Layouted

Autonome Systeme werden perspektivisch alle Lebensbereiche durchdringen und haben das Potenzial, einen gesellschaftlichen Wandel auszulösen. Die Konzipierung dieser hochkomplexen Systeme erfordert leistungsfähige Entwicklungsansätze und -methoden, die disziplinübergreifend angewendet werden. Stellvertretend für die vielschichtigen Anwendungsbereiche von autonomen Systemen steht die industrielle Produktion, in der im Kontext von Industrie 4.0 bereits eine technologieinduzierte Transformation eingeleitet wurde.

Existierende Fabriken weisen häufig hierarchische Strukturen bei Entscheidungsfindung und Steuerung auf. Cyber-Physische Systeme ermöglichen es prinzipiell, den Grad an Autonomie bei Entscheidungsfindung und Steuerung zu erhöhen. Unklar ist allerdings bisher weitgehend, bis zu welchem Grad Autonomie tatsächlich nützlich ist. Dieser Beitrag differenziert unterschiedliche Definitionen von Autonomie und Ansätze, diese zu erreichen. Erste experimentelle Erkenntnisse in einer Laborumgebung helfen, die aufgestellten Fragen zu beantworten.

Cyber-Physical Systems (CPS) sind ein Beispiel für die immer engere Verbindung von digitaler und realer Welt. Denn in CPS werden Abläufe und physische Gegenstände unmittelbar in digitale Prozesse integriert. Für IT-Experten bedeutet das mehr Komplexität in der Entwicklung von IT-Systemen. Denn die bisherige Modellbildung, mit der sie gearbeitet haben, stößt angesichts der Unordnung in der realen Welt an ihre Grenzen. Künstliche Intelligenz (KI) hilft dabei, diese Komplexität zu beherrschen und so den Einsatz von CPS zu erleichtern beziehungsweise zu ermöglichen. Die Stärke von CPS liegt insbesondere im Finden von Optimierungspotenzialen, im Erkennen von Mustern und in der engen Zusammenarbeit mit Menschen. Verfahren wie Machine Learning, das die Grundlage für beispielsweise Bilderkennung oder Spracherkennung liefert, erlauben einerseits engere Interaktionsmöglichkeiten zwischen Mensch und CPS. Andererseits erhöhen diese Techniken den Autonomiegrad, mit dem CPS arbeiten ...

Einerseits ist die vierte industrielle Revolution derzeit das Thema der Industrie, andererseits stellen renommierte Gesellschaften und Unternehmensberatungen einen nicht zufriedenstellenden Implementierungsgrad der gängigen Lean-Methoden fest. Es stellt sich die Frage, inwieweit eine Umsetzung dieser Lean-Methoden sinnvoll für den Einzug der Industrie 4.0 ist oder ob diese Methoden sogar als Voraussetzung angesehen werden können. Hierzu wurden alle gängigen Prinzipien und Methoden des Lean-Managements mit den Prinzipien und Technologien der Industrie 4.0 gegenübergestellt. Es zeigt sich, dass LeanManagement eine solide Basis für die erfolgreiche Implementierung der vierten industriellen Revolution für die Produktion der Zukunft ist. Lean-Management kann bzw. muss sogar letztlich als eine essenzielle Voraussetzung gesehen werden.

Moderne Logistikkonzepte spielen angesichts der weltweit zunehmenden Transportleistung aus ökonomischer Sicht bei Unternehmen eine essenzielle Rolle. Hohe Zeitersparnis, schnellere Lieferfähigkeit und reduzierte Bestände bewirken eine schlankere Supply Chain, wodurch hohe Kosteneinsparungen mit einhergehen [1]. Die daraus resultierenden Umweltauswirkungen (z. B. im Hinblick auf die Anzahl der Transporte, Energiebedarf - und Flächenverbrauch durch Logistikflächen) werden bisher wenig betrachtet und werfen die Frage auf, inwiefern Unternehmen Vendor Managed Inventory (VMI) auch aus ökologischer Sicht betrachten. Die vorliegende Studie untersucht das dort in Unternehmen vorhandene ökologische Bewusstsein zum Einsatz von VMI. Basierend auf einer Umfrage in der Logistikbranche in Deutschland wurden die Ergebnisse analysiert, zusammengefasst und als Handlungsempfehlungen herausgegeben.

Cyber-Physische Systeme ermöglichen Unternehmen die virtuelle Abbildung von realen Prozessen, wodurch Produktions- und Logistiksysteme effizienter überwacht und gesteuert werden können. Diese Steigerung der Prozesstransparenz wird durch immer günstigere Sensoren und Aktoren ermöglicht.

Im Zuge der Digitalisierung und Industrie 4.0 werden Objekte und Systeme in der Logistik zunehmend mit Informations- und Kommunikationstechnologien ausgestattet, was mit neuen Funktionalitäten einhergeht. Solche intelligenten Objekte ermöglichen innerhalb von Supply Chains eine hochauflösende Darstellung von Prozessen und unterstützen deren Steuerung. Parallel steigen die Möglichkeiten und Varianten bei der technischen Gestaltung und Integration von intelligenten Objekten. Dies stellt Unternehmen vor neue Herausforderungen in der Beherrschung der steigenden Komplexität. Zur Handhabung dieser Komplexität wird in diesem Beitrag ein Ansatz zur systematischen Strukturierung von Objekten in einer vernetzten Logistik hinsichtlich Funktion, Aufbau sowie Abhängigkeiten in einem Gesamtsystem vorgestellt.

Methoden zur Überwachung und Steuerung von Materialflüssen in einem Produktions- oder Logistiksystem sollen Ziele wie niedrige Kosten und kurze Durchlaufzeiten unterstützen. Die Steuerungsprinzipien der Lean Production zielen auf dezentrale, bedarfsorientierte Selbstorganisation der Prozesse, zum Beispiel in einem Kanban-Regelkreis. Die Ansätze der Industrie 4.0 setzen auf digitale Vernetzung von Maschinen, Produkten und Mitarbeitern sowie den Einsatz von Sensorik. Welcher Steuerungsansatz passt zu welchem Produktportfolio? Lassen sich die Ansätze kombinieren - schlank durch Digitalisierung? Das Crossroads-Modell erklärt anschaulich die Unterschiede der Steuerungsansätze und leitet konkrete Handlungsempfehlungen für die Unternehmenspraxis ab.