellen Lernens näher untersucht bzw. klassifiziert und die Anwendungsbereiche strukturiert dargestellt werden. Nachdem im Anschluss daran die Rahmenbedingungen in Form eines ERP- systemgesteuerten Produktionsumfelds vorgestellt wurden, soll im Hauptteil der Arbeit die Potenzialanalyse sowie Implementierung stattfinden. Hierfür werden die Anwendungsbereiche der künstlichen Intelligenz speziell auf den ERP-Bereich übertragen sowie einzelne relevante Einsatzmöglichkeiten näher betrachtet. Abschließend sollen anhand eines ausgewählten Szenarios die Vorteile des Einsatzes von Machine-Learning-Algorithmen abgeleitet werden. Hierbei soll ein spezieller Use-Case konzipiert werden, welcher die Methoden der intelligenten Fehlererkennung einsetzt und nach Implementierung der Algorithmen ihre Prognosegenauigkeiten bewertet.
Wie können Mitarbeiter von zeitaufwendigen Routinearbeiten befreit und Kapazitäten für wertschöpfende Tätigkeiten geschaffen werden? Wie können die Effizienzpotenziale innerbetrieblicher Geschäftsprozesse nachhaltig ausgeschöpft werden? Robotic-Process-Automation erlebt derzeit einen regelrechten Hype – Erfahren Sie hier, wie digitale Assistenten dabei unterstützen, den Schritt in Richtung Administration 4.0 zu wagen und die Effizienz im Büro auf ein neues Level zu heben.
Before starting with smart maintenance and machine learning, get things done right. Big data and analytics are a great way to get the most out of your assets, but they are not always the biggest lever and require a solid data foundation. As shown it is possible to get more out of the resources you have with relatively simple tools by applying the right method and bringing together the right people. To turn a computer system into a working tool and take full advantage of the capabilities of modern software solutions, specific steps must be taken, and both management and personnel need to be involved in shaping the future business processes. Only the right processes are able to generate a solid data foundation and enable the RCM method to work and improve asset lifecycle management and overall costs.
Predictive Maintenance hat sich in der Instandhaltung als Begriff etabliert. Produzierende Unternehmen versuchen durch vorausschauende Instandhaltungsaktivitäten, die bedarfsgerechte Verfügbarkeit ihrer Maschinen und Anlagen bei möglichst geringen Kosten sicherzustellen. Die Instandhaltung soll damit noch effektiver und effizienter werden.
Dieser Artikel zeigt, wie mit Hilfe des Ansatzes des "Smart Service Engineering" vom Center Smart Services ein Predicitive Maintenace Service bei Heidelberger Druckmaschinen in Zusammenarbeit mit der KATANA Plattform von USA Software entworfen und ausgerollt wurde. Auf Basis der gewonnen Erkenntnisse wurden zudem weitere Services aufgebaut, die über den Use Case Predictive Maintenance sogar noch hinaus gehen.