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)
KVD-Service-Studie 2016
(2016)
Welche Qualifikationsanforderungen an die Servicemitarbeiter sind heute und zukünftig von Bedeutung? Welche unterstützenden Technologien sind für den Service heute und in der Zukunft relevant? Welche Auswirkungen ergeben sich daraus für die Serviceorganisation? Um die aktuellen Trends der zukünftigen Arbeitswelten im Service zu analysieren, liegt der Schwerpunkt der diesjährigen Service-Studie, die vom KVD zusammen mit dem FIR durchgeführt wurde, auf dem Themenkomplex Mensch und Technologie – neue Herausforderungen im Kontext der Industrie 4.0.
Die zukünftigen Arbeitswelten erfahren durch die Industrie 4.0 eine starke Veränderung. Dies wirkt sich sowohl auf den Menschen, als auch auf die Unternehmensorganisation aus. Der Servicemitarbeiter benötigt neue Kompetenzen, die die Serviceorganisation durch geeignete Maßnahmen zur arbeitsorientierten Kompetenzentwicklung vermitteln muss. Die Ergebnisse der Studie zeigen, wie sich erfolgreiche Dienstleister bereits an diese Veränderungen anpassen konnten.
Auftragszeiten echtzeitfähig und ereignisgesteuert zu erfassen, bietet Unternehmen zahlreiche Chancen. Prozessschritte in der Produktion lassen sich automatisieren, Abläufe absichern und Verbesserungsmaßnahmen entwickeln. Das Center-Enterprise-Resource-Planning hat gemeinsam mit ERP- und Technologie-Herstellern einen Lösungsansatz entwickelt, um gekennzeichnete Objekte im Werk zu verfolgen und auf dieser Grundlage automatisierte Ereignisse auszulösen.
Die Erzeugung und Nutzung von Echtzeitdaten sind ein erster Schritt der Digitalisierung. Durch Echtzeitdaten lassen sich Prognosen teils drastisch verbessern.
Auf Basis der durch Echtzeitdaten transparenten Supply Chain lassen sich Risiken und somit Bestände über das eigene Unternehmen hinaus systematisch reduzieren.
ABER: Nicht alle Nutzenpotentiale durch Echtzeitdaten sind „einfach zu heben“.
Wird es das Unternehmen ohne Bestände geben? Welche Implikationen sehen Sie für Ihr Unternehmen?
Der industrielle Service verändert sich durch die zunehmende Digitalisierung der Wirtschaft und Gesellschaft. Doch wie wirkt sich dies auf die Arbeit des Servicemitarbeiters aus? Welche Kompetenzen und Fortbildungsmaßnahmen werden relevant? Welche Technologien werden zukünftig im Service eingesetzt?
Diese und noch mehr Fragen wurden durch die diesjährige Service-Studie „Fakten und Trends im Service“ beantwortet. Bereits zum zehnten Mal in Folge wurde die Studie vom FIR e.V. an der RWTH Aachen mit dem Kundendienst-Verband Deutschland e.V. (KVD) erhoben. Die Erkenntnisse beruhen auf der Einschätzung von 215 Serviceexperten aus der Praxis
Um langfristig in einem Umfeld zunehmenden Wettbewerbs mit internationalen Anbietern erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, sodass die Markterschließung durch Exporte vollständig montierter Erzeugnisse häufig ausscheidet.
Um dennoch die Handelshemmnisse zu umgehen, hat sich in der Automobilindustrie die Completely-knocked-down(CKD)-Strategie durchgesetzt, bei der Erzeugnisse teilzerlegt in die Märkte exportiert und dort lokal endmontiert werden. Zielsetzung des von der Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke“ e. V. (AiF) geförderten Forschungsvorhabens „CKDCHAIN“ ist die Übertragung dieses Konzepts auf Unternehmen des Maschinen- und Anlagenbaus, in dem eine simulationsbasierte Gestaltungsunterstützung entwickelt werden soll. Das IGF-Vorhaben 18384 N des FIR e. V. an der RWTH Aachen wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung und -entwicklung (IGF) vom Bundesministerium für Wirtschaft und Technologie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Einleitung
(2008)
Als erfolgreiche Strategie deutscher Industrieunternehmen gilt seit vielen Jahren die Konzentration auf Kernkompetenzen. Dadurch ist meist eine Vielzahl von Unternehmen in die Entwicklung und Produktion eingebunden. Das dabei entstehende Kompetenznetzwerk stellt die hohe Qualität der Erzeugnisse sicher. Jedoch mangelt es in Bezug auf Kommunikationsprozesse und -hilfsmittel häufig an den erforderlichen organisatorischen und informationstechnischen Voraussetzungen für einen effizienten Austausch der zentralen Nachrichten zur Bestellabwicklung (z. B. Anfrage, Bestellung, Rechnung).
Die Disposition von Instandhaltungsaufträgen in Offshore Windparks unterliegt einigen organisatorischen Einflüssen, die die Durchführung der Disposition komplex gestalten. Darüber hinaus spielen zeitgleich kurzfristige Einflüsse (z.B. Wetterbedingungen) in den Prozess ein. Das Forschungsprojekt DispoOffshore analysiert die Rahmenbedingungen des Dispositionsprozesses. Die gewonnenen Erkenntnisse unterstützen dabei, die Disposition in bestehenden Parks zu optimieren und in neuen Parks zu konzeptionieren. Somit wird die Brücke zwischen einem modernen Windpark der Zukunft unter den Gesichtspunkten von Industrie 4.0 gebildet.
Thanks to the challenges of the imminent energy turnaround, the power market faces a revolution regarding the energy distribution. In future, energy will not only be distributed from a limited number of large, centralized power plants but also from small, decentralized power generators, e.g. households. This also affects manufacturing companies, which are confronted with developing an energy management strategy. As those companies usually have not set high priorities on their energy management, there is a lack of a structured procedure to build an energy management strategy. Consequently, this creates the need for supporting methods to develop and implement an energy management strategy. This paper tackles the first step in the development of an energy management strategy. For this purpose, a target map is developed and possible use cases are systematized. The next steps of the implementation are presented using the example of load management.
