Open-Access-Beiträge

In Engineer-to-Order-Produktionssystemen werden Konstruktions- und Produktionsprozesse häufig parallelisiert, um kürzere Durchlaufzeiten zu realisieren. Der Schiffbau ist ein typisches Beispiel für diese Vorgehensweise. In der Praxis führt dies neben der Zeitersparnis jedoch zu Effizienzverlusten in der parallelen Arbeit von Konstruktion und Produktion. Dieser Artikel analysiert die Ursachen für diese Ineffizienzen. Basierend auf der Analyse erfolgt die Entwicklung digitaler Assistenzsysteme in der schiffbaulichen Prozesskette, um den Effizienzverlusten entgegenzuwirken. Grundlage der digitalen Assistenzsysteme ist ein digitaler Schatten des Schiffbauprozesses.

Wie kann Künstliche Intelligenz (KI) die Produktionsplanung und -steuerung (PPS) automatisieren? Im vorliegenden Artikel wird untersucht, inwiefern KI einen Beitrag zur Automatisierung der PPS leisten kann, indem die Potenziale zur Steigerung der Effizienz in modernen Produktionsumgebungen erforscht werden. Der Fokus liegt auf der Implementierung einer robusten Dateninfrastruktur, die Echtzeit-, historische und kontextbezogene Daten integriert. Konkret wird die Anwendung von Reinforcement Learning (RL) betrachtet und eine Roadmap für die Umsetzung vorgestellt, die sich auf die praktische Anwendung fokussiert.

Die manuelle Kommissionierung ist aufgrund der hohen Anschaffungskosten von Unterstützungssystemen nach wie vor weit verbreitet. Dieser Beitrag gibt einen Überblick über bestehende Technologien, stellt einen auf Bildverarbeitung basierenden Prototyp vor und untersucht anhand der Literatur, wie die Kombination von Objekterkennung mit Sprachsystemen manuelle Arbeitsabläufe verbessern könnte. Die Ergebnisse deuten auf eine vielversprechende, kostengünstige Richtung für die Unterstützung von Mitarbeitern in der Logistik hin.

In diesem Beitrag werden die Ergebnisse von zehn Experteninterviews über den Einsatz von Maschinellem Lernen zur Förderung der unternehmerischen Nachhaltigkeit skizziert und der Literatur gegenübergestellt. Die Untersuchung zeigt, dass wirtschaftliche Faktoren den Einsatz von Maschinellem Lernen (ML) antreiben. Die Einführung der Technologie wird sowohl durch das Top-Management als auch durch die Fachabteilungen initiiert. Fundierte Strategien zur Umsetzung von ML-Anwendungsfällen sind selten vorhanden. Dabei basieren Anwendungsfälle häufig auf überwachtem Lernen. Die ökologischen Auswirkungen überwiegen gegenüber den sozialen Auswirkungen. Häufig können Emissionsreduktionen realisiert werden, wobei Quantifizierungen schwerfallen. Jedoch behindert der Mangel an Vertrauen, Fachwissen und Kommunikation die Einführung von Maschinellem Lernen, während einige technischen Herausforderungen bezüglich der Datenanforderungen auch Probleme für Maschinelles Lernen bereiten.

Ein reibungsloser Ablauf der Logistiksteuerung ist elementar für das Überleben von Unternehmen, wird aber durch akteurs- und organisationsbezogene Stolpersteine der Produktionsplanung und -steuerung behindert. Die Berufliche Hochschule Hamburg fördert gezielt jene Zukunftskompetenzen, die der „Wandlungsbefähiger Mensch“ zur Bewältigung von Stolpersteinen in digitalisierten Arbeitsumgebungen benötigt. Dieses Konzept wird im folgenden Beitrag vorgestellt.

Das Sammeln von Daten aus verschiedenen Quellen in der Produktion und die Bereitstellung dieser Daten für verschiedene IT-Systeme ist eine der Kernaufgaben im Prozess der Digitalisierung der Fabrik. Aufgrund der unterschiedlichen Protokolle und Schnittstellen ist die Datenerfassung mit besonderen Herausforderungen verbunden. Mit dem Sensor Technology Adapter Gateway (STAG) präsentieren wir eine Lösung, die die Lücke zwischen dem Shopfloor und den IT-Systemen schließt. STAG ist eine industrietaugliche Middleware, die die Übersetzung zwischen Datenmodellen und Protokollen automatisiert.

