Risikomanagement in der Planung automatisierter Lager

Entwicklung und Einsatz einer wissensbasierten, generischen Lager-FMEA

Harald Augustin ORCID Icon, Gabriel Mičić ORCID Icon
ZeitschriftIndustry 4.0 Science
Ausgabe40. Jahrgang, 2024, Ausgabe 3, Seite 41-46
Literatur Teilen Zitieren Download

Abstract

Die Planung und Umsetzung automatisierter Lager zeichnet sich durch hohe Investitionen und Risiken aus. Die zur Risikoreduzierung eingesetzte FMEA (Failure Mode and Effects Analysis) ist sehr aufwendig in der Durchführung, da sie bezüglich Gestaltung und Durchführungsunterstützung Defizite aufweist: Überwiegend Fokus auf die Prozesssicht ohne Verknüpfung zur Konstruktions-FMEA der Automatisierungsobjekte, unzureichend strukturierte Nutzung ähnlicher sich wiederholender Prozesse und Technologien, keine automatisierte, parametrisierte Generierung von Aktivitäten, Fehlern und Ursachen sowie keine integrative Testszenarienableitung. Diese Defizite führen zu nicht erkannten Fehlern und erhöhen den Aufwand der FMEA-Durchführung und Testszenarienentwicklung. Es wird ein generisches FMEA-Modell vorgestellt, das u. a. auf umfangreiche Praxisdaten in Form von Wissensbasen zugreift, und die zuvor genannten Defizite auflöst.

Keywords

, , , ,

Artikel

Obwohl viele Aufgaben und Aktivitäten im Lagerbereich repetitiv sind, werden Risikofaktoren und Fehlerarten in FMEAs oft getrennt voneinander betrachtet. Eine universal anwendbare FMEA zur Risikoanalyse könnte daher eine wichtige Lücke schließen.

Zugang beschränkt

Sie sind zur Zeit nicht angemeldet / noch nicht registriert.

Um diesen Inhalt vollständig lesen zu können, müssen Sie über ein entsprechendes inklusiv-Abonnement verfügen. Alternativ können Sie den Zugang auch durch Zahlung eines Einmalpreises erhalten.

Abo inklusive Einzelkauf
ohne − 29,00 €
Digital − 27,55 €
Expert − 26,10 €
Professional ✓ 0,00 €

Lesen für einmalig 29,00 €

Alle Preise enthalten 7% Mehrwertsteuer

Nach Erwerb der Zugangsrechte werden Sie automatisch wieder zu dieser Seite zurückgeleitet.

Das könnte Sie auch interessieren

KI-basierte Dokumentationssysteme in der Pflege

KI-basierte Dokumentationssysteme in der Pflege

Potenziale zur Verbesserung der Dokumentationsqualität und zur Entlastung des Pflegepersonals
Sophie Berretta ORCID Icon, Elisabeth Liedmann ORCID Icon, Paul-Fiete Kramer ORCID Icon, Anja Gerlmaier, Christopher Schmidt
In Zeiten des demografischen Wandels, der mit einem wachsenden Pflegebedarf und Fachkräftemangel einhergeht, rücken KI-basierte Technologien zunehmend in den Fokus pflegebezogener Innovationen. Erwartet werden Entlastung, Zeitersparnisse und eine höhere Attraktivität des Pflegeberufs. Der Beitrag untersucht am Beispiel der KI-gestützten Dokumentation von Aufnahmegesprächen, inwiefern solche Systeme Arbeits- und Pflegequalität verbessern können. Im Zentrum stehen die Perspektiven von Pflegekräften und -expert:innen. Die Ergebnisse zeigen Potenziale zur Entlastung, Steigerung der Dokumentationsqualität und Freisetzung zeitlicher Ressourcen für die direkte Pflege. Voraussetzung ist eine humanzentrierte, kontextsensibel gestaltete Implementierung.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 154-160 | DOI 10.30844/I4SD.26.1.154
Von der Theorie zur Praxis

Von der Theorie zur Praxis

Weniger Fehler und schnellere Umsetzung von Produktionsprozessen dank Augmented Reality
Jana Gonnermann-Müller ORCID Icon, Philip Wotschack ORCID Icon, Martin Krzywdzinski ORCID Icon, Norbert Gronau ORCID Icon
Die zunehmende Komplexität industrieller Umgebungen erfordert neue Kompetenzen, insbesondere in der Interaktion mit digitalen Systemen. Traditionelle Ausbildungsmethoden reichen für den effektiven Transfer von angewandtem Wissen oft nicht aus. Um diese Lücke zu schließen, wurde ein Experiment durchgeführt, bei dem Augmented Reality (AR) und papierbasierte Anleitungen in einem Produktionsszenario verglichen wurden. Die Ergebnisse zeigen: Teilnehmer, die mit AR lernten, führten den Produktionsprozess deutlich schneller und mit weniger Fehlern durch. Darüber hinaus berichteten die Lernenden, die AR nutzten, von einer höheren Benutzerfreundlichkeit und einer geringeren kognitiven Belastung während des Trainings.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 22-29 | DOI 10.30844/I4SD.25.5.22
Eine kamerabasierte Methode zur Ergonomieanalyse

