Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Bereichsnavigation

Hauptinhalt

Dissertationsvorhaben

Martin Böhmer (Fraunhofer IML, Software Engineering)

Team_Martin_Boehmer_140

Arbeitstitel: Moderne Ansätze zum daten-zentrierten Wissensmanagement in industriellen Großunternehmen

Isabel Bücker (Graduate School of Logistics)

Team_Isabel_Buecker_140

Thema: Entwurf von Prozess- und Informationsarchitekturen für Industrie 4.0- Szenarien in der Automobillogistik

Kurzbeschreibung: In der heutigen Zeit sieht sich ein Unternehmen mit einer Vielzahl von Markt- und Geschäftstreibern konfrontiert. Beispiele sind die Erschließung globaler Märkte (z. B. in Asien), eine steigende Individualität der Kundenanforderungen, die sich in einer höheren Modellvielfalt, einer wachsenden Zahl an Varianten sowie sinkenden Produktlebenszyklen niederschlägt. Gleichzeitig ist eine steigende Digitalisierung der Fahrzeuge selbst, der Produktionsprozesse sowie der Geschäftsbeziehung zum Kunden zu beobachten. In dieser Situation hat die Logistik verschiedene, teilweise gegenläufige Anforderungen zu erfüllen, namentlich die Steigerung der Wandlungsfähigkeit, die Erhöhung der Transparenz, die Verkürzung der Planungshorizonte, die Versorgung eines wachsenden Produktionsnetzwerks sowie die Steigerung der Effizienz logistischer Prozesse.

Ziel der Arbeit ist vor diesem Hintergrund der Entwurf von Prozess- und Informationsarchitekturen für Industrie-4.0-Szenarien in der Automobillogistik.

Jens Grambau (Hochschule der Medien Stuttgart, Fakultät Druck- und Medientechnologie / Digital Publishing)

Team_Jens_Grambau_140

Arbeitstitel: Predictive Maintenance in the context of service and the role of Social Media data in this context

Kurzbeschreibung: Mit Predictive Maintenance wird versucht Fehler und Defekte von Produkten vorherzusagen, um Wartungsarbeiten besser zu planen, notwendige Ersatzteile zu bestellen und um mögliche Fehler und Beschädigungen von Produkten zu verhindern. Durch diese Technologie wird es Unternehmen ermöglicht ihre Prozesse und Produkte stetig zu verbessern und einen allumfassenden Kundenservice zu bieten. Da auch immer mehr Daten über Produkte in Social Media Netzwerken geteilt werden, bietet sich für Unternehmen eine neue Möglichkeit Informationen zu gewinnen.

Diese Arbeit analysiert im ersten Teil vorhandene Predictive Maintenance Modelle und die gegenwärtige Wichtigkeit von Social Media Daten für diese Modelle. Im nächsten Schritt wird ein Framework entwickelt, welches die analytischen Prozesse und Modelle mit dem Einsatz von Social Media Daten und bereits vorhandenen Unternehmensdaten beschreibt. Im letzten Teil der Arbeit wird das erstellte Framework in einem Use Case mit Produktivdaten evaluiert.  

Rainer Halmheu (AUDI AG, Technische Hochschule Ingolstadt)

Team_Rainer_Halmheu_140

Thema: Lokalisierung und Steuerung von Fahrerlosen Transportfahrzeugen über externe Sensorik

Kurzbeschreibung: Gerade im Zeitalter von Industrie 4.0, mit dem Ziel einer intelligenten Fabrik (Smart Factory), ist die Wandlungsfähigkeit von Transporttechnologien ein entscheidendes Kriterium für deren Erfolg. In der Logistik großer Unternehmen werden deshalb vermehrt Fahrerlose Transportsysteme mit freier Navigation eingesetzt; sie können diese Flexibilität bieten.

Im Rahmen der Promotion wurde eine neue, innovative Technik erarbeitet, welche die freie Navigation von Fahrerlosen Transportsystemen durch eine externe Sensorik (Laserscanner) ermöglicht. Neu an dieser Technik ist, dass die Fahrerlosen Transportfahrzeuge dabei auch hintereinander lokalisiert werden können.

