UDZ UNTERNEHMEN DER ZUKUNFT - 1/2020 FORSCHUNG
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
UdZ 1/2020
Forschung
Unternehmen der Zukunft
Zeitschrift für Betriebsorganisation und Unternehmensentwicklung
ISSN 1439-2585
>In dieser Ausgabe<
Seite 6 In Anlehnung an die Leitthemen der Johannes-Rau-Forschungsgemeinschaft
erforscht und gestaltet das FIR die Zukunft
>FIR-Forschungsprojekte<
Seite 10 Seite 24
Digitale Lösungen für industrielle Energieinformationssysteme im
Kunststoffkreisläufe Internet of Production
Ressourceneffiziente Kreislaufschließung der Energiebedarfsmanagement zur
Kunststoffwirtschaft mithilfe innovativer und Kostenreduktion und Nachhaltigkeitssteigerung
passgerechter digitaler Lösungen
Seite 12 Seite 28
Effektive Digitalisierung von
Stromgestehungskosten von Onshore-
Windenergieanlagen reduzieren Design-Workshops
Reduktion der Stromgestehungskosten unter
Vorgehen am Beispiel des Wireframings in
Nutzung von historischen und aktuellen
einer Cloud-Applikation
Betriebs- und Servicedaten von
Onshore-Windenergieanlagen
Seite 31
Seite 16
Intelligente Echtzeit-Unterstützung
Konzept für ein
des Anlernprozesses bei industriellen
Entscheidungsunterstützungssystem
Nähmaschinen
im Störungsmanagement
Entwicklung eines "Retrofit-Kits" als
Nutzung von Process-Mining und
Machine-Learning zur schnellen Reaktion Arbeiterhilfsmittel für Maschinen im Handwerk
auf Störungen in der Produktionssteuerung
Seite 34
Seite 20 Weiterentwicklung der europäischen
Skalierung industrieller Dienstleistungen industriellen Zusammenarbeit in der
Möbelindustrie
Erfolgreiche Skalierung und Implementierung
von Dienstleistungsangeboten Gestaltung eines nachhaltigen Geschäftsmodells
im industriellen Umfeld für Co-Creation-Ökosysteme
4 UdZForschung – Unternehmen der Zukunft 1/2020
Seite 37 Seite 44
Einsatz von Sprachassistenzsystemen Anwendung der Datenfusion bei der
in der Wertschöpfung von KMU des Erfassung und Speicherung betrieblicher
Maschinen und Anlagenbaus
Rückmeldedaten
Vorgehensmodell zur Identifikation Steigerung der Datenqualität betrieblicher
nutzenstiftender Einsatzszenarien für
Rückmeldedaten durch Methoden der Datenfusion
Sprachassistenzsysteme für KMU
Seite 47
Seite 40 Reporting der unternehmerischen
Bewertung und Implementierung von Fähigkeit der Datenbewirtschaftung
digitalen Plattformen in der Kontraktlogistik
Auf dem Weg zur Ermittlung des unter-
nehmerischen Datenkapitals
Entscheidungstool und Umsetzungsstrategien zum
Beitritt oder Aufbau von Logistikplattformen
Seite 50
Führung in der digitalen Transformation
Gute Führung und Arbeit
in der soziodigitalen Transformation
>Studien, Standards und Publikationen<
Seite 56 Seite 58
Neue Bände der FIR-Editionen Forschung Marktstudie: IT-Komplexität
und Studien erschienen
IT-Komplexität und ihre Bedeutung für produzierende
Unternehmen im Kontext von Industrie 4.0
Seite 62
Neue Dissertationsschrift erschienen
UdZForschung – Unternehmen der Zukunft 1/2020 5
FIR-Forschungsprojekte – Leitthema: Gesellschaft & Digitalisierung
Projekt: DaFuER
Anwendung der Datenfusion
bei der Erfassung und Speicherung
betrieblicher Rückmeldedaten
Steigerung der Datenqualität betrieblicher
Rückmeldedaten durch Methoden der Datenfusion
Dieser Artikel gibt einen einführenden Überblick über die Ziele des Forschungsprojekts ‚DaFuER‘ und das Vorgehen in
demselben. Ziel des Forschungsprojekts ist es, Methoden der Datenfusion zur Steigerung der Datenqualität im Kontext
betrieblicher Rückmeldedaten anzuwenden. Hierzu soll im Vorhaben die Frage beantwortet werden, wie durch Ansätze der
Datenfusion eine hinreichende Qualität von Rückmeldedaten in der Produktion kosteneffizient sichergestellt werden kann.
