Layouted

Green Productivity in der Circular Economy

Green Productivity in der Circular Economy

Steigerungspotenziale durch die Digitalisierung
Verena Luisa Aufderheide ORCID Icon
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.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 2 | Seite 41-45
Industrieroboter in der Additiven Fertigung

Industrieroboter in der Additiven Fertigung

Norbert Babel
Der Einsatz von Industrierobotern in der Additiven Fertigung erfährt in den letzten Jahren eine steigende Anwendung. Insbesondere aufgrund des voluminösen Bauraums und der großen Flexibilität sind diese für eine Herstellung von großvolumigen, individualisierten Bauteilen prädestiniert. Durch die vielachsigen Bewegungsmöglichkeiten des, am Endeffektor angebrachten Druckkopfs in Verbindung mit einer Schwenkkippeinheit der Bauplattform, kann auf Stützstrukturen verzichtet werden, was einen großen wirtschaftlichen Vorteil darstellt.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 2 | Seite 60-63
Integration agiler Produktentwicklung und Ökodesign bei KMU

Integration agiler Produktentwicklung und Ökodesign bei KMU

Lösungsstrategien für umweltverträgliche Produkte und Produktionsprozesse im Kontext von Kleinunternehmen
Manuel Löwer, Tim Katzwinkel, Dominik Limbach
Die anhaltende politische und gesellschaftliche Forderung nach umweltverträglichen Produkten setzt Unternehmen zunehmend unter Druck. Insbesondere kleine und mittelständische Unternehmen müssen nun schnell Lösungen für diese Anforderungen finden oder entwickeln. In diesem Beitrag wird daher ein methodischer Ansatz vorgestellt, der die bewährten Strategien agiler Produktentwicklungsmethoden mit den etablierten spezifischen Aktivitäten des sogenannten Ökodesigns (engl. „Ecodesign“) verbindet. Die Methodik wird zunächst theoretisch erörtert und dann anhand einer Fallstudie eines Handwerkszeugs in einem realen Unternehmenskontext experimentell evaluiert und diskutiert.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 2 | Seite 46-50 | DOI 10.30844/IM_23-2_46-50
Klimaneutralität und Digitalisierung

Klimaneutralität und Digitalisierung

Ein reifegradbasierter Ansatz zur Identifikation von Stellhebeln in der Produktion
Stefan Seyfried ORCID Icon, Lukas Martin, Matthias Weigold ORCID Icon
Klimaneutralität und Digitalisierung sind zwei zukunftsrelevante und miteinander verknüpfte Themenfelder, die für produzierende Unternehmen zunehmend an Bedeutung gewinnen. Doch gerade für kleine und mittlere Unternehmen (KMU) ist es oft schwierig, einen Überblick über die Konzepte und konkreten Maßnahmen in diesen Themenfeldern zu erhalten. In diesem Artikel wird ein Reifegradmodell vorgestellt, welches Unternehmen eine praktische Hilfestellung bietet, die Ziele Klimaneutralität und Digitalisierung zu verbinden und für das Unternehmen geeignete (Digitalisierungs-)Maßnahmen zu identifizieren, welche die Transformation in Richtung einer klimaneutralen Produktion unterstützen.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 2 | Seite 51-55
Nachhaltige und intelligente additive Fertigung

Nachhaltige und intelligente additive Fertigung

Frühzeitige Erkennung von Produktionsfehlern im 3D-Druck durch Künstliche Intelligenz
Kai Scherer ORCID Icon, Sebastian Bast ORCID Icon, Julien Murach, Stephan Didas, Guido Dartmann, Michael Wahl
Die additive Fertigung ist eine zunehmend an Bedeutung gewinnende Fertigungstechnologie mit einem großen wirtschaftlichen Potenzial. Ihre Beliebtheit geht jedoch mit hohen Material- und Zeitverlusten einher, da fehlerbehaftete Werkstücke in vielen Fällen erst sehr spät im Fertigungsprozess erkannt werden. Ein Lösungsansatz für eine nachhaltigere und effizientere Produktion ist das automatisierte und frühzeitige Erkennen von Fertigungsfehlern mit Verfahren der Künstlichen Intelligenz. Dieser Beitrag beschreibt die Digitalisierung des Fehlererkennungsprozesses im 3D-Druck mithilfe eines bildbasierten, lernenden Systems. Dabei wird neben den einzelnen Arbeitsschritten zur automatisierten Fehlererkennung auch auf die Leistung des Systems eingegangen.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 2 | Seite 56-59 | DOI 10.30844/IM_23-2_56-59
Nachhaltigkeit durch Digitalisierung im Mittelstand