GAIA-X-Reifegradmodell
(2024)
Um die wachsenden Kundenanforderungen und die damit verbundene Komplexitätssteigerung der aktuellen Herausforderungen zu bewältigen, öffnen Unternehmen ihre Wertschöpfungsketten, reduzieren ihre Fertigungstiefe und gehen zunehmend Kooperationen ein. Der unternehmensübergreifende Datenaustausch entlang der Supply-Chain wird damit zu einer Schlüsselkomponente für die Wettbewerbsfähigkeit und die Realisierung kundenspezifischer Lösungen. Aus diesem Grund hat die Europäische Union das Projekt GAIA-X ins Leben gerufen, dessen Ziel es ist, die nächste Generation der Dateninfrastruktur für Europa und seine Unternehmen zu schaffen. Das GAIA-X-Reifegradmodell bietet einen Ansatz zur Einordnung von Unternehmen in verschiedene Entwicklungsstufen und liefert konkrete Anforderungen für die Weiterentwicklung entlang eines vorgegebenen Entwicklungspfades hin zu einem vollwertigen Teilnehmer an der föderierten GAIA-X-Dateninfrastruktur.
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.
DIN PAS 1074: myOpenFactory: Prozess- und Datenstandard für die überbetriebliche Auftragsabwicklung
(2007)
Diese öffentlich verfügbare Spezifikation (PAS = Publicly Available Specification) beschreibt den Prozess- und Datenstandard myOpenFactory. myOpenFactory ist ein Standard für den elektronischen Datenaustausch zwischen verschiedenen ERP-/PPS-Systemen zur Koordination der überbetrieblichen Auftrags- und Projektabwicklung.
Ziel ist es, den Aufwand zum Informationsaustausch zwischen Unternehmen im Rahmen der Auftragsabwicklung nachhaltig zu reduzieren. Der Standard besteht aus einem standardisierten Prozess- und Datenmodell, das DV-technisch in verschiedenen ERP-/PPS-Systemen implementiert werden kann, und ist frei verfügbar. Für Kleinstanwender ohne eigenes ERP-/PPS-System existiert ein Web-Cockpit, das als einzige Voraussetzung eine Internetverbindung benötigt. myOpenFactory wird insbesondere im Maschinen- und Anlagenbau angewendet, kann aber auch in anderen Branchen zum Einsatz kommen. Durch den schlanken und gleichzeitig flexiblen Umfang der Schnittstelle ist myOpenFactory besonders für kleine und mittlere Unternehmen geeignet. Der Prozess- und Datenstandard wird von der myOpenFactory eG gepflegt und weiterentwickelt.
Immer mehr internationale Automobilproduzenten und -zulieferer errichten neue Werke in Mexiko – unter ihnen auch viele deutsche Unternehmen. Schon bald wird Mexiko mehr Fahrzeuge als Deutschland exportieren. Mit dem starken Wachstum steigt auch der Bedarf an qualifiziertem Personal – auf allen Ebenen, besonders jedoch im Bereich des mittleren Managements. Im Rahmen des internationalen Verbundprojekts E-Mas wird aus diesem Grund ein Weiterbildungsprogramm zum taktischen und operativen Produktionsmanagement entwickelt. Zielsetzung ist es, die erforderlichen Kompetenzen in den Bereichen Workplace-Innovation, Produktivitätsmanagement und Industrial Engineering, Werkzeugbaumanagement und Lean Management zu vermitteln und dabei auch zukünftige Kompetenzbedarfe im Zuge des Wandels zur Industrie 4.0 zu berücksichtigen. Das Verbundprojekt E-Mas wird im Rahmen des Forschungsprogramms `Internationalisierung der Berufsbildung` durch das Bundesministerium für Bildung und Forschung (BMBF) mit dem Kennzeichen 01BE17012A gefördert und vom Projektträger DLR betreut.
5.1 Die Projektergebnisse von myOpenFactory (Teilkapitel aus Kap. 5: Zusammenfassung und Ausblick)
(2007)
Die Herausforderung der myOpenFactory-Initiative lässt sich zusammenfassend beschreiben als die informationstechnische Unterstützung unternehmensübergreifender Prozesse der Auftrags- und Projektabwicklung temporärer Produktionsnetzwerke im Maschinen- und Anlagenbau. Die hohe Komplexität der entsprechenden Koordinationsaufgaben solcher Produktionsnetzwerke resultiert einerseits aus dem hohen Vernetzungsgrad der Strukturen bei meist nur geringer Dauer der projektbezogenen Geschäftsbeziehungen und andererseits aus der Inkompatibilität marktgängiger Softwaresysteme sowie der mangelhaften organisatorischen Gestaltung der überbetrieblichen Auftragsabwicklung.
Outsourcing of logistics operations (especially transportation, distribution & warehousing) is one of the most viable options exercised by the customers to excel in their logistic operations. Despite the growing outsourcing of logistics services to 3PL providers, both the service providers & their customers are facing tremendous problems in synchronizing the business processes & analyzing the performance using common key performance indicators. There is a huge demand for an integrated approach to help 3PL and their customers better synchronize their business processes and have common goals & perspectives. Such integrated approaches often take shape of a process oriented reference model covering many diverse aspects related to the operations & controlling of any business. In this paper, an integrated reference model to support 3PL service operations is presented. The Logistics Reference Model (LRM) developed & validated in some 3PL service companies encompasses standard business processes, performance measurement system and best practices.
Unternehmen des Maschinen- und Anlagenbaus stehen derzeit vor großen Herausforderungen. Während in der Vergangenheit vorwiegend einzelne Dienstleistungen von Seiten des Kunden nachgefragt wurden, fordern die Kunden heute ganzheitliche Problemlösungen in Form von Systemdienstleistungen oder als hybride Produkte – integrierte Leistungsbündel aus Sachgütern und Dienstleistungen.
Obschon sich der Maschinen- und Anlagenbau dieses Wandels bewusst ist, stellt er insbesondere kleine und mittlere Unternehmen vor Probleme. Auf Grund einer mangelnden Strukturierung von Systemdienstleistungen und fehlender Instrumente zur Nutzenerfassung und -bewertung von Dienstleistungen erfolgt die Konfiguration derartiger Leistungsbündel in der Regel unsystematisch und nicht auf Basis der Kundenwünsche und -bedürfnisse. Dies führt dazu, dass die Chancen, die sich den Unternehmen durch das Angebot von Systemdienstleistungen oder hybriden Produkten bieten, bisher nur unzureichend ausgeschöpft werden.
