Refine
Document Type
- Conference Proceeding (3)
- Contribution to a Periodical (8)
- Internet Paper (2)
- Report (2)
- Working Paper (3)
Is part of the Bibliography
- no (18)
Keywords
- Adherence To Delivery Dates (1)
- Assembly (1)
- Assistance Systems (1)
- Auftragsabwicklung (1)
- Auswahl von IT-Systemen (1)
- Datenqualität (3)
- Decision Support (2)
- Deviation Detection (1)
- Discrete Event Simulation (1)
- Disruption Management (1)
Institute
Das Produktionssystem ist ein offenes, sozio-technisches System. Es besitzt eine komplexe Struktur, in der Menschen, Maschinen, Material und Informationen zusammenwirken, um eine Wertsteigerung zu erreichen. Das Produktionssystem steht in ständiger Interaktion mit seiner Umwelt (Westkämper et al. 2013). So sind die Kunden-Lieferanten-Beziehungen von Produktionssystemen häufig dynamisch und instabil. In dieser Gesamtkomplexität können Störungen auftreten, z.B. Maschinen- und Personalausfall sowie Fehlmaterial, die zu Termin- und Lieferverzögerungen führen. Dabei bildet die kundenbezogene Liefertermintreue mit Abstand die führende logistische Zielgröße für produzierende Unternehmen in Deutschland (Brambring et al. 2013). Vor allem im Maschinen- und Anlagenbau, der durch eine besonders komplexe Auftragsabwicklung geprägt ist, stellt eine hohe Liefertermintreue einen bedeutenden Wettbewerbsvorteil dar. Sie wird häufig als Indikator für Prozessqualität herangezogen, welche dem Kunden Zuverlässigkeit demonstriert und zugleich eine interne Voraussetzung für die Planbarkeit des eigenen Geschäftsbetriebs ist (VDMA 2007). Während eine planmäßige und somit termintreue Abwicklung des Leistungserstellungsprozesses Kundenbindung bewirkt, führen Terminüberschreitungen häufig zum Verlust von Kundenbeziehungen sowie Vertragsstrafen (Arnolds et al. 2016).Störungen im Produktionssystem gefährden die Liefertermintreue und damit die Kundenzufriedenheit (Bosshardt 2007). Durch Gegenmaßnahmen entstehen außerdem Zusatzkosten, z.B. durch Zusatzschichten oder Auslagerung von Fertigungsschritten, die die Profitabilität der Aufträge gefährden können. Daher ist es für Unternehmen wichtig, bei Störungen nicht nur die potenziellen Handlungsoptionen, sondern viel mehr deren finanziellen Auswirkungen auf das Produktionssystem zu kennen, um eine optimale Strategie entwickeln zu können. Nur diese Transparenz ermöglicht es Unternehmen, die negativen finanziellen Auswirkungen gegen die negativen Auswirkungen auf die Kundenbeziehungen abzuwägen. In der Praxis stellt sich diese Aufgabe allerdings als sehr schwierig heraus. Unternehmen reagieren häufig nur reaktiv und erfahrungsbasiert. Mitarbeiter müssen sowohl die komplexen Abläufe im Betrieb kennen als auch potenzielle Handlungsoptionen sowie deren Auswirkungen abschätzen können. Dabei müssen die Mitarbeiter eine Komplexität überwinden, die insbesondere bei Einzel- und Kleinserien aufgrund der hohen Vielfalt von Produkten und Prozessen besonders hoch ist. Dies trifft besonders auf KMU zu, die nur über rudimentäre Softwareunterstützungen verfügen.In der Folge werden häufig suboptimale und teure Maßnahmen getroffen. Gleichwohl sind die finanziellen Auswirkungen nicht immer direkt nachvollziehbar, was die finanzielle Stabilität des Unternehmens gefährdet. Darüber hinaus kann die Liefertermintreue der Aufträge, die nicht direkt durch die Störungen betroffen sind, stark negativ beeinflusst werden. Die Summe der daraus entstehenden Folgen kann sich in manchen Fällen stärker auf das Unternehmen auswirken als die Verspätung eines einzelnen, wenn auch wichtigen Auftrages, der direkt durch die Störung betroffen ist. Das durchgeführte Forschungsprojekt „EkuPro“ unterstützt Unternehmen bei der Bewältigung dieser Herausforderungen, indem eine transparente Entscheidungsunterstützung durch das entwickelte Softwaretool ermöglicht wird.
Zielsetzung:
Das Ziel des erarbeitenden Forschungsprojektes war die Entwicklung eines Tools zur objektiven Entscheidungsunterstützung, mit dem kompensatorische Maßnahmen zur Beschleunigung einzelner Aufträge quantitativ und finanziell bewertet werden können. Das Tool unterstützt den Produktionssteuerer, indem es bei kurzfristigen Entscheidungen einen Überblick über die möglichen Handlungsalternativen zur Verfügung stellt. Der Produktionssteurer kann somit auf Basis der angezeigten potenziell entstehenden Kosten eine optimale Entscheidung treffen. Zur Unterstützung wurden die Simulationsergebnisse visualisiert, um die Analyse zu erleichtern. Zudem ist das Tool auf mobilen Endgeräten einsatzfähig. Das Grundprinzip des Tools besteht darin, beim Auftreten einer Störung zunächst die aktuelle Situation des Produktionssystems und die Störung selbst zu erfassen. Dabei werden interne und externe Störungen berücksichtigt, wobei externe Störungen nicht direkt, sondern durch ihre Auswirkungen auf die interne Produktionslogistik beschrieben werden. Die notwendigen Daten zur Abbildung der aktuellen Situation sollen den gängigen Systemen, z.B. MES und ERP, entnommen werden. Auf dieser Basis kann der Produktionsplaner verschiedene Szenarien definieren, die jeweils ein unterschiedliches Set an Maßnahmen beinhalten. Die Auswirkung dieser Maßnahmen wird mithilfe einer Software simuliert und die Ergebnisse, vor allem die Liefertermintreue der Aufträge sowie die finanziellen Mehrkosten, werden visualisiert. Dadurch werden die Szenarien untereinander quantitativ vergleichbar. Dies ermöglicht dem Produktionsplaner die Auswahl einer aus seiner Sicht sinnvollen Maßnahmenkombination.
Gegenüber den klassischen Systemen, z.B. MES und ERP, hat das Tool die folgenden Vorteile:
Zielgerichtete Entscheidungsunterstützung
Quantitative Vorhersage durch Simulation
Systematische Integration der Kostenermittlung und Liefertermintreue
Entgegen dem ursprünglichen Ziel, nur die Kosten des direkt durch die Störung betroffenen, verzögerten Auftrages zu betrachten, wurde in Absprache mit dem projektbegleitenden Ausschuss (pbA) entschieden, die finanzielle Auswirkung aller Aufträge zu berücksichtigen. Nur dadurch kann die Gesamtauswirkung der Maßnahmen vollständig untersucht und gegeneinander abgewogen werden. Diese Erweiterung der Zielstellung des Projektes stellt einen erheblichen Mehrwert im Vergleich zum ursprünglichen Forschungsvorhaben dar.
Die vorliegende Publikation beinhaltet die Projektergebnisse des Forschungsprojekts „FlAixEnergy – Innovative Energieflexibilitätsplattform zur Synchronisation und Vermarktung des regionalen Stromverbrauchs industrieller Anwender mit dezentraler Energieerzeugung in der Modellregion Aachen“ (Förderkennzeichen 0325819A-I). Dieses Forschungs- und Entwicklungsprojekt wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert und vom Projektträger Jülich (PTJ) betreut. Die Autoren sind für den Inhalt der Veröffentlichung verantwortlich.
