I4S+ Exklusiv für Abonnenten

Neue technische Möglichkeiten (Stichwort Industrie 4.0) führen dazu, dass Unternehmen vermehrt in die Anschaffung neuer Technologien investieren, um qualitativ hochwertiger und effizienter zu arbeiten. Zu diesen Technologien zählen beispielsweise Augmented Reality-Assistenzsysteme [1] und kollaborative Roboter [2]. Jede Technologieeinführung stellt auch einen Veränderungsprozess im Unternehmen dar. Ihn gilt es optimal zu begleiten, da die Beschäftigten und ihre Arbeitsbedingungen betroffen sind. In diesem Beitrag wird aufgezeigt, warum im Veränderungsprozess zunächst konkrete Ziele formuliert werden sollten und es wird eine Checkliste mit 81 Zielen vorgestellt, die diesen Prozess unterstützen soll. Die Checkliste wurde auf Basis wissenschaftlicher Literatur und praxisbezogener Instrumente entwickelt und kann u. a. von Projektteams genutzt werden, um die Aktivitäten im Veränderungsprozess zu fokussieren, Zielfortschritte nachzuverfolgen, alle Stakeholder einzubinden und ...

Der positive Nutzen dezentraler Entscheidungsstrukturen in Produktionssystemen wurde bereits in den 1990ern diskutiert. Aber erst in den letzten Jahren haben die für die Realisierung notwendigen Technologien eine ausreichende Marktreife erlangt, um entsprechende Konzepte effizient umsetzen zu können. So können die beteiligten Einheiten mittels autonomer Technologien zu einer „intelligenten“ Prozessbeteiligung befähigt werden. Einer wichtigen Bedeutung kommt dabei die Frage nach den aktiv an der dezentralen Entscheidungsfindung und -ausführung beteiligen Akteuren sowie der konkreten Ausgestaltung der dezentralen Produktionsstrukturen zu. Dieser Beitrag stellt die Bedeutung von Autonomie für die dezentrale Produktionssteuerung dar und zeigt auf, welche an dem Prozess beteiligten Akteure über die notwendigen Fähigkeiten verfügen, um autonom agieren zu können.

The following contribution characterizes autonomous behavior from a specific AI (artificial intelligence perspective). Which AI requirements are necessary to development autonomous systems? Which limitations do exist? What is the specific criterion for intuitive intelligence? The article gives a short introduction and tries to motivate the reader to deal with this interesting topic from different perspectives. Starting from Digitalization, Technological Singularity, Autonomous Driving and Big Data Developments, the article focusses on the future integration of AI to optimize complex processes within the Internet of Things (IoT). Several examples and trends are characterized. We cite the relevant literature and mention explicitly the seven criteria of Wahlster. Besides of the great technological impact, also the ethical dimension and future perspectives are indicated and discussed. The potential of the Internet of Things is closely connected with the successful development and ...

Unbemannte Systeme erfuhren in den vergangenen Jahren einen signifikanten Anstieg in der technischen Entwicklung bei gleichzeitig stetem Rückgang der Anschaffungspreise. Diese Entwicklung führte dazu, dass sowohl die Industrie, als auch kleine und mittelständische Unternehmen Drohnen als Einsatzmittel verschiedener Dienstleistungen wahrgenommen haben und damit beginnen, erste operative Erfahrungen zu sammeln. Dieser Beitrag beschreibt erste Schritte, mit welchen sich auf Hafenseite dem Thema akademisch und operativ bereits angenähert wurde. Vorgestellt wird eine qualitative Analyse mittels einleitender Frameworks um das Thema und seinen praktischen Nutzen vorzustellen. Der Beitrag gliedert sich in eine allgemeine und rechtliche Einleitung gefolgt von der Vorstellung von Einsatzmöglichkeiten in den Bereichen Safety und Security und wird abgeschlossen durch die Nennung operativer Barrieren beim geplanten Einsatz unbemannter Systeme. Die Ergebnisse sind dabei nicht notwendigerweise ...

Nachrichten über neue Einsatzmöglichkeiten der Künstlichen Intelligenz (KI) erreichen uns fast täglich. Während China angesetzt hat, die Vormachtstellung der USamerikanischen IT-Konzerne bis 2030 auf allen Gebieten der KI zu brechen, rechnet sich Deutschland Vorteile im Kontext von Industrie 4.0 aus. Die heutigen Erfolge der KI beruhen auf riesigen Datenmengen, die zentral gesammelt und analysiert werden. Zwar fallen auch in der Industrie große Datenmengen an, aber beschränkte Bandbreite, Kommunikationskosten, schnelle Reaktionszeiten, Datenschutz oder Betriebsgeheimnisse verbieten eine solche Datenzentralisierung oftmals.

