Open-Access-Beiträge

Die Herstellung von Produkten bindet Energie sowie auch materielle Ressourcen. Viel zu langsam entwickeln sich sowohl das Bewusstsein der Konsumenten sowie der Produzenten als auch gesetzgebende Aktivitäten, um zu einem nachhaltigen Umgang mit den zur Verfügung stehenden Ressourcen zu gelangen. In diesem Beitrag wird ein lokaler Remanufacturing-Ansatz vorgestellt, der es ermöglicht, den Ressourcenverbrauch zu reduzieren, lokale Unternehmen zu fördern und effiziente Lösungen für die regionale Wieder- und Weiterverwendung von Gütern anzubieten.

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.

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.

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.

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.

Beschaffung hat grundsätzlich die Aufgabe, einer Organisation ihre benötigten, aber nicht selbst hergestellten Güter zur Verfügung zu stellen. Verträge sind dabei das zentrale Instrument zur Vereinbarung lieferantenseitiger Leistungen. In Verträgen ist der Leistungs-Gegenleistungsmechanismus festgeschrieben und zahlreiche rechtliche Fragestellungen wie Haftung, Gewährleistung usw. sind darin geregelt. Schon seit längerem werden Verträge digital mithilfe von Computerprotokollen abgebildet. Solche „elektronischen Verträge“ oder auch „Smart Contracts“ bilden die Logik der vertraglichen Regelungen technisch ab und erleichtern so die Überwachung des Leistungsaustauschs. Dies wird sich noch weiterentwickeln. Denn verbesserte Algorithmen und künstliche Intelligenz werden zukünftig in der Lage sein, Verträge nicht nur zu administrieren, sondern auch zu gestalten. Dieser Beitrag stellt den Status Quo dar und stellt vor, wie künstliche Intelligenz in der Beschaffung zur ...

Optimierung ist eine wesentliche Fragestellung in vielen Kontexten. Sei es Ressourcen-, Zeit-, Personal- oder nicht zuletzt auch Kosteneffizienz, regelhaft müssen Prozesse, Einstellungen, Zusammensetzungen - die Liste ließe sich beliebig fortsetzen − optimiert werden. Um das Optimierungsproblem zu lösen, gibt es viele unterschiedliche Techniken. Eine besondere Klasse stellen die evolutionären Algorithmen dar, sie zählen zu den populationsbasierten, heuristischen Verfahren. Sie erlauben auch die Optimierung von Problemen mit vielen lokalen Optima oder stark durch Nebenbedingungen eingeschränkten Suchräumen. Gleichzeitig sind sie in der Lage, im Rahmen eines einzelnen Optimierungslaufs mehrere Lösungsmöglichkeiten vorzuschlagen. Ein besonderer Aspekt bei der Verwendung von evolutionären Algorithmen ist die Wahl der korrekten Kodierung oder die wohldefinierte Spezifikation einer Kodierung. Insbesondere bei der Optimierung eines Prozesses, der aus sich wiederholenden ...

Produkt-Service-Systeme (PSS) und Big Data bieten Wettbewerbsvorteile. Doch hierfür sind neue innovative Geschäftsmodelle und eine Neupositionierung der Unternehmen unabdingbar, was gerade für den mittelständisch geprägten Maschinen- und Anlagenbau häufig eine Herausforderung darstellt.

Präzise Bedarfsprognosen sind der Schlüssel für eine erfolgreiche Materialdisposition. EntscheidungsträgerInnen stehen jedoch vor dem Dilemma, welches Prognoseverfahren sie verwenden sollen. Zumeist fehlt auch das Methodenwissen, um komplexe mathematische Prognoseverfahren anwenden zu können. Doch auch nach der Wahl des Prognoseverfahrens verbleibt noch die Hürde, die Prognoseverfahren optimal zu parametrisieren. Der vorliegende Beitrag untersucht das Optimierungspotenzial eines selbst entwickelten automatisch optimierenden Prognoseansatzes auf Basis zehn gängiger Prognoseverfahren. In die Praxis umgesetzt wurde die Methode im Forschungsprojekt DISPO 4.0 im digitalen Planungstool Demand Planning Falcon, das zielgenaue Bedarfsprognosen für die Investitionsgüterindustrie erstellt.

Als Teil des digitalen Datenökosystems bieten Digitale Zwillinge (DT) für die Kreislaufwirtschaft (CE) einen vielversprechenden Ansatz für eine nachhaltigere Wertschöpfung. Durch die Analyse und Aufbereitung von produkt-, bauteil- und materialspezifischen Daten entlang des Lebenszyklus ist es möglich, aktuelle Herausforderungen wie Klimawandel und Ressourcenknappheit zu adressieren. Im deutschen Forschungsprojekt Catena-X werden auf Basis dieser unternehmensübergreifend ausgetauschten Daten und Informationen konkrete Lösungen entwickelt. In diesem Rahmen wird der„R-Strategie Assistent" vorgestellt. Dabei handelt es sich um eine Anwendung, die auf Basis von DT-Daten die beste CE-Strategie am Ende des Lebenszyklus eines Fahrzeugs ermittelt.