Mario Hermann (TU Dortmund, Lehrstuhl für Industrielles Informationsmanagement)

Team_Mario_Hermann_140

Thema: Entwicklung eines Industrie-4.0-Reifegradmodells für die Logistik

Kurzbeschreibung: Der Begriff Industrie 4.0 wird gegenwärtig sowohl in der Wissenschaft als auch in der Praxis intensiv diskutiert. Ein einheitliches Verständnis des Begriffs fehlt jedoch. Eine besondere Herausforderung besteht für die Praxis insbesondere darin, einzuschätzen, welche Implikationen Industrie 4.0 für das eigene Unternehmen hat und wie das Unternehmen hinsichtlich dieser Implikationen aufgestellt ist.
Vor diesem Hintergrund entwickelt die Dissertation ein Reifegradmodell, welches Unternehmen dabei unterstützt die Vorteile von Industrie 4.0 zu nutzen. Industrie 4.0 wird dabei als neues Organisationskonzept verstanden, welches die zukünftige Gestaltung von Unternehmen grundlegend beeinflusst. Aus diesem Grund werden zunächst die Auswirkungen von Industrie 4.0 auf Unternehmen analysiert und daraus 24 Industrie-4.0-Handlungsfelder abgeleitet. Jedes dieser Handlungsfelder wird wiederum in aufeinander aufbauende Stufen gegliedert, die einen Entwicklungspfad aufzeigen. Dies ermöglicht es Unternehmen ihre aktuelle Industrie-4.0-Reife zu messen, Industrie-4.0-Potentiale zu identifizieren und daraus einen Maßnahmenplan zu entwickeln.

André Moetz (Volkswagen AG)

Team_Andre_Moetz_140

Thema: Entwicklung eines integrierten, adaptiven Verfahrens zur Resequenzierung des Fahrzeugprogramms in automobilen Produktionsnetzwerken

Kurzbeschreibung: Das Ziel dieser Doktorarbeit ist die Entwicklung einer integrierten, adaptiven Methode zur Resequenzierung des Fahrzeugprogramms bei kurzfristigen Störungen. In automobilen Produktionsnetzwerken sind kurzfristige Störungen (z. B. Maschinenausfälle, Versorgungsunterbrechungen) ein bedeutender Instabilitätstreiber. Solche Ereignisse betreffen nicht nur den OEM, sondern gehen mit weitreichenden Auswirkungen im gesamten Produktionsnetzwerk einher. Daher ist die Erforschung der Instabilität in Produktionsnetzwerken ein höchst relevantes Thema für Praktiker und Wissenschaftler - insbesondere die Erforschung standortübergreifender Wechselwirkungen weist einen hohen Forschungsbedarf auf. Um die Entwicklung eines solchen generischen IT-Artefakts in einem a priori unbekannten und komplexen Forschungsgebiet zu unterstützen, wurde ein designwissenschaftlicher Forschungsansatz gewählt.

Sebastian Opriel (Fraunhofer ISST, Digitization in Logistics)

Schatten_m_140

Thema: Werkzeuge und Methoden zur Unterstützung der Digitalisierung von Lieferketten

Tobias Pentek (Universität St. Gallen)

Team_Tobias_Pentek_140

Thema: Capability Reference Model for Data Management

Kurzbeschreibung: Im Kontext der digitalen Transformation und der steigenden Bedeutung von datengetriebenen Geschäftsmodellen sind Daten als strategische Unternehmensressource von großer Relevanz und das Management dieser strategischen Ressource wird als Schlüsselqualifikation für Unternehmen gesehen. Sowohl die wissenschaftliche Gemeinschaft als auch Praktiker betrachten daher Datenmanagement mit zunehmender Aufmerksamkeit. Trotz dieser Aufmerksamkeit fehlt ein ordnender Rahmen, der die relevanten Gestaltungsbereiche und deren Zusammenspiel aufzeigt, um die notwendigen Datenmanagementfähigkeiten zu gestalten und dabei die Anforderungen von digitalen, datengetriebenen Unternehmen berücksichtigt. Das Dissertationsprojekt schließt diese Lücke, indem es mit dem Data Excellence Model ein Referenz- und Reifegradmodell für die Gestaltung und Bewertung von Datenmanagmentfähigkeiten vorstellt, das als Design-Artefakt eine «Blaupause» für den Auf- und Ausbau und die Bewertung von Datenmanagement in digitalen, datengetriebenen Unternehmen liefert. Die Dissertationsschrift erläutert den Gestaltungsprozess, beschreibt die daraus resultierenden Artefakte und demonstriert ihre Anwendbarkeit und Nützlichkeit anhand von mehreren Fallstudien.