Manufacturing-Execution-Systeme (MES) bieten durch ihren Funktionsumfang eine gute Möglichkeit, die Digitalisierung des eigenen Produktionsbetriebes voranzutreiben. Die Auswahl, Beschaffung und Einführung von IT-Systemen stellen Unternehmen meist vor große Herausforderungen. In diesem Beitrag werden anhand des 3Phasen-Konzepts Herausforderungen sowohl in zeitlicher Abfolge als auch in Handlungsfelder strukturiert und beschrieben. Ziel ist es, Unternehmen zu befähigen, eine optimale Auswahl durchzuführen, um eine reibungslose und risikoarme Implementierung durchzuführen.
Die Process-Mining-Technologie bietet eine zunehmende wichtige Grundlage für Initiativen zur Prozessoptimierung. Gerade an Systemanbieter wird die Nachfrage steigen, solche Funktionen direkt in ihre Lösungen zu integrieren. Möchten Systemanbieter ihren Kunden Process-Mining-Funktionalitäten bieten, können sie anhand eines vierschrittigen systematischen Vorgehens umetzen.
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.
Changing customer demands lead to increasing product varieties and decreasing delivery times, which in turn pose great challenges for production companies. Combined with high market volatility, they lead to increasingly complex and diverse production processes. Thus, the susceptibility to disruptions in manufacturing rises, turning the task of Production Planning and Control (PPC) into a complex, dynamic and multidimensional problem. Addressing PPC challenges such as disruption management in an efficient and timely manner requires a high level of manual human intervention. In times of digitization and Industry 4.0, companies strive to find ways to guide their workers in this process of disruption management or automate it to eliminate human intervention altogether. This paper presents one possible application of Machine Learning (ML) in disruption management on a real-life use case in mixed model continuous production, specifically in the final assembly. The aim is to ensure high-quality online decision support for PPC tasks. This paper will therefore discuss the use of ML to anticipate production disruptions, solutions to efficiently highlight and convey the relevant information, as well as the generation of possible reaction strategies. Additionally, the necessary preparatory work and fundamentals are covered in the discussion, providing guidelines for production companies towards consistent and efficient disruption management.
Process-Mining
(2020)
In der Produktionssteuerung kleiner und mittlerer Unternehmen müssen verspätete Fertigungsaufträge zur Einhaltung des Kundenliefertermins mit reaktiven Maßnahmen beschleunigt werden. Die Entscheidung für die optimale Maßnahme in dieser Situation ist für Produktionssteuerer eine große Herausforderung. Um den Entscheidungsprozess zu unterstützen, werden daher im Forschungsprojekt 'EkuPro' (Förderkennzeichen 03135/17 N) eine App und eine Simulationsplattform entwickelt, die den Produktionssteuerer bei der objektiven Auswahl kompensatorischer Maßnahmen gegen Termin- und Lieferverzögerungen unterstützen sollen.
Während Sprachassistenzsysteme im privaten Kontext weit verbreitet sind, existieren im industriellen Bereich nur vereinzelte Anwendungsbeispiele. Im Rahmen des Forschungsprojekts ‚Smart Speaker‘ wird genau dieser Mangel adressiert. Ziel des Projekts ist die Entwicklung eines Vorgehensmodells, welches Industrieunternehmen zum Einsatz von Sprachassistenzsystemen befähigen soll. Das IGF-Vorhaben 20983 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Die Kopplung von ERP- und Real-Time-Location-System (RTLS) ermöglicht ein effizientes Tracking und Tracing in der Produktion von morgen. Wie dies genau aussehen kann, welche technischen Grundlagen dazu geschaffen werden müssen und welche Vorteile sich daraus für Unternehmen ergeben, wurde im Konsortialprojekt "RTLS3.0" am Cluster Smart Logistik untersucht. Dazu wurde ein Living Demonstrator entwickelt, der sich nun in der dritten Ausbaustufe befindet. Das Projekt "RTLS3.0" ermöglicht einen Zugang für produzierende Unternehmen zur digitalen Welt. Durch echtzeitfähige, präzise Lokalisierungs- und Rückmeldemechanismen kann der Herausforderung des Tracking und Tracing effektiv und effizient entgegengetreten werden.