Eine kamerabasierte Methode zur Ergonomieanalyse

Methodenentwicklung für den Einsatz in der manuellen Montage
Jannik Liebchen ORCID Icon, Burak Vur ORCID Icon, Michael Freitag ORCID Icon
Eine gezielte ergonomische Gestaltung von Arbeitsplätzen und Prozessen kann den Herausforderungen der manuellen Montage entgegenwirken und die Arbeitsbedingungen verbessern. Die derzeit vorherrschende manuelle Ergonomiebewertung durch Experten ist jedoch zeit- und ressourcenintensiv. In diesem Beitrag wird eine automatisierte Bewertungsmethode vorgestellt, die auf dem Rapid Upper Limb Assessment (RULA) basiert. Ergebnisse einer Laborstudie mit einem Montageszenario weisen eine Übereinstimmung mit Expertenbewertungen nach.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 120-126 | DOI 10.30844/I4SD.25.5.120
Automatisierung der Produktionsplanung und -steuerung

Automatisierung der Produktionsplanung und -steuerung

Ein Einblick in die Produktionssteuerung mit intelligenten Agenten
Jonas Schneider ORCID Icon, Peter Nyhuis ORCID Icon, Matthias Schmidt ORCID Icon
Wie kann Künstliche Intelligenz (KI) die Produktionsplanung und -steuerung (PPS) automatisieren? Im vorliegenden Artikel wird untersucht, inwiefern KI einen Beitrag zur Automatisierung der PPS leisten kann, indem die Potenziale zur Steigerung der Effizienz in modernen Produktionsumgebungen erforscht werden. Der Fokus liegt auf der Implementierung einer robusten Dateninfrastruktur, die Echtzeit-, historische und kontextbezogene Daten integriert. Konkret wird die Anwendung von Reinforcement Learning (RL) betrachtet und eine Roadmap für die Umsetzung vorgestellt, die sich auf die praktische Anwendung fokussiert.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 86-93 | DOI 10.30844/I4SD.25.5.86
Erhöhung der Resilienz in der Logistik durch den Einsatz von IT

Erhöhung der Resilienz in der Logistik durch den Einsatz von IT

Am Beispiel von Supply-Chain-Risikomanagementinformationssystemen
Alexander Baur, Jasmin Hauser, Dieter Uckelmann ORCID Icon
Die Blockade des Suezkanals durch die Havarie des Containerschiffs Ever-Given im Jahr 2021 verdeutlicht exemplarisch die Notwendigkeit, globale Lieferketten so zu gestalten, dass sie schnell auf Störungen reagieren können. In der volatilen, unsicheren, komplexen und mehrdeutigen (VUCA) Umgebung stoßen konventionelle, auf Effizienz ausgerichtete Logistikprozesse und speziell Supply-Chain-Management-Methoden zunehmend an ihre Grenzen. Resilienz, die durch die Kombination von Robustheit und Agilität erreicht wird, ist essenziell, um diese Reaktionsfähigkeit sicherzustellen. Der vorliegende Artikel analysiert, wie Risikomanagementinformationssysteme (RMIS) die Resilienz erhöhen können. Die Analyse umfasst die Datenverfügbarkeit, die Datentransparenz, die Modellierung und Simulation von Risikoszenarien und die Erarbeitung von entsprechenden Notfallaktionsplänen. Die genannten Maßnahmen können, trotz der bestehenden Herausforderungen bei der Gestaltung der IT-Infrastruktur, ...
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 4 | Seite 36-42
Digitaler Zwilling mittels semantischer Modellierung und KI

Digitaler Zwilling mittels semantischer Modellierung und KI

Selbstlernende Entwicklung und Simulation industrieller Produktionsanlagen
Wolfram Höpken ORCID Icon, Ralf Stetter ORCID Icon, Markus Pfeil ORCID Icon, Thomas Bayer ORCID Icon, Bernd Michelberger, Markus Till, Timo Schuchter, Alexander Lohr
Der KI-basierte selbstlernende Digitale Zwilling passt sich automatisch an das reale Systemverhalten an und stellt jederzeit ein optimales Abbild eines Produktionsprozesses dar. Ein ausdrucksstarkes, semantisches Gesamtmodell dient als Basis für neuartige Ansätze der künstlichen Intelligenz (KI). Die mittels Methoden der KI gewonnenen Erkenntnisse werden in das Gesamtmodell integriert und so die Interpretierbarkeit und Erklärbarkeit der KI-Modelle verbessert. Methoden aus dem Bereich der eXplainable AI ermöglichen die automatische Beschreibung von KI-Modellen und deren Erkenntnisse sowie den Aufbau selbsterklärender Modelle.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 30-36 | DOI 10.30844/I4SD.25.2.30
Florian Goldmann