Der vorliegende Beitrag stellt ein Vorgehensmodell vor, mit dem der Anwender befähigt wird, unternehmensspezifische Einführungsreihenfolgen für Indus-trie 4.0-Methoden abzuleiten. Das Vorgehensmodell reduziert die Unsicherheit für Unternehmen hinsichtlich Industrie 4.0 und schafft eine Möglichkeit, Industrie 4.0-Methoden erfolgreich einzuführen. Das Vorgehensmodell berücksichtigt individuelle Ausgangssituationen und Technologie-Präferenzen. Dies ermöglicht eine realistische Simulation und bezieht die resultierende Einführungsreihenfolge der Industrie 4.0-Methoden spezifisch auf das anwendende Unternehmen.

Angesichts sich verändernder Kundenanforderungen und eines verstärkten internationalen Wettbewerbs gilt Flexibilität als Schlüsselkompetenz von Unternehmensnetzwerken. Die zunehmende Digitalisierung und Vernetzung stellen neue Anforderungen an die Erreichung der erforderlichen netzwerkweiten Flexibilität. Dieser Beitrag stellt ein praxis- und anwendungsorientiertes Instrument zur Beurteilung der Industrie 4.0-Readiness am Beispiel eines Automobilnetzwerks vor. Dabei erfolgt zunächst eine qualitative Analyse mithilfe des Industrie 4.0-Readiness-Kompasses, anschließend wird in einer kennzahlengestützten, quantitativen Analyse die Industrie 4.0-Readiness des Automobilnetzwerks berechnet und mit Benchmark-Netzwerken verglichen. Aus den dabei identifizierten Defiziten werden Handlungsempfehlungen für das Automobilnetzwerk abgeleitet.

Die Digitalisierung in der Logistik schreitet voran. Cyber-Physische Logistiksysteme entstehen und eröffnen neue Möglichkeiten in der bedarfsgerechten Steuerung der Materialversorgungsprozesse in Produktion und Logistik. Mobile Mensch Software Schnittstellen verbessern die Datenqualität und stellen relevante Informationen über den aktuellen Stand des Logistikprozesses benutzerfreundlich bereit. Die damit verbundenen Potenziale für eine fehlerfreie und effiziente Logistik sind enorm, erschließen sich aber trotz anfänglicher Quick Wins in wichtigen Key Performance Indikatoren (KPI’s) nicht automatisch. Mehr denn je spielen die Führungskräfte eine Schlüsselrolle auf dem Weg zu einer exzellenten Logistikperformance. So müssen vor allem die Vorarbeiter*innen und Schichtleiter*innen in Produktion und Logistik lernen, in einer zunehmend vernetzten Arbeitsumgebung proaktiv zu steuern. Welche neuen Möglichkeiten die zunehmende Digitalisierung für diesen schwierigen ...

Durch die Möglichkeiten des weltweiten Handels und eine zunehmende Sättigung der Märkte stehen viele Unternehmen in einem starken Wettbewerb. Der Wunsch der Kunden nach individualisierten Produkten erfordert eine Produktion, die einen hohen Grad an Flexibilität aufweist und Variantenreichtum beherrscht. Mit einer steigenden Anzahl der Produktanläufe und einer Verkürzung der Produktlebenszyklen wächst auch die Zahl der Produktausläufe. Diese sollten unter Berücksichtigung der Kosten und möglicher Verbesserungspotenziale in der Produktion gesteuert werden. In diesem Beitrag wird ein Prozessmodell zur Unterstützung eines Serienauslaufs vorgestellt. Die Veränderung der Kundenbedürfnisse tritt nicht nur auf Konsumgütermärkten, sondern auch auf Märkten von Investitionsgütern auf. Betrachtungsgegenstand ist deswegen ein Produktauslauf in der Nutzfahrzeugindustrie.

Unternehmenserfolg wird durch eine effiziente Ausgestaltung produktionsnaher Prozesse, ihre zuverlässige Terminierung und damit auch durch eine valide Planung logistischer Prozesse bestimmt [1, 2]. Der kundenindividuelle Anlagenbau, der in der Regel durch eine Unikat- oder Kleinserienfertigung umgesetzt wird [3], kann für die Planung von kundenauftrags- und bauteilspezifischen Projekten nur bedingt Prozesszeiten aus vorherigen Projekten ableiten und diese auf neue Projekte übertragen. Dies ist darin begründet, dass die Prozesszeiten von Einflussparametern abhängen, die im direkten Zusammenhang mit dem jeweiligen Bauteil stehen. Für die Unikat- und Kleinserienfertiger werden im Rahmen eines Forschungsvorhabens diese Einflussparameter auf die Dauer logistischer Prozesse untersucht. In diesem Beitrag werden die Identifizierung der Einflussparameter unter Anwendung einer Delphi-Studie und deren Ergebnisse erläutert.