Der Beitrag stellt das am FIR entwickelte Modell ServKon vor. ServKon leistet einen Beitrag, die bestehende Lücke im Bereich der Berücksichtigung von Kundenwünschen und -bedürfnissen bei der Konfiguration von Systemdienstleistungen zu schließen. Durch die Anwendung des Modells können kleine und mittlere Maschinen- und Anlagenbauer den Nutzen von Einzeldienstleistungen mit einer einheitlichen Analysemethode erfassen, bewerten und darauf aufbauend den Gesamtnutzen potenzieller Leistungsbündel bestimmen. Dies bietet die Grundlage für die Konfiguration erfolgreicher Systemdienstleistungen. Unternehmen werden durch das Nutzenmodell befähigt, das Risiko einer nicht kundenorientierten Zusammenstellung der Leistungsbündel zu reduzieren und gleichzeitig die Entscheidung ressourcenschonend vorzubereiten.
Chatbot statt Berater?
(2018)
Im Silicon Valley wird deutlich, dass sich etablierte Technologien und Berufsbilder durch Kollaborationsplattformen ersetzen lassen. Können so selbst Beratungen für Industrie-4.0-Systeme effizienter und effektiver ausfallen? Wie solche Plattformlösungen aussehen können, zeigt der CPS-Matchmaker, der gerade in Aachen entwickelt wird.
Das Projektvorhaben 'eStep Mittelstand - Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von eBusiness-Standards in komplexen Lieferkettenprozessen' zielt darauf ab, die Nutzung von eBusiness-Standards zu erleichtern und das unternehmersiche Risiko für KMU zu reduzieren. In seinem Arbeitsplan stellte das Projekt in einem ersten Schritt eine grundlegende Analyse der Ausgangssituation und die Erhebung von Anforderungen an den Einsatz von eBusiness-Standards in KMU seinen Folgearbeiten im Projekt als Basis für die Lösungsentwicklung im weiteren Verlauf voran.
Der vorliegende Schlussbericht zu IGF-Vorhaben Nr. 18982 beschreibt das Projekt zum Thema "EIH - Energy Innovation Hub". Die Forschungsvereinigung, bestehend aus dem FIR e.V. und dem Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik in Chemnitz, beschäftigte sich hierzu mit der Vernetzung energierelevanter Informationen zwischen produzierenden KMU, Energieversorgern (EVU) und Maschinenbauern. Ziel ist die Konzeption einer Kommunikationsplattform, des Energy-Information-Hubs (EIH), für den Austausch energierelevanter Informationen zwischen KMU, EVU und Maschinenbauern. Durch eine ganzheitliche Betrachtung aller am Verbrauch beteiligten Akteure soll eine energieeffiziente Produktion erreicht werden.
Electricity generated by wind turbines (WT) is a mainstay of the transition to renewable energy. In order to economically utilize WT is, operating and maintenance costs, which account for 25% of total electricity generation costs in onshore WT’s, are a focus of cost reduction activities. Implementing a data-driven prescriptive maintenance approach is one way to achieve this. So far, various approaches for prescriptive maintenance for onshore WT’s have been suggested.
However, little research has addressed the practical implementation considering sociotechnical aspects. The aim of this paper is therefore to identify success factors for the successful implementation of such a maintenance strategy with clear and holistic guidance on how existing knowledge on prescriptive maintenance from science can be transferred to business practice. These recommendations are developed through case study research and classified in the four structural areas of Acatech’s Industry 4.0 Maturity Index: Resources, Information Systems, Organizational Structure and Culture.
„myOpenFactory“ ist ein Standard für den elektronischen Datenaustausch zwischen verschiedenen ERP/PPS (Enterprise Resource Planning / Produktionsplanungs- und -steuerungs)-Systemen zur Koordination der überbetrieblichen Auftrags- und Projektabwicklung. Ziel ist es, den Aufwand zum Informationsaustausch zwischen Unternehmen zu reduzieren. Der Standard besteht aus einem Prozess- und Datenmodell, das bereits in verschiedenen ERP/PPS-Systemen implementiert wurde, und ist frei verfügbar. Für Kleinstanwender ohne eigenes System existiert ein „Web-Cockpit“, das als einzige Voraussetzung eine Internetverbindung benötigt.
Produktions- und Logistiksysteme sind komplex. Eingriffe in geplante oder bereits bestehende Systeme ziehen Konsequenzen nach sich, die nicht ohne weiteres in vollem Umfang erfasst werden können. Hilfestellung
bieten auf das spezifische System ausgelegte, maßgeschneiderte Simulationsstudien, die es Unternehmen ermöglichen, vollumfänglich positive wie auch negative Auswirkungen geplanter Änderungseingriffe
ins System zu erkennen.
Aufgrund kürzer werdender Produktlebenszyklen, steigender Produktvielfalt und höherer Produktkomplexität stehen Unternehmen der Fertigungsindustrie vor der Herausforderung, eine zunehmende Anzahl komplexer Serienanläufe in immer kürzeren Zeitabschnitten zu planen und umzusetzen. Dies stellt produzierende Unternehmen vor massive Probleme, welche bis heute nur unzureichend gelöst sind. Eine Methodik aus der Softwarebranche stellt nun aktuelle Prozesse und Verfahren der Entwicklung wie auch des Anlaufs von physischen Produkten infrage.
Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzinitiative geförderte „Graduiertenkolleg Anlaufmanagement“ (GRK 1491/2) befasst sich mit der Optimierung des Serienanlaufs. Um die Komplexität und die Instabilität des Anlaufes vor und während der Produktion zu beherrschen, forschen Wissenschaftler unterschiedlicher Institute der RWTH Aachen aus den Fachbereichen der Ingenieur- und Wirtschaftswissenschaft an interdisziplinären Lösungsansätzen. Der Fokus ist in erster Linie darauf gerichtet, wie produzierende Unternehmen im Rahmen des Serienanlaufs eine höhere Entscheidungsqualität und damit einen stabileren Serienanlauf erlangen können.