In der heutigen Fertigungsindustrie sind Digitale Zwillinge ein entscheidender Schlüssel zur Optimierung von Produktionsprozessen und der effizienten Nutzung von Ressourcen. Das Erstellen Digitaler Zwillinge ist allerdings oft mit hohen oder schwer abschätzbaren Aufwänden verbunden und häufig werden unbekannte Kennwerte wie Materialparameter benötigt, was den Einsatz in der Realität erschwert. Mit RAPIDZ stellen wir ein Werkzeug zur Erstellung und Nutzung Digitaler Zwillinge vor, welches durch seinen modularen Aufbau, diese Barriere durchbricht. Die virtuellen Modelle physischer Systeme ermöglichen dann eine umfassende Analyse und Prognose von Materialflüssen, Energieverbrauch und Maschinenleistung in Echtzeit. Die Nutzung von RAPIDZ steigert die Effizienz von Produktionslinien, verbessert Flexibilität und Reaktionszeit und ermöglicht proaktive Wartungen, sodass Ausfallzeiten minimiert werden.

Firmen stehen vor der Herausforderung ihre globalen Supply Chain Netzwerke zu steuern, zu optimieren und agil sowie flexibel an sich verändernde Gegebenheiten anzupassen. Dies bedingt unter anderem die Einbindung der gesetzlichen Anforderungen des Lieferkettensorgfaltspflichtengesetzes (LkSG), der European Sustainability Reporting Standards (ESRS) oder die Berücksichtigung betriebswirtschaftlicher Interessen zur Steigerung der Performance. Folglich muss die Transparenz gesteigert und die Versorgungssicherheit resilienter gestaltet werden. Ziel ist eine effizientere Steuerung und Gewährleistung der Materialversorgung sowie Optimierung und Simulation von Szenarien zur Kostenminimierung.

Für eine erfolgreiche Implementierung sowie nachhaltige Nutzung und Pflege Digitaler Zwillinge für Produktions- und Logistiksysteme ist es notwendig, relevante Anwendungsfälle zu identifizieren und die damit einhergehenden Herausforderungen zu meistern. Dieser Beitrag analysiert wissenschaftliche Literatur zu gängigen Anwendungen und Herausforderungen bei der Implementierung Digitaler Zwillinge für die Planung und den Betrieb von Produktions- und Logistiksystemen. Um die Praxisrelevanz der Ergebnisse zu bestätigen, sind zudem die Resultate einer empirischen Befragung einbezogen worden. Aus den gewonnenen Erkenntnissen werden wesentliche Handlungsfelder für die erfolgreiche Implementierung und langfristige Nutzung von Digitalen Zwillingen in Produktion und Logistik abgeleitet.

Die Einführung Digitaler Zwillinge (DZ) scheitert oft an hohen Kosten, technischer Komplexität und fehlenden Fachkenntnissen. Diese Studie stellt ein kostengünstiges Modell eines DZ, welches mit Technology Readiness Level (TRL) 5 validiert ist. Es wurde innerhalb von nur zwei Wochen mithilfe von Open-Source-Lösungen und gängigen Unternehmenswerkzeugen entwickelt und integriert sensorbasierte Echtzeitdaten, prädiktive Analysen, Anomalieerkennung und automatisierte Benachrichtigungen, um Effizienz und Nachhaltigkeit in der Landwirtschaft zu steigern. Das System erreicht eine durchschnittliche relative Abweichung von nur 7,76 % und gibt automatisierte Warnungen in Echtzeit aus. Die Ergebnisse zeigen, wie fortschrittliche digitale Werkzeuge durch die Kombination von Open-Source-Technologien und Standardwerkzeugen zugänglich gemacht werden können: skalierbar, menschenzentriert und erschwinglich im Sinne von Industrie 5.0.