Technologie: Analytics

Die Fertigung von kundenspezifischen Produkten ist oft komplex und erfordert eine hohe Transparenz von logistischen Größen wie Bestand, Durchlaufzeit, Rückstand und Termintreue. Eine klare Sicht und ein Verständnis der Zusammenhänge zwischen diesen Größen sind entscheidend, um sie gezielt und möglichst reaktionsschnell beeinflussen zu können. Dieser Artikel zeigt, wie Process Mining auch in einer komplexen Auftragsfertigung Echtzeit-Transparenz mit einer effektiven Fertigungssteuerung verbindet. Der Projektablauf gliedert sich in ein vierstufiges Vorgehen, das sich am PDCA-Zyklus orientiert.

Die Krisen der letzten Jahre haben vor Augen geführt, wie wichtig robuste Geschäftsprozesse sind. Auch wenn der Begriff der Robustheit im Kontext unternehmerischen Handelns oft nicht klar gefasst wird, lässt er sich anhand verschiedener Faktoren wie Agilität, Wandlungsfähigkeit und Resilienz durchaus bestimmen. Eine systematische Analyse von Robustheit und ihrer Voraussetzungen im unternehmerischen Kontext ist deshalb gerade in von Ungewissheit geprägten Zeiten von hoher Relevanz.

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.

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 ...