Kürzer werdende Produktlebenszyklen, steigende Produktvielfalt und höhere Produktkomplexität stellen fertigende Unternehmen und deren Supply-Chains vor die Herausforderung, eine zunehmende Anzahl komplexer Serienanläufe in immer kürzeren Zeitabschnitten planen und umsetzen zu müssen. Dies stellt produzierende Unternehmen und die Mitarbeiter in den Serienanläufen vor bisher nur unzureichend gelöste Schwierigkeiten. Ein Ansatz, welcher insbesondere die direkt im Anlaufgeschehen involvierten Mitarbeiter unterstützen soll, basiert auf der Annahme, dass sich unternehmerische Fragestellungen spielerisch erlernen lassen: Serious Gaming. Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzinitiative geförderte „Graduiertenkolleg Anlaufmanagement“ (GRK 1491/2) befasst sich mit der Optimierung des Serienanlaufs. Um die Komplexität und die Instabilität des Anlaufs vor und während der Produktion zu beherrschen, forschen Wissenschaftler unterschiedlicher Institute der RWTH Aachen aus den Fachbereichen der Ingenieur- und Wirtschaftswissenschaft an interdisziplinären Lösungsansätzen. Der Fokus liegt in erster Linie darauf, wie produzierende Unternehmen im Rahmen des Serienanlaufs eine höhere Entscheidungsqualität und damit einen stabileren Serienanlauf erlangen können.
eStep Mittelstand: Analyse der Nutzung und Verbreitung von E-Business-Standards bei Unternehmen
(2016)
Im Forschungsprojekt »eStep Mittelstand – Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von E-Business-Standards in komplexe Lieferkettenprozesse« (im Folgenden kurz „eStep Mittelstand“ genannt) werden Lösungen erarbeitet, um den Einsatz von E-Business-Standards in den Geschäftsprozessen von kleinen und mittleren Unternehmen (KMU) zu stärken und auszubauen. Dazu werden geeignete Methoden und Modelle entwickelt, welche es KMU erlauben, E-Business-Projekte trotz hoher Komplexität erfolgreich umzusetzen. Die Umstellung auf standardbasierte, elektronische Geschäftsprozesse wird durch das Self-Assessment-Tool
(SAT), den Entscheidungsbaum (EB) und die Middleware (MW) erheblich erleichtert. Eine DIN SPEC, welche in Zusammenarbeit mit dem Deutschen Institut für Normung (DIN) e. V. erarbeitet wurde, stellt nun auch einen Leitfaden zur Weiterentwicklung und zum Ausbau der Funktionalität des SATs und des EBs bereit. Das Förderprojekt "eStep Mittelstand" ist Teil der Förderinitiative "eStandards: Geschäftsprozesse standardisieren, Erfolg sichern", die im Rahmen des Förderschwerpunkts "Mittelstand-Digital – IKT-Anwendungen in der Wirtschaft" vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert wird.
Industrie 4.0 schafft die Grundlage zur effizienten Planung und echtzeitfähigen Steuerung der Produktion. ERP-Systeme können dabei eine zentrale Rolle spielen. Hierfür müssen ERP-Systeme folgende Anforderungen erfüllen: Datenvolumen, Analysefähigkeit + Prognoseverfahren, Geschwindigkeit + Latenzzeiten, Sicherheitsanforderungen, Flexibilität + Schnittstellen.
Die Kapitalbindungsdauer im Maschinenbau fällt im nationalen Branchenvergleich besonders hoch aus. Durch kundenindividuelle Entwicklung und Produktion ergeben sich lange Auftragsabwicklungszeiten, welche eine längerfristige Kapitalüberbrückung erfordern. Betroffene Unternehmen müssen über ausreichend liquide Mittel verfügen, um ihren Umsatz und ggf. auch Wachstum vorfinanzieren zu können und nicht der Gefahr von Zahlungsunfähigkeit ausgesetzt zu werden. Damit einhergehend gibt es im Maschinen-und Anlagenbau besonders große Potenziale in der Optimierung des eingesetzten Kapitals.
Der Erfolg produzierender Klein- und mittelständischer Unternehmen in Deutschland ist in einer hohen Innovations- und Gestaltungsfähigkeit sowie Reaktionsgeschwindigkeit auf veränderte Marktanfragen begründet. Die derzeitige Entwicklung zu kundenindividuellen Produkten bei kleinen Losgrößen setzt flexible und wandlungsfähige Produktionssysteme voraus. Um diesen Herausforderungen zu begegnen, bedarf es neben technologischer sowie organisatorischer Exzellenz vor allem gut ausgebildeter und kompetenter Mitarbeitender auf allen Qualifikations stufen.
Um langfristig in einem Umfeld zunehmenden Wettbewerbs durch internationale Anbieter erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, so dass die Markterschließung durch Exporte vollständig montierter Erzeugnisse häufig ausscheidet. Um dennoch die Handelshemmnisse zu umgehen, hat sich in der Automobilindustrie die Completely Knocked Down (CKD)-Strategie durchgesetzt, bei der Erzeugnisse teilzerlegt in die Märkte exportiert und dort lokal endmontiert werden. Zielsetzung des von der Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke“ e. V. (AiF) geförderten Forschungsvorhaben „CKDCHAIN“ ist die Übertragung dieses Konzeptes auf Unternehmen des Maschinen- und Anlagenbaus, in dem eine simulationsbasierte Gestaltungsunterstützung für den Aufbau einer geeigneten Supply Chain entwickelt werden soll.
Da die heutigen Logistiknetzwerke den Anforderungen nicht mehr gerecht werden, rückt das Supply-Chain-Risk-Management von Wertschöfungsketten zunehmend in den Mittelpunkt unternehmerischer Überlegungen. Störungen in Logistiknetzwerken treten wegen unzureichender Datenmengen, -qualität und -integration der realen Welt nicht in den Informationssystemen auf. Eine echtzeitfähige Reaktion auf diese Störungen und proaktive Korrekturmaßnahmen innerhalb der Logistikprozesse sind folglich unmöglich. Daher kann ein erhöhter Bedarf an ganzheitlicher Transparenz innnerhalb der Logistiknetzwerke abgeleitet werden. Mit diesem Thema beschäftigt sich das Forschungsprojekt Smart-Logistic-Grids.
