Translate

Die Integration der betrieblichen Anwendungen wird in der DIN IEC-62264 beschrieben und auch als Automatisierungspyramide bezeichnet [1]. Dieses Integrationsmodell wurde auf der Basis des Wasserfall Modells von MRP-II entwickelt, das für die damalige Zeit bahnbrechend war [2, 3, 4]. Hier werden die betrieblichen Anwendungen hierarchisch-sequenziell durchlaufen mit den bekannten Nachteilen: viele Schnittstellen, Zeitverzögerungen, Datenverluste, Inkonsistenzen. Das Modell wird den aktuellen informatorischen Möglichkeiten der Industrie 4.0 nicht mehr gerecht.

Routenflexibilität ermöglicht eine robuste, resiliente Gestaltung der Produktion. In hochverfügbaren, dezentral gesteuerten Produktionssystemen mit Zyklen im Materialfluss kann sie jedoch zu unerwünschtem deterministisch-chaotischen Verhalten führen. Dies kann Förderengpässe zur Folge haben, die dazu führen, dass die Systemverfügbarkeit in der Praxis hinter analytisch oder simulativ ermittelten Prognosen zurückbleibt. Im Beitrag wird eine Methode vorgestellt, die Ankunftszeiten analysiert und eine Messgröße für deterministisch-chaotisches Verhalten liefert. Mittels Algorithmen der Bildanalyse werden Daten aus speicherprogrammierbaren Steuerungen oder Embedded Systems ausgewertet. Anhand eines Beispiels eines Doppelgurtbandfördersystems wird gezeigt, dass sie sowohl im voll- als auch im teilautomatisierten Betrieb einsetzbar ist. Die Methode hat zudem das Potenzial, Industrie 4.0 Steuerungsprogramme nach IEC 61499 abzusichern.

Aufgrund disruptiver Störungen müssen produzierende Unternehmen ihre Robustheit verbessern, um den Störungen standzuhalten. In der Vergangenheit wurden im Kontext der Robustheit lediglich Infrastrukturen und Ressourcen betrachtet, die gesamte Vernetzung der Prozesse jedoch vernachlässigt. Diese müssen deshalb im Kontext der Robustheit eingehend untersucht werden. Für die Gestaltung und Analyse von Prozessen wird die Prozessmodellierung verwendet. In diesem Beitrag werden die Anforderungen an Modellierungsmethoden beschrieben und bewertet.

Die Nutzung von Daten ist für Unternehmen heutzutage von entscheidender Bedeutung. Sie helfen den Unternehmen dabei, fundierte Entscheidungen zu treffen und dadurch ihre Effizienz zu verbessern. Gerade die Logistikbranche bietet viele Ansatzpunkte für den Einsatz von Daten. So können etwa Warenströme präzise verfolgt werden, die Lagerverwaltung effektiver gestaltet oder Routen besser geplant werden. All diese Optimierungsansätze münden in einer Kostenreduzierung und schnelleren Lieferungen, welche die Wettbewerbsfähigkeit steigern können und den Anforderungen nach einer schnellen, zuverlässigen und transparenten Lieferkette gerecht werden. Im Forschungsprojekt Datenfabrik.NRW erarbeiten Expertinnen und Experten aus den Bereichen Produktion und Logistik an datengetriebenen Lösungen im realen Produktionsumfeld der Unternehmen CLAAS Selbstfahrende Erntemaschinen GmbH und der Schmitz Cargobull AG. Unter anderem wird ein neuer Ansatz zur Optimierung der intralogistischen Prozesse ...

In diesem Beitrag werden verschiedene Prognoseverfahren und -modelle zur Vorhersage von kritischen Situationen in den Supply Chains von Unternehmen in der Automobil- und Elektronikindustrie untersucht, wobei der Schwerpunkt auf deutschen Unternehmen liegt. Anhand eines Vergleichs der Leistungsfähigkeit branchenüblicher Modelle soll eine Empfehlung eines Best-Practice-Modells für die Branche ermittelt werden. Um die Anwenderbarkeit der Modelle und der einhergehenden Erkenntnis aufzuzeigen, werden reale Geschäftsszenarien diskutiert, die die Rolle des Risikomanagements in den Abteilungen Einkauf/Beschaffung oder Supply Chain Management umfassen. Im Vergleich wurde ermittelt, dass das effektivste Modell für die Vorhersage von Krisen in der Automobilindustrie das Vector-Auto-Regressionsverfahren/VAR-Modell ist, während das Early-Warning-System/EWS-Modell am besten für die Elektronikindustrie geeignet ist. Darüber hinaus wurden die wichtigsten Risikofaktoren ermittelt, die ...

Die Einführung von kontinuierlicher Verbesserung stellt Unternehmen regelmäßig vor Herausforderungen. Angesichts der fortschreitenden Digitalisierung eröffnen sich neue Analysemöglichkeiten, die den kontinuierlichen Verbesserungsprozess (KVP) unterstützen. Dieser Beitrag zeigt auf, wie Prozessorientierung, Digitalisierung und operative Tätigkeiten systematisch für die Entwicklung und Integration eines datenbasierten KVP in produzierenden Unternehmen angewandt werden können.