Technologie: Werkzeuge

Die aktuelle Herausforderung vieler mittelständischer Unternehmen besteht darin, durch die Nutzung digitaler Technologien Innovations- und Produktivitätspotenziale zu erschließen und gleichzeitig Reibungsverluste bei der Einführung und Nutzung zu vermeiden, die Kompetenzen der Mitarbeiter zu ergänzen und weiterzuentwickeln sowie das technische System so zu gestalten, dass die Arbeit der Beschäftigten möglichst optimal unterstützt wird. Vorgehensmodelle haben das Potenzial, mittelständische bzw. kleine und mittlere Unternehmen (KMU) bei dieser Herausforderung strukturiert zu unterstützen. Im Zuge der zunehmenden Digitalisierung der produzierenden Industrie („Industrie 4.0“) wurden zahlreiche Vorgehensmodelle zur Unterstützung einer systematischen Einführung und Umsetzung von Digitalisierungsmaßnahmen entwickelt und veröffentlicht.

Im Rahmen der Digitalisierung als Basis der Industrie 4.0 stehen insbesondere kleine und mittlere Unternehmen (KMU) vor der Herausforderung der vertikalen und horizontalen Datenintegration. Diese gelingt mittels der Vernetzung der Unternehmensleitebene mit der Produktionsebene. Die bislang hierfür genutzten Systeme wie Enterprise Resource Planning (ERP) oder selbstentwickelte Softwarelösungen werden dafür immer häufiger durch Manufacturing Execution Systeme (MES) abgelöst. Diese ermöglichen aufgrund ihrer direkten Anbindung an die Produktion deren zeitnahe Kontrolle und Steuerung. MES gelten als Brückentechnologie, die unternehmerische Planungssysteme mit der Fertigung verbinden und so das Postulat der vertikalen und horizontalen Datenintegration erfüllen. Diese Datenintegration ist Basis für ein automatisiertes Risikomanagement in der Produktion. Im Forschungsprojekt quadrika wird ein MES-Modul entwickelt, um Risiken in der Fertigung frühzeitig zu erkennen und zu vermeiden.

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 ...

Die computergestützte Analyse großer Datenmengen verspricht für unterschiedlichste Anwendungsfälle und Bedarfe erheblichen Nutzen. Ziel dieses Beitrags ist die Entwicklung eines Ansatzes zur Ermittlung geeigneter Text-Mining-Methoden ausgehend vom spezifischen Anwendungsfall. Dieser Ansatz umfasst zwei Phasen, welche den Analytic Hierarchy Process sowie den Text-Mining-Prozess einbeziehen. Für den Anwendungsfall der Identifikation von Qualifizierungsbedarfen von Servicetechnikern wird der Ansatz beispielhaft durchlaufen. Das Ergebnis dieser beispielhaften Betrachtung verdeutlicht, dass die jeweiligen Methoden des Text-Minings bzw. ihre Mehrwerte nicht nur von dem Anwendungsfall, sondern auch stark von der jeweiligen Zielstellung abhängen.

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.

Die Verfügbarkeit und der bestmögliche Einsatz von Personal und Betriebsmitteln zur Herstellung von Erzeugnissen gehen einher mit der softwarebasierten Produktionsplanung und -steuerung (PPS) der Arbeitsabläufe. Die Zuordnung der benötigten Arbeitsgänge zur Abarbeitung von Fertigungsaufträgen muss in der richtigen Reihenfolge und auf geeigneten Maschinen mit ausreichend Materialien und Werkzeugen unter Aufsicht von qualifiziertem Personal erfolgen. Die klassischen kundenbezogenen Ziele wie Termintreue und Durchlaufzeitenreduzierung konkurrieren dabei mit Zielen, die u. a. der Kostenreduzierung dienen, z. B. Lagerbestandminimierung und Auslastungsmaximierung von Maschinen und Anlagen. Bei den Zielen zur Kostenreduktion rückt in der PPS unter dem Thema Ressourceneffizienz auch die Energieeffizienz und damit die Energiekostenreduktion in den Fokus.

In heutigen komplexen Produktionssystemen sind die systematische Identifikation und realitätsnahe Bewertung von Verbesserungspotenzialen schwierig umzusetzen. Die fortschreitende Entwicklung in der Digitalisierung und die Vernetzung der Produktion bieten in solchen hochkomplexen Umgebungen aber immer bessere Möglichkeiten, Prozesse detailliert zu analysieren und Informationen zum Energie- und Instandhaltungsbedarf von Produktionsmaschinen zu sammeln. Energieautarke Sensortechnik, mobile Kommunikation und Mensch-Technik-Interaktion nehmen in diesem Kontext eine wichtige Rolle ein. Mobile Smart Devices wie Tablet-Computer und Smartphones verfügen heutzutage über ein breites Spektrum an Funktionalitäten und bieten sich daher als ergonomische Schnittstelle zwischen Mensch und Maschine an. Produktionsprozesse können durch die Bereitstellung von nutzerspezifisch aufbereiteten Maschinendaten zukünftig wirtschaftlich und ökologisch effizienter gestaltet werden.

Eine Veränderung der Automatisierungspyramide in der Industrie 4.0 ist unausweichlich, insofern mit den neuen Technologien relevante Informationen direkt zwischen Prozessebenen ausgetauscht werden können. Die vorliegende Ausgabe der Industrie 4.0 Management bietet relevante und innovative Einblicke in Steuerungs-, Produktions- und Materialflusssysteme für die Automatisierung und Digitalisierung von betrieblichen Prozessen der Zukunft geben.

In zahlreichen Unternehmen haben sich Kennzahlensysteme in der Produktion ständig erweitert und zu einem unübersichtlichen Komplex entwickelt. Dies verhindert eine effiziente Produktionssteuerung, da Probleme und Potenziale nicht erkannt werden. Das Verhältnis zwischen Aufwand und Nutzen ist aus dem Gleichgewicht. Diese Problematik wird durch ein schlankes, balanciertes und maßgeschneidertes Kennzahlensystem gelöst. Ausgehend von den Erfolgsfaktoren des betrachteten Produktionssystems werden die wichtigsten Key Performance Indicators (KPIs) entwickelt. Damit ist es möglich, vergleichsweise komplexe Sachverhalte transparent darzustellen. Das Resultat ist ein Instrument, welches die Planung, Steuerung und Kontrolle sowie die kontinuierliche Weiterentwicklung der Produktion erleichtert. Dazu ist es essentiell, Zielwerte festzulegen. Dies gestaltet sich bei gegenseitiger Beeinflussung von KPIs als schwierig. Logistische Kennlinien beschäftigen sich mit dem Trade-off zwischen hoher ...