Industrie 4.0 und SCM
(2016)
Smart-Logistic-Grids
(2016)
Ziel des Forschungsvorhabens Smart-Logistic-Grids ist die Entwicklung eines Systems, welches, basierend auf einer erhöhten Informationsverfügbarkeit, Handlungsalternativen aufzeigt und ökonomisch bewertet. Hierfür ist eine barrierefreie Integration unterschiedlicher Akteure innerhalb eines Logistiknetzwerks notwendig. Das Ergebnis dieses Systems eröffnet den Nutzern nicht nur Effizienzsteigerungen und eine erhöhte Robustheit des Gesamtsystems, sondern auch die Reduzierung der CO2 –Emissionen.
Im Forschungsprojekt BigPro wird die Frage beantwortet, wie Big Data aus der Produktion genutzt werden können, um das Störungsmanagement zu unterstützen. Dazu wurde ein Vorgehen entwickelt, das sicherstellt, dass die erforderlichen Informationen in der richtigen Form zu Verfügung stehen und das System zielgerichtet auf- und eingesetzt werden kann. Das Projekt „BigPro“ wird
über das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprogramms IKT 2020 – Forschung für Innovationen mit dem Förderkennzeichen 01IS14011 gefördert
Vor dem Hintergrund des unvorhersehbaren Unternehmensumfelds gewinnt das Risiko-Management in Produktionsnetzwerken zunehmend an Bedeutung. Um den dynamischen Anforderungen gerecht zu werden, ist der Aufbau von Flexibilitätspotenzialen besonders wichtig. Da jedoch für die auftragsspezifische Fertigung keine Sicherheitsbestände aufgebaut werden können, ist ein alternativer Ansatz zur Flexibilitätssicherung zu finden. Im diesem Artikel wird ein Ansatz zur Bewertung des Nutzens der Bestellflexibilität vorgestellt.
Der strategische Wandel von einem reinen Sachgüterhersteller hin zu einem Lösungsanbieter mit einem individuellen Dienstleistungsangebot geht einher mit umfangreichen Veränderungen hinsichtlich der Aktivitäten, des Verhaltens und der Strukturen des Unternehmens. Dies stellt insbesondere kleine und mittlere Unternehmen (KMU) vor Herausforderungen. So müssen beispielsweise neue Kompetenzen aufgebaut, das eigene Rollenverständnis des Personals neu definiert und der Wille zur Veränderung in der Organisation verankert werden. Damit KMU geeignete Maßnahmen zur Veränderung des Unternehmens ableiten und bewerten können, muss bereits vor Beginn des eigentlichen Transformationsprozesses klar sein, inwiefern ein Unternehmen dazu in der Lage ist, strategische, organisatorische sowie prozessuale Veränderungen zu planen und umzusetzen. Das im Projekt fit4solution entwickelte Transformations-Assessmentwerkzeug unterstützt KMU bei der Identifikation relevanter Stellhebel und dient gleichzeitig der Wirksamkeitsbewertung der zu entwickelnden Maßnahmen
Der Bereich der intelligenten Gebäudetechnik bietet großes Potenzial zur Entwicklung von datenbasierten Dienstleistungen und innovativen Geschäftsmodellen. Mithilfe moderner Sensor- und Kommunikationstechnologien können bspw. Energiereinsparpotenziale bei der Gebäudenutzung realisiert oder das Wohlbefinden der Nutzer gesteigert werden. Nicht nur große Unternehmen, sondern auch kleine und mittelständische Unternehmen (KMU) aus dem Bereich technischer Gebäudeausrüstung (TGA) haben dieses Potenzial erkannt. Zunächst gilt es daher, das Geschäftsfeld Smart Building zu strukturieren, mögliche Geschäftsmodelle zu identifizieren und durch eine Umfeldanalyse Transparenz für die Hersteller von TGA zu gewährleisten und so eine potenzielle Neuausrichtung der Geschäftstätigkeiten zu erleichtern.
Eines der grundlegenden Geschäftsmodelle im Umfeld der digitalen Technologien stellt eine der größten Bedrohungen der Privatsphäre von Kunden dar: die Monetarisierung sensitiver Daten, ermöglicht durch das Sammeln und die Speicherung von Nutzerdaten. Unternehmen haben verschiedene Anwendungsfelder für die Verwendung von personenbezogenen Daten identifiziert, sei es die Berechnung von Absatzmärkten, die Prognose von Kundenverhalten oder das individuelle Pricing eines Produkts. Gleichzeitig sind sich Kunden zwar bewusst darüber, dass ihre privaten Daten gespeichert und verwertet werden, sie wissen jedoch überraschend wenig über die Art der Daten und den Umfang, in welchem die Verwertung stattfindet. Zentraler Bestandteil des geplanten Forschungsprojekts myneData ist ein Datencockpit, das Unternehmen und Kunden hilft, den vorliegenden Zielkonflikt zwischen der Nutzbarkeit von Daten und den Privatsphäreanforderungen zu überwinden und einen völlig neuen Gestaltungsspielraum für Technologien und (Daten-)Wirtschaft zu ermöglichen.
In Zeiten der Digitalisierung und vor dem Hintergrund stetig steigender Energiepreise wollen viele Unternehmen ihr Bürogebäude
möglichst intelligent und kosteneffizient steuern. Moderne Sensor- und Kommunikationstechnologien können heute dabei helfen, Energiesparpotenziale auszuschöpfen. Im Bereich der intelligenten Gebäudetechnik werden daher datenbasierte Dienstleistungen und innovative Geschäftsmodelle immer wichtiger. Deshalb hat sich das FIR an der RWTH Aachen gemeinsam mit dem International Performance Research Institute (IPRI) aus Stuttgart im Projekt „Smart Building“ (Förderkennzeichen: 18858 N) zur Aufgabe gemacht, Hersteller technischer Gebäudeausrüstung dabei zu unterstützen, ihre bisherigen Geschäftsmodelle um datenbasierte Dienstleistungen zu erweitern.