Das IGF-Vorhaben 20579 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen, Campus-Boulevard 55, 52074 Aachen wird
über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium
für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
D
urch die zunehmende Globa- hin zu einer Anbindung an vorhandene Aufnahme betrieblicher Rückmeldedaten
l i s i e r u n g s te h e n p r o d u z i e - Maschinen und Transportsysteme, die Kosten sparen und schnellere Prozess-
rende Unternehmen vor der Mengen mit einem Zeitstempel versehen verbesserungen ermöglichen. Der direkte
Herausforderung, hochindividuelle Pro- in das IT-System übertragen. 4 Einfluss mangelhafter Daten lässt sich
dukte zu niedrigen Kosten effizient her- auch anhand des Unternehmensumsatzes
zustellen. Besonders in Hochlohnländern, Um gute Entscheidungen im Rahmen der bemessen. So wurde bereits 1998 in einer
in denen hauptsächlich hochwer tige Produktionssteuerung sowie Kalkulationen Studie von Redman nachgewiesen, dass
Produktionsgüter hergestellt werden, des operativen Produktionscontrollings durch mangelhafte Datenqualität bis zu 12
muss dazu eine immer flexiblere Fertigung treffen zu können, sind vor allem eine Prozent weniger Unternehmensumsätze
ermöglicht werden.1 Dies wird erst durch hohe Datenkonsistenz und deren Wider- erzielt werden konnten.6
Fortschritte in digitalen Technologien spruchsfreiheit notwendig.5 Des Wei-teren
umsetzbar: Durch eine Darstellung des bildet eine verlässliche Datenbasis die Entgegen der Bedeutung für den wirt-
realen Produktionsfortschritts, nahe- Grundlage für Prozessoptimierung und schaftlichen Erfolg eines Unternehmens
zu in Echtzeit, gelingt es, schnell auf die anschließende Verarbeitung der Daten wird die Datenqualität bei KMU zurzeit
Änderungen des Produktionsablaufs zu im Rahmen von Big-Data-Analysen. Da die oft als unzureichend eingeschätzt.7
reagieren. Damit solche Entscheidungen Datenaufbereitung für spezifische Analysen
jederzeit richtig und schnell getroffen bis zu 80 Prozent des Arbeitsaufwands Zudem haben Erfahrungen aus vorherigen
werden können, ist eine solide Daten- ausmacht, kann eine korrekte und präzise Forschungsprojekten des FIR (iProd, bigPro)
grundlage unabdingbar. 2
Die Basis daf ür bilden be tr iebliche
Rück meldedaten. D iese beinhalten
unter anderem logistische Daten,
Personalzeitdaten, Maschinendaten,
Betriebsdaten, Qualitätsdaten, aber auch
Leistungsdaten.³ In der Praxis reicht die
Art der Datenerfassung von händischen
Eintragungen über gefertigte Mengen
und benötigte Zeiten in das IT-System bis
1
s. Niehues et al. 2017, S. 169
2
s. Müller 2000, S. 14; Nayar 1993, S. 51 – 58
3
s. VDMA 2009, S. 3
4
s. Kletti 2015, S. 19 – 21
5
s. Bauer 2003, S. 15 Bild 1: Verortung der Daten- und Decisionfusion in der Wissenspyramide
6
s. Redman 1998, S. 82 (eigene Darstellung i. A. a. Wolf et al. 1999, S. 748)
7
s. SPATH 2013, 92 ff.
44 UdZForschung – Unternehmen der Zukunft 1/2020
Leitthema: Gesellschaft & Digitalisierung – FIR-Forschungsprojekte
gezeigt, dass reale Rückmeldeprozesse eingesetzt werden. Unter dem Begriff der widersprüchliche Informationen vorliegen
eine exakte Rückmeldung oft verhindern. Datenfusion wird die „Zusammenführung können.11
Nach Apel et al. sind Gründe hierfür ein mehrerer verschiedener Datensätze, die
mangelndes Problembewusstsein, man- alle dasselbe Objekt einer realen Welt In der Praxis lassen sich diverse An-
gelhaftes Design der Eingabemasken, die beschreiben“9 , verstanden. Dabei folgt wendungsfälle im Bereich der Produk-
Heterogenität der Datenquellen sowie auf eine Prüfung der Schemen der ein- tionssteuer ung und des operativen
fehlende Ressourcen für die Erfassung zelnen Datensätze (beispielsweise der Produktionscontrollings finden. So ist
der Daten. Diese ungünstige Prozess- Spalteneinträge) das Schema-Mapping, beispielsweise eine häufig auftretende
gestaltung führt zu einer Verzerrung eine Duplikatsprüfung. Zuletzt werden Problematik die genaue Bestimmung der
der Rückmeldedaten und daher zu einer auftretende Datenkonflikte bereinigt. Durchlaufzeiten und Rüstzeiten. Dabei wer-
schlechten Datenqualität.8 Insbesondere im letzten Schritt lassen sich den Zeiten einzelner Bearbeitungsschritte
nach Bleiholder u. Neumann verschiedene oder möglicher Störungen oft nicht durch
Neben dem Einsatz zusätzlicher Sen- Methoden beschreiben, welche sich in ihrer geeignete Rückmeldeprozesse oder Rück-
sorik stellt die Verknüpfung vorhan- Komplexität bei der Umsetzung unterschei- meldepunkte erfasst. Dies führt dazu, dass
dener Datenquellen eine kostengün- den. Hierzu zählen beispielsweise einfache die Datenqualität in Bezug auf verschie-
stigere Alternative zur Steigerung der Ansätze wie „Take the Information“, der dene Beschreibungsdimensionen nicht
Datenqualität dar. Damit eignet sich einen vorhandenen Wert einem leeren Feld korrekt ist.
diese insbesondere zur Implementierung vorzieht, oder aber auch ein Vergleich mit
bei KMU. Das Forschungsprojekt ‚DaFuER‘ großen Datenbanken („Trust your Friends“) Bei der Bestimmung der Datenqualität wer-
zielt zu diesem Zweck auf eine Steigerung sowie der Abgleich mit häufig auftretenