I4S+ Exklusiv für Abonnenten

Aktuelle Entwicklungen erfordern zunehmend komplexere Produktionsprogramme. Die Kombination von additiver Fertigung und Industrie 4.0 ermöglicht neue Ansätze, die eine wirtschaftliche Fertigung jener erst ermöglichen. Die Bionic Smart Factory 4.0 gibt diesen Elementen einen Ordnungsrahmen und beschreibt sie hinsichtlich ihrer Anordnung und ihres Zusammenspiels. Die Wirkungsweise wird durch eine Beurteilung gegenüber Determinanten der Produktionsprogramme erläutert.

Im Zuge der 2017 veröffentlichten Studie „Manufacturing-Data-Analytics“ der Universität St. Gallen in Kooperation mit der RWTH Aachen wurden vielfältige Aspekte der industriellen Datennutzung untersucht. Hierbei wurden verschiedene Themenfelder wie beispielsweise technische Systeme, Implementierungsstatus und organisatorische Umsetzung analysiert. Während sich viele produzierende Unternehmen noch in einem rudimentären Einführungsstadium befinden, sind andere Unternehmen bereits heute in der Lage, durch umfassende Datenerhebung und -auswertung Vorhersagen treffen zu können und so ihre Effizienz in der Produktion erheblich zu steigern. Dabei sind besonders die Datenqualität und eine systematische Evaluierung von Anwendungsfällen von entscheidender Bedeutung. Ebenso konnte gezeigt werden, dass strategische Partnerschaften sinnvoll sind, um die Implementierung zu beschleunigen und einfacher zu gestalten.

Im Kontext von Industrie 4.0 sowie steigenden Zertifizierungs- und Transparenzvorschriften stehen Unternehmen vor der Herausforderung, eine zunehmende Anzahl von Dokumenten digital und prozesssicher zu verwalten. Dokumentenmanagementsysteme (DMS) erleichtern das Erstellen, Auffinden und Archivieren digitaler Dokumente. Der Markt für DMS gestaltet sich jedoch für den Anwender unübersichtlich. Die Einführung eines Systems ist zudem mit konzeptionellen Herausforderungen verbunden. Aus diesen Gründen scheitert eine Vielzahl von Einführungsprojekten. Dieser Beitrag stellt eine Methode vor, welche die Einführung von DMS in produktionsnahen Unternehmensbereichen vorbereitet und die Auswahl geeigneter Softwareanbieter unterstützt. Die Methode wird anhand eines Industriebeispiels veranschaulicht.

Für die Automobilindustrie ist die Fahrzeugdistribution von besonderer Relevanz, da sie die Verbindung zum Kunden herstellt. Somit werden darin auftretende Probleme unmittelbar durch den Kunden wahrgenommen, sofern sie nicht vor der Fahrzeugübergabe beseitigt werden können. Da insbesondere Prozessschnittstellen zwischen Unternehmen Probleme verursachen, wurden diese im Rahmen dieses Beitrags umfassend analysiert. Dies erfolgte im Rahmen einer empirischen Vorgehensweise im Sinne eines explorativen Ansatzes. Ziel dessen war es, mögliche Verbesserungspotenziale an der Schnittstelle von Produktion und Distribution bei Fahrzeugen aufzuzeigen, um darauf aufbauend umfassendere Untersuchungen durchführen zu können.

Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Insbesondere getrieben durch die Erfolge und Fortschritte der vorwiegend amerikanischen IT-Unternehmen ist diese vierte industrielle Revolution, oder Industrie 4.0, wie sie in der Hightech-Strategie der Bundesregierung heißt, in vollem Gange. Eine Vielzahl von Begriffen und Technologien wie Internet der Dinge, Cyber-Physische Systeme und Big Data bilden das Rahmenwerk dieses Wandels. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.