Die zentrale Herausforderung vieler Unternehmen besteht derzeit darin, den Prozess der Transformation im Sinne einer grundlegenden Neugestaltung zentraler Prozesse oder gar des gesamten Unternehmens zu bewältigen. Im Mittelpunkt steht die Frage, wie Unternehmen die mit dem Umfang einer Transformation und den notwendigen inhaltlichen Veränderungen einhergehende Komplexität bewältigen und die Effizienz und den Erfolg der Transformation gewährleisten können. Die Herausforderung besteht darin, zeitgleich auf der Sachebene neue Strukturen und Systeme zu gestalten und zudem etablierte Verhaltensmuster aufuzubrechen und neue Forderungen zu ertablieren. Der vorliegende Beitrag leistet einen konkreten Mehrwert zur Lösung der dargestellten Herausforderungen, indem er einen Ordnungsrahmen für die Bewältigung der mit einer Transformation einhergehenden Managementaufgaben liefert.
Personal user data is collected and processed at large scale by a handful of big providers of Internet services. This is detrimental to users, who often do not understand the privacy implications of this data collection, as well as to small parties interested in gaining insights from this data pool, e.g., research groups or small and middle-sized enterprises. To remedy this situation, we propose a transparent and user-controlled data market in which users can directly and consensually share their personal data with interested parties for monetary compensation. We define a simple model for such an ecosystem and identify pressing challenges arising within this model with respect to the user and data processor demands, legal obligations, and technological limits. We propose myneData as a conceptual architecture for a trusted online platform to overcome these challenges. Our work provides an initial investigation of the resulting myneData ecosystem as a foundation to subsequently realize our envisioned data market via the myneData platform.
Das vorherrschende Geschäftsmodell führender Internetfirmen besteht darin, persönliche Daten in großem Maße zu sammeln und in bare Münze zu verwandeln. Die weitreichende Erfassung und Verarbeitung von (persönlichen) Daten lässt zwar einerseits „den Rubel rollen“ und kann zudem hilfreich sein bei der Unterstützung der Behörden im Rahmen der Verbrechensbekämpfung, kann aber andererseits für den Einzelnen mehr von Schaden als von Nutzen sein – zumal er oder sie häufig keinerlei Kontrolle über das jeweilige Maß an gewahrter Privatsphäre hat, oft in völliger Unkenntnis über die Weiterverarbeitung und ggf. -veräußerung der Datenbestände gehalten und selten an dem aus seinen oder ihren Daten erwirtschafteten Gewinn beteiligt wird. Eine gesetzliche Regelung, mittels derer die Interessen beider Seiten berücksichtigt werden, ist bisher nicht in Sicht.
Durch die digitale Transformation der Wirtschaft verfügen insbesondere Unternehmen des Maschinenbaus über eine Vielzahl an bisher ungenutzten Daten. Darauf aufbauend ist zunehmend die Anwendung von Business-Analytics in den verschiedenen Bereichen der Unternehmen zu erkennen. Im Dienstleistungsgeschäft von Unternehmen des Maschinenbaus ist bisher aktuell nur eine geringe Anzahl der Unternehmen in der Lage, Daten so zu analysieren, dass hieraus ein Mehrwert generiert wird. Vor diesem Hintergrund werden im Forschungsvorhaben ServiceAnalytics geeignete Analytics-Algorithmen entwickelt, evaluiert und in ein für kleine und mittlere Unternehmen (KMU) geeignetes Implementierungsvorgehen überführt, um die Profitabilität und Innovationsfähigkeit des Geschäftsfeldes industrieller Dienstleistungen in KMU des Maschinenbaus zu steigern. Das IGF-Vorhaben 19164 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen, Campus-Boulevard 55, 52074 Aachen wurde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses
des Deutschen Bundestages gefördert.
Laut BITKOM stehen reine Hersteller von Anlagen vor einem Wandel hin zu Dienstleistern und damit vor der Herausforderung einer steigenden Bedeutung von Service und Support.
Der Einsatz und die Integration von Sensorik innerhalb der Anlagen liefern kontinuierlich Daten über den Zustand ihrer Komponenten (bspw. Verschleiß, Warnungen, Störungsmeldungen, Fehlercodes, Ereignismeldungen, aber auch Umgebungsdaten wie Temperatur, Feuchtigkeit, etc.). Auf diese können die Hersteller nun mit Hilfe des Internets zugreifen und damit ihr Dienstleistungsportfolio erweitern. Die Daten können auf Ereignisse hin untersucht werden und mit bekannten Daten verglichen werden. So können bspw. Nutzungsprofile angelegt oder präventive Wartungsmaßnahmen durchgeführt werden. Um die generierten Daten zu nutzen, müssen sich Unternehmen neu orientieren und das Geschäftsfeld der datenbasierte Dienstleistungen für Smart Buildings aufbauen. Dabei durchlaufen die Unternehmen einen Transformationsprozess, der durch maßgebliche Herausforderungen gekennzeichnet ist. So stoßen die potenziellen Anbieter der datenbasierten Dienstleistungen während des Wandels auf eine dynamische Unternehmensumwelt. Wechselnde Kundenbedürfnisse, schnell reagierende Wettbewerber und sich rasant wandelnde Technologien sind nur einige der Faktoren, die auf die Unternehmen wirken. Diese Herausforderungen gilt es durch geeignete Instrumente zu adressieren und das neue Geschäftsfeld datenbasierter Dienstleistungen gezielt aufzubauen.
Das IGF-Vorhaben 18858 N der Forschungsvereinigung FIR e.V. an der RWTH Aachen Forschungsinstitut für Rationalisierung, Campus-Boulevard 55, 52074 Aachen würde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Smart Building
(2017)
Wenige Entwicklungen wurden bisher in der TGA so häufig und kontrovers diskutiert, wie das Themenfeld Smart Building. Dieser Umstand ist nicht zuletzt dem Sachverhalt geschuldet, dass der Begriff zwar vielfach definiert, sich bisher jedoch kein allgemeingültiges und anerkanntes Begriffsverständnis durchgesetzt hat. Zudem sind die Anwendungsszenarien zahlreich und die beteiligten Branchenakteure stark heterogen. Nicht zuletzt durch eine steigende Anzahl oftmals technologieorientierter Start-ups wird dieser Umstand noch verschärft. In diesem Spannungsfeld besteht die Frage, welche Rolle TGA-Fachplaner zukünftig spielen und wie sie sich optimal im Bereich Smart Building positionieren können.