Mathias Quetschlich (AUDI AG)

Team_Mathias_Quetschlich_140

Thema: Forecasting Automotive POtions with Time Series and Machine Learning Approaches

Kurzbeschreibung: In der Dissertation werden Methoden, Prozesse, Datenflüsse und Algorithmen verglichen und strukturiert evaluiert, welche verschiedene Prädiktoren (wie z.B. Web Fahrzeug Konfiguratoren) und historische Bestellungen kombinieren. Ziel ist es möglichst gute Prognosen für Ausstattungsmerkmale zu generieren.

Ann-Carina Tietze (Volkswagen AG)

Team_Ann-Carina_Tietze_140

Thema: Zeitkritisches Wissensmanagement am Beispiel des Engpassmanagements in der Automobilwirtschaft

Kurzbeschreibung: Die deutsche Automobilwirtschaft ist heutzutage gekennzeichnet durch eine steigende Variantenvielfalt und sinkende Eigenfertigungstiefe, die zu einem komplexen Lieferantennetzwerk für die Produktionsversorgung führen. Diese vielschichtige Versorgungssituation kann das Auftreten von Versorgungsengpässen provozieren, weshalb der richtige Umgang mit auftretenden Lieferproblemen in den Fokus rückt. Derzeit ist aufgrund einer unzureichenden Wissensgrundlage hinsichtlich der Datenqualität, -verfügbarkeit und -aktualität einzig eine sehr zeitverzögerte Reaktion möglich. Die Auswahl optimal zielgerichteter Maßnahmen sowie deren Einleitung gestaltet sich daher für den OEM als schwierig. Dabei sind viele Daten sowie Expertenwissen vorhanden, müssen aber effektiver genutzt werden. Als Lösungsidee bietet sich das Wissensmanagement in Form einiger Modelle zur effektiveren Wissensnutzung durch stringente Wissensgenerierung an. Die direkte Übertragung der zeitunabhängigen Modelle auf das Engpassmanagement scheitert allerdings an der Zeitkritikalität des Praxisproblems. Das Ziel dieser Arbeit ist daher die Demonstration von Wissen als Funktion der Zeit durch die Entwicklung einer Assistenzsystemarchitektur für das Engpassmanagement und, daraus resultierend, die Ableitung der die Zeit beeinflussenden Faktoren zur Erweiterung eines bestehenden Wissensmanagementmodells um den Faktor „Zeit“.

Johannes Zrenner (Graduate School of Logistics)

Team_Johannes_Zrenner_140

Thema: Interorganisationale Informationssysteme für das kollaborative Risikomanagement in automobilwirtschaftlichen Liefernetzwerken

Kurzbeschreibung:

Die Liefernetzwerke der Automobilindustrie werden zunehmend komplexer und störanfälliger. Hauptgrund hierfür ist, dass die Komponenten der Fahrzeuge über eine Vielzahl an Lieferanten global beschafft werden müssen, um die Anforderungen der Kunden hinsichtlich Preis und Funktionalität zu erfüllen. Die Effizienz und Effektivität der Liefernetzwerke hat sich dadurch zum Wettbewerbsfaktor für die Automobilhersteller entwickelt. In der Praxis kommt es jedoch häufig zu Versorgungsengpässen, die aufgrund von mangelnder Transparenz im Liefernetzwerk zu spät erkannt werden und somit in der Regel zu finanziellen Schäden führen.

Die internen Daten in den verschiedenen Systemen der Automobilhersteller reichen nicht aus, einen ganzheitlichen Blick auf das jeweilige Liefernetzwerk zu generieren. Aus diesem Grund ist die Kollaboration zwischen den am Liefernetzwerk beteiligten Akteuren erforderlich. Das Ergebnis dieser Arbeit ist ein Informationsmodell, das ein interorganisationales Informationssystem für das kollaborative Risikomanagement im automobilwirtschaftlichen Liefernetzwerk beschreibt.