Bei Verarbeitungsanlagen handelt es sich um verkettete Hochleistungsmaschinen zum Herstellen und Verpacken von Massenbedarfsgütern wie Lebensmitteln, Pharmazeutika oder Getränken aus biogenen Rohstoffen. Die Anforderungen an die Maschinen steigen stetig durch höhere Produktionsgeschwindigkeit und größere Flexibilität, um auf derselben Anlage verschiedene Produkte herstellen zu können. Durch die Individualisierung der Massenprodukte in Industrie 4.0 wird dieser Trend noch verstärkt [1]. Störungen im Prozess, bspw. infolge schwankender Produkteigenschaften, sind jedoch auch in den modernsten Anlagen nicht vollständig vermeidbar. Daher sind auch weiterhin Menschen in der Produktion erforderlich, die in den Prozess eingreifen und Störungen beseitigen. Die Identifikation der Störungsursache und Lösungsstrategie erfordert jedoch umfangreiches Erfahrungs- und Prozesswissen. Dieses Wissen geht den Unternehmen jedoch zunehmend verloren, wodurch hohe Produktionsverluste entstehen. ...

Der deutsche Maschinen- und Anlagenbau gilt mit einem Umsatz von 218 Mrd. Euro als Rückgrat der deutschen Wirtschaft. Im Jahr 2015 arbeiteten über eine Million Menschen in 6.389 Unternehmen [1]. Bei der Neuausrichtung vor dem Hintergrund von Industrie 4.0 spielen technische Dienstleistungen eine Schlüsselrolle [2, 3]. Dieser Beitrag fasst Kernergebnisse der Studie „Serviceinnovation im Maschinenbau“ zusammen. Im Rahmen dieser Multi Case Study wurden Interviews mit Serviceverantwortlichen mittelständischer Unternehmen geführt, um die Umsetzung innovativer Servicemodelle zu untersuchen. Die dabei identifizierten kritischen Handlungsfelder von Partnering bis zur Verwendung unterstützender IT-Plattformen bilden den Schwerpunkt dieses Beitrags. Es zeigt sich, dass viele Unternehmen bereits daran arbeiten, ihre Geschäftsmodelle neu auszurichten. Innovative Geschäftsmodelle im Service werden jedoch überwiegend im Rahmen von Piloten erprobt und haben sich noch nicht ...

Die zunehmende Vernetzung und Digitalisierung von Systemen greift mittlerweile in vielen Feldern um sich. Auf Unternehmerseite hat sich vor allem um die Industrie 4.0 eine Vielzahl von Konzepten, Ideen, Erwartungen und Ängsten gebildet. Ein Blick in die Medien heute reicht aus, um zu begreifen, dass die umfassende Vernetzung kritischer Strukturen auch Gefahren birgt. Neben einer grundlegenden Beschäftigung mit der Absicherung von Informationsnetzwerken, sollte verstärkt berücksichtigt werden, wie die Masse an Daten und Informationen gezielt eingesetzt werden kann, um Systeme zu schützen. Das Auswerten von Big Data bzw. die Umwandlung in Smart Data mithilfe Künstlicher Intelligenz und ihre Nutzung als Sicherheitsfaktor wird in der Zukunft unverzichtbar sein.

Die Digitalisierung betrieblicher Wertschöpfungs- und Kommunikationsprozesse erfährt mit Industrie 4.0 einen neuen Schub. Mit der Einführung von sozialen Netzwerken sollen die Kollaboration und der Wissensaustausch der Beschäftigten untereinander unterstützt und rationalisiert werden. Der Beitrag geht auf diese Enterprise Social Networks ein und diskutiert die sozialen Herausforderungen bei der betrieblichen Umsetzung. Auf Basis eines Unternehmensbeispiels werden Anwendungsempfehlungen abgeleitet.

Die Produktion der Zukunft findet in einer Umgebung statt, in der intelligente Cyber-Physische Systeme (CPS) das technologische Fundament zur Realisierung einer effizienten und damit wettbewerbsfähigen Produktion bilden. In Verbindung mit dieser Zukunftsvision fehlt es Entscheidungsträgern aus der Industrie, insbesondere des Mittelstands, jedoch an initialen Angriffspunkten für die Implementierung von CPS und der damit verbundenen nachhaltigen Migration zur Smart Factory. Es wird eine Methodik vorgestellt, mit welcher aus unternehmensstrategischer Sicht potenzielle CPS-Einsatzfelder identifiziert werden können und eine damit verbundene Investitionsentscheidung unterstützt werden kann. Das Ziel liegt in der Befähigung eines Entscheidungsträgers zu einer strategischen Auswahl von CPS-Anwendungslösungen im Rahmen von beispielhaften Gestaltungsmöglichkeiten.