Als Reaktion auf den Wandel richten produzierende Unternehmen ihr Augenmerk nun verstärkt auf die Bereitstellung von Dienstleistungen und hybride Lösungen aus physischem Produkt, traditioneller und digitaler Dienstleistung. Sie ermöglichen es, sich von Mitbewerbern abzuheben und gleichzeitig die eigenen Margen zu erhöhen. Das Angebot und den Verkauf solcher Produkt-Dienstleistungs-Kombinationen bezeichnet man als Lösungsverkauf oder Solution-Selling. Am Beispiel der Automobilindustrie wird deutlich, wie vielfältig Lösungsangebote sein können, die über das traditionelle Produktgeschäft hinausgehen.
Das Forschungsprojekt ‚DiCES‘ bringt verschiedene Industriepartner zusammen, um gemeinsam ein datenbasiertes, integriertes Wertschöpfungssystem für eine nachhaltige, multidimensionale Kreislaufwirtschaft zu entwickeln. Zur Sicherstellung der Praxisnähe des Projekts fanden Workshops mit Industriepartnern aus unterschiedlichen Industriezweigen statt. Dabei wurden Anforderungen an IT-Systeme, Produktkonfigurationen, Geschäftsmodelle und Produktionskonzept behandelt. Alle erhobenen Anforderungen wurden anschließend für die Kategorisierung aufbereitet.
Der Digitale Produktpass (DPP) ist ein Konzept zur Erfassung und Bereitstellung produktbezogener Informationen während des gesamten Produktlebenszyklus, um Transparenz bezüglich Herkunft, Zusammensetzung und End-of-Life-Behandlungsoptionen zu schaffen. Somit bildet er eine wesentliche Grundlage für die Kreislaufwirtschaft. Es existieren bereits Ansätze für die inhaltliche Konzeption eines DPP für verschiedene Branchen, Datenstandards zur Erfassung von Produktinformationen und mehrere Marktlösungen zur praktischen Umsetzung. Allerdings sind Unternehmen nicht ausreichend auf die Umsetzung von DPP vorbereitet. Eine Herausforderung besteht darin, die relevanten Daten zur Deckung des Informationsbedarfs im Kontext der Kreislaufwirtschaft zu identifizieren und diese Daten mithilfe der bereits vorhandenen IT-Systemlandschaft zu konsolidieren. Die Analyse eines MES liegt hierbei im Fokus, da neben Bauteildaten auch die in der Produktion anfallenden Prozessdaten von Bedeutung sind.
Das Forschungsziel ist demnach die Überführung der im MES anfallenden Daten zu Informationen, die für einen auf die Ermöglichung von Remanufacturing ausgerichteten DPP relevant sind. Dazu wird zunächst eine Literaturrecherche zur Identifizierung potenziell relevanter Prozessdaten in MES sowie in einem DPP für das Remanufacturing erforderlichen Informationen durchgeführt. Um den aktuellen Stand der Technik zu berücksichtigen und konkrete Datenbedarfe für das Remanufacturing zu erfassen, werden diese Grundlagen mit Experteninterviews im produzierenden Sektor angereichert. Die Gegenüberstellung des Informationsbedarfs eines DPP und Datenangebots eines MES erlaubt die Ableitung einer Methodik zur Überführung relevanter Daten in einen DPP. Diese Methodik wird anschließend in der DFA Demonstrationsfabrik Aachen GmbH prototypisch validiert. Die Ergebnisse sollen produzierende Unternehmen unterstützen, mit ihrer bestehenden IT-Systemlandschaft DPP im Kontext des Remanufacturing umzusetzen.
Business ecosystem analysis of companies undergoing digital transformation - A case study analysis
(2021)
Entwicklung eines Beschreibungsmodells für die Standardisierung industrieller Dienstleistungen
(2016)
In dieser Arbeit wird die Zielsetzung verfolgt, ein Beschreibungsmodell für die Standardisierung industrieller Dienstleistungen zu entwickeln. Das Beschreibungsmodell wird in Form einer Morphologie angelegt und neben der Standardisierung primär die Prozesse der industriellen Diensleistungserstellung fokussieren. Es werden prägende Merkmale von Standardisierungen und Prozessen herausgearbeitet und geeignete Merkmalesausprägungen hergeleitet. Einerseits soll die Morphologie ermöglichen, konkrete Standardisierungsmaßnahmen zu beschreiben und anhand der Merkmalsausprägungen Rückschlüsse auf die Ausrichtung und Wirkweise der Standardisierung zu ziehen zu können. Auf der anderen Seite sollen Prozesse derart beschrieben werden, dass Standardisierungspotenziale erkennbar und die Auswirkungen von Standardisierungsmaßnahmen über veränderte Merkmalsausprägungen der Prozessbeschreibung feststellbar werden.
Entwicklung eines Evaluationswerkzeugs zur Bestimmung des Fits von Anwendungsideen für GAIA-X
(2023)
Die Zielsetzung der vorliegenden Bachelorarbeit ist es, einen Ansatz zur Systematisierung von Reaktionsstrategien für Abweichungssituationen in der Fertigungssteuerung zu entwickeln. Der entwickelte Ansatz soll es ermöglichen, den Reaktionsaufwand für Abweichungssituationen zu reduzieren und somit eine schnellere Reaktion auf Abweichungen in der Fertigungssteuerung zu ermöglichen.
MES-Vertrieb im Anlagenbau
(2018)
Machine Learning methods have shown great potential in production during recent years and have subsequently played a significant role in driving the Industry 4.0 revolution. However, there is still a lack of systematic guidelines for identifying and implementing viable ML use cases in the manufacturing industry . The aim of this work therefore, is to identify whether machine learning classifiers can be used in addition to a traditional process monitoring method (tolerance window) in order to improve quality control of staking processes on an assembly line.
