Design

Digitalisierung und nachhaltige Entwicklung spielen eine immer wichtigere Rolle in vielen Bereichen, insbesondere in der Produktion, wobei offen ist, wie sie sich gegenseitig beeinflussen. Erste Studien beschäftigten sich mit der Frage, wie sich die Digitalisierung auf die Nachhaltigkeit auswirken kann − sowohl positiv als auch negativ. Dabei wurde deutlich, dass es einen großen Bedarf für eine Bewertungsmethode mit Indikatoren aus allen Nachhaltigkeitssichten (ökologisch, ökonomisch, sozial) gibt. Im Rahmen dieses Beitrags wird exemplarisch für den digitalen Textildruck aufgezeigt, wie eine entsprechende modellgestützte Bewertungsmethode hinsichtlich ökologischer und ökonomischer Nachhaltigkeit gestaltet werden kann.

Durch die aktuell gestiegenen Energiekosten, sowie der zusätzlich von der Bundesregierung gesetzten Herausforderung, bis zum Jahr 2045 CO2-neutral zu werden, gewinnt die Energieeffizienz in nahezu allen Branchen des produzierenden Gewerbes immer mehr an Bedeutung. Mit Technologien aus dem Bereich des maschinellen Lernens (ML) können innovative Lösungen entwickelt werden, die eine energieeffizientere Produktherstellung ermöglichen, wodurch ML-gestützte Prozessführung einen entscheidenden Beitrag zur Steigerung der Nachhaltigkeit und Wettbewerbsfähigkeit eines Unternehmens leisten kann. Entscheidend sind hierbei die prozess- und rohstoffabhängigen Parameter, die maßgeblich für die Qualität des zu produzierenden Produktes verantwortlich sind. Gegenstand dieses Beitrags ist ein Vorgehen zur Analyse der komplexen Zusammenhänge zwischen den verschiedenen Einflussparametern zur Steigerung der Energieeffizienz im produzierenden Gewerbe.

Die Circular Economy (CE) ist eine Wirtschaftsform, die die Nutzung von Produkten und Ressourcen verlängert, indem diese im Kreislauf geführt werden. Die lineare Supply Chain (SC) wird somit zu einer zirkulären SC. Für die Wiederaufbereitung von Produkten und für das Recycling sind jedoch weitere Inputs notwendig. Außerdem entstehen bei diesen Prozessen zusätzliche Umweltbelastungen. Fraglich ist daher, ob sich die Kreislaufführung von Produkten nur aus finanzieller, ökonomischer Sicht lohnt oder auch unter ökologischen Aspekten Vorteile mit sich bringt. Ein Ansatz, der die ökonomische Auswirkung eines Produkts ins Verhältnis mit der ökologischen Auswirkung setzt, ist der Green Productivity Index (GPI). Nachfolgend wird dieser für die CE weiterentwickelt. Weiter untersucht der vorliegende Beitrag, wie sich die Digitalisierung auf die Green Productivity (GP) der CE auswirkt und an welchen Stellen ein Steigerungspotenzial durch die Digitalisierung entsteht.

Zum Reinigen von Werkstückoberflächen wird häufig das Reinigungsstrahlen angewendet. Dabei wird ein Strahlmittel (Flüssigkeit, Sand, Glasperlen, Guss- oder Korund-Partikel) durch einen, mit hoher Geschwindigkeit austretenden Luftstrom beschleunigt. Aus Sicherheitsgründen wird das Strahlen daher in geschlossenen Kammern oder Kabinen durchgeführt. Strahlmittel und vom Werkstück abgetragenes Material füllen jedoch schnell die Luft in der Kammer, sodass die Sicht – und damit eine Beurteilung des Strahlergebnisses – erheblich erschwert wird. In begehbaren Kabinen muss zudem mit Vollschutzanzügen gearbeitet werden, sodass eine Gesundheitsüberwachung des Mitarbeitenden erfolgen muss. In diesem Beitrag werden, am Beispiel der Dekontamination beim Kernkraftwerkrückbau, die Entwicklung und der Test einer Kamera beschrieben, mit deren Hilfe eine optische Begutachtung des Strahlprozesses unter schwierigsten Umgebungsbedingungen, wie sie beim Strahlprozess herrschen, verbessert wird. ...

Der Wettbewerbsdruck in der Kontraktlogistikbranche ist groß. Logistikanbieter müssen schnell und mit überzeugenden Konzepten auf Ausschreibungen reagieren. Dieser Beitrag zeigt erste Ansätze, wie die Prozessplanung der Logistik im Ausschreibungsmanagement mit Methoden des überwachten Lernens beschleunigt werden kann. Unter der Prämisse, dass ähnliche Prozesse aus vergangenen Projekten auf ein neues Projekt übertragen und angepasst werden können, schlägt ein KI-basiertes Assistenzsystem während der Planung mittels Methoden des überwachten Lernens geeignete Prozessschritte in Form von MTM-Codes (Methods-Time Measurement) vor. Dieses Vorgehen beschleunigt die Prozessplanung und kann zu einer Steigerung der Qualität der geplanten Logistikkonzepte führen.