Nachhaltigkeit durch Digitalisierung im Mittelstand

Chancen der Digitalisierung zur Erhöhung der Nachhaltigkeit in KMU-Anwendungsfällen – Ein Praxisbeitrag
Henry Ekwaro-Osire, Stefan Wiesner, Dennis Bode, Alexandra Pehlken
Die Auswirkungen des rasanten technologischen Wandels in einem wettbewerbsintensiven globalen Markt beeinflussen kleine und mittlere Unternehmen (KMU) in einem zunehmenden Ausmaß. Die digitale Transformation erhöht die Vernetzung zwischen der Fertigung, Produkt und dem Kunden und erfordert gleichzeitig die Erweiterung des Wertangebots über den gesamten Lebenszyklus. Als weitere Herausforderung kommt die Notwendigkeit hinzu, trotz verkürzter Produktzyklen nachhaltiger zu agieren. Angesichts dieser Trends müssen die KMU sowohl ihre Geschäftsprozesse, als auch ihre technologische Ausstattung verbessern, um interne und externe Nachhaltigkeitsziele, z.B. basierend auf den UN Sustainable Development Goals, erreichen zu können, effizienter und effektiver auf dem Markt zu sein und die Bedürfnisse ihrer Kunden befriedigen zu können. In diesem Artikel werden die Chancen der Digitalisierung zur Erreichung dieser Ziele anhand zweier Anwendungsfälle aus KMU vorgestellt.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 2 | Seite 36-40
Mein Kollege ist ein Roboter

Mein Kollege ist ein Roboter

Akzeptanz der kollaborativen Robotik in Lagerhäusern
Frederic Jacob, Eric Grosse ORCID Icon, Stefan Morana, Cornelius J. König
Die Lagerhaltung ist in vielen Unternehmen sehr arbeits- und kosten­intensiv. Die Digitalisierung und Automatisierung von manuellen Lagerprozessen können die Effizienz steigern, Kosten senken und Mitarbeitende entlasten. Dabei finden kollaborative Roboter, die sich Arbeitsaufgaben mit Mitarbeitenden teilen, zunehmend Anwendung in Lagerhäusern. Der unreflektierte Einsatz solcher Roboter kann jedoch die Akzeptanz der Mensch-Roboter-Kollaboration negativ beeinflussen. Verschiedene Einflüsse wie Angst vor Arbeitsplatzverlust, höherer kognitiver Stress, erwarteter Mehraufwand oder die Sorge vor Verletzungen können die Zusammenarbeit zwischen Mensch und Roboter behindern und sich negativ auf den wirtschaftlichen Nutzen auswirken. Dieser Beitrag stellt mögliche Barrieren für die Akzeptanz der kollaborativen Robotik in Lagerhäusern vor und diskutiert Handlungsempfehlungen für eine menschzentrierte, nachhaltige Mensch-Roboter-Kollaboration.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 1 | Seite 23-26 | DOI 10.30844/IM_23-1_23-26
Methoden für die Gestaltung der Unternehmensarchitektur

Methoden für die Gestaltung der Unternehmensarchitektur

EAM als Enabler für die Konzipierung übertragbarer KI-Lösungen
Arno Kühn, Arthur Wegel ORCID Icon, Jonas Cieply ORCID Icon
Laut acatech [1] gewinnt Künstliche Intelligenz (KI) zunehmend an Bedeutung für den Erfolg produzierender Unternehmen. Die entstehenden datengetriebenen Lösungen im Bereich der Produktion sind gekennzeichnet durch ihre Vielfalt. Sowohl die Prozesse, in denen die Lösungen eingesetzt werden, als auch der Standort (verschiedene Fabriken, Fabrikteilbereiche, etc.) der Lösungen unterscheiden sich. Häufig werden die Lösungen zudem kaum über die Pilotgrenzen hinaus skaliert. Am Ende eines KI-Projekts sind die Ziele eines Anwendungsfalls erfüllt, für die IT-Systemlandschaft kommt jedoch oft eine weitere Insellösung hinzu. Die entstehenden Daten werden nicht weiter verwertet, eine aufwändige Wartung macht die gewonnenen Effizienzen zunichte.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 1 | Seite 37-42 | DOI 10.30844/IM_23-1_37-42
Optische Erfassung von Messwerten

Optische Erfassung von Messwerten

Maschinelle Lernverfahren zur Digitalisierung manueller Ablese- und Messvorgänge
Matthias Mühlbauer, Hubert Würschinger, Nico Hanenkamp, Svyatoslav Funtikov
Im Fabrikbetrieb kommen häufig Messmittel zum Einsatz, bei denen noch keine automatische Abspeicherung oder Weiterverarbeitung des gemessenen Werts erfolgt. Mitarbeiter müssen in diesem Fall den Messwert manuell erfassen und weiterverarbeiten. Folgend wird ein Ansatz zur optischen Erfassung und Digitalisierung von Messwerten mithilfe Maschineller Lernverfahren vorgestellt. Dies soll zur Entlastung der Mitarbeiter beitragen, Ablesefehler reduzieren sowie eine automatisierte Dokumentation ermöglichen.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 1 | Seite 43-47 | DOI 10.30844/IM_23-1_43-47
Predictive Manufacturing

Predictive Manufacturing

Ein Intelligentes Überwachungssystem zur Erkennung von Anomalien im 3D-Druck
Benjamin Uhrich, Shirin Lange, Miriam Louise Carnot, Martin Schäfer
Beim selektiven Laserschmelzen wird Metallpulver schichtweise aufgeschmolzen und mit dem bereits gefertigten Bauteil verschmolzen. Innerhalb dieses Prozesses entstehen vermeidbare fehlerhafte Schichten. Derartige Fehler sind erst durch verschiedene Druck- und Zugfestigkeitsexperimente nach dem Druck feststellbar. Dieses Vorgehen ist kostenintensiv und ineffizient.
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 1 | Seite 27-31 | DOI 10.30844/I4SE.23.1.88
1 23 24 25 49