Applied methods:
Extensive literature research will be initially conducted in order to understand ongoing research in this field and to clearly define the research gap. For a scientific and structured execution, CRoss Industry Standard Process for Data Mining (CRISP-DM) method will be used as the backbone of the thesis. The first step of Business Process Understanding would include learning about the staking and quality testing processes. This will be followed by data extraction and Exploratory Data Analysis (EDA) as part of Data Understanding. The Data Preparation step would include cleaning, filtering, feature engineering and scaling in order to use as input for the model.
Preparing the Machine Learning model will include selecting, modeling, training and testing the appropriate classification algorithms e.g. Näive Bayes, XGBoost, Feed Forward Neural Network and Random Forest. Depending on a pre-defined success criteria such as Accuracy, Precision etc. the training and test results will be evaluated and the best performing model will be selected. Further, subject to the model performance and business requirments , possible methods for deployment of the classifier in real time production will be discussed.
Expected results:
This work will help to identify if process curve data from staking processes can be used to train machine learning models and improve quality monitoring on an assembly line. Good model performance will indicate potential to reduce waste and decrease unnecessary processing time at the testing station. Additionally, it will also assist the process experts understand unknown influences on the product quality. A systematic approach to implement machine learning for similar use cases involving curve data of staking processes and will be developed.
Reifegradmodell zur Bestimmung der Auswirkungen von Industrie 4.0 auf den industriellen Service
(2019)
Kürzere Produktlebens- und Innovationszyklen sowie eine zunehmende Kreislaufwirtschaft stellen
Unternehmen vor die Herausforderung, ihre Produktionsprozesse schnell an die sich wandelnden
Anforderungen anzupassen. Entscheidend für die Umsetzung einer anpassungsfähigen Produktion ist
eine flexible Intralogistik. Dabei setzen Unternehmen zunehmend auf autonome mobile Roboter (AMR).
AMR navigieren selbstständig und können ihre Route an die Umgebungssituation anpassen, ohne einen
Fahrer zu benötigen. In der Praxis werden diese Vorteile jedoch selten genutzt, da AMR nicht hinreichend
in das Produktionssystem eingebunden sind. Die Schwierigkeit dabei liegt in der Generierung von
Transportaufträgen, die auf die Echtzeit-Lage im Produktionssystem angepasst sind und alle relevanten
Daten auf dem Shopfloor berücksichtigen, um so auf unvorhergesehene Veränderungen flexibel und
effizient zu reagieren.
Das Ziel dieser Arbeit ist die Entwicklung eines Datenmodells, welches die Einflüsse auf den Einsatz von
AMR in der Produktion umfasst und die Erstellung von echtzeitfähigen Transportaufträgen ermöglicht.
Dazu wird zunächst eine Literaturrecherche durchgeführt, um relevante Aspekte wie Datenquellen,
-senken, und -flüsse zu identifizieren. Anschließend werden deren Einflüsse auf echtzeitfähige
Transportaufträge mittels der Betrachtung generischer Use-Cases ermittelt und in einem Datenmodell
erfasst. Das entwickelte Modell soll in der DFA Demonstrationsfabrik Aachen Gmbhl validiert werden.
Die Ergebnisse dieser Arbeit sollen Unternehmen bei der effektiven Implementierung von AMR
unterstützen und als Mittel zur Erhöhung der Reaktionsfähigkeit moderner Produktionssysteme dienen
Industry 4.0 and smart factories have brought significant advancements in manufacturing processes, particularly in intralogistics. A key factor which forms the basis for creating smart intralogistics systems is data. However, there exist several data-related issues that hamper the efficiency of the intralogistics process such as data unavailability, poor data quality, inconsistent data, or underutilization of available data. The challenge is to identify, categorize, evaluate, and solve these issues. Overcoming this will help organizations understand the most impactful challenges.
By analysing real-world scenarios and interviewing industry experts, the problems present within the intralogistics process that are caused by the previously mentioned data-related factors are identified. The identified issues are clustered, and the clusters are characterized. A literature review explores the existing solutions or approaches to overcome these limitations. Subsequently finding out if the identified problems can be solved with current technologies and approaches or further research and development is needed. Next, a framework is developed which will act as a guide on the classification, evaluation and prioritization of the identified challenges. In the final part, the framework is validated on an industry specific use case and its limitations and future scope are discussed.
This master thesis emphasizes the significance of data in intralogistics processes by identifying and addressing data-related issues. The outcome on one hand is state-of-the-art solutions for the identified problems and on the other hand is a framework which will support businesses in determining how to tackle data-related issues to gain most benefit with respect to efficiency, productivity, flexibility and quality.
The advancements in Industry 4.0 technologies have provided unprecedented opportunities for optimizing material transportation through various use cases that are possible through rapid technological advance. An important driver for the use cases is data. However, the lack of understanding, which
specific data, from which sources and in what frequency, slows down the implementation of use cases or even reduces their potential benefits. Companies lack the ability to prepare themselves correctly for a use case integration, especially from the data perspective (e.g. data availability, quality, integration).
Therefore, the goal of this thesis is to create a framework for evaluation of Industry 4.0 use cases in the materials' transportation with regard to needed data. The scientific approach employed in this research involves research and analysis of existing frameworks for description or assessment of use cases in different fields and industries. Following, specific use cases related to material transportation in the context of Industry 4.0 will be identified in order to find similarities in the structure and requirements
regarding needed data, and thus identifying common characteristics and key parameters. These parameters will then serve as the foundation for developing a framework that enables companies to systematically analyse and assess potential use cases for material transportation, considering the data requirements and its integration challenges.
The expected result of this thesis is the development of a practical framework that empowers organizations to evaluate and implement Industry 4.0 use cases for material transportation effectively. By providing a structured methodology, this framework will facilitate decision-making processes and support companies in identifying the most suitable use cases based on their specific requirements and
data availability.
The goal of this thesis is to provide startups with a minimal framework for process management that allows them to take the first steps towards Quality Management. Based on existing approaches and methods - with focus on Lean Thinking and Quality Management - the framework should provide a practical guideline to standardize and optimize processes within startups, considering their limited resources and the uncertainty of the environment they operate in.
Different levels of standardization provide an optimal tradeoff between standardization effort and process improvement, while an iterative evaluation process helps to deal with rising numbers and complexity of tasks while maintaining a low overhead. As a result, startups will be able to quickly evaluate if, how and to what degree a process needs standardization, based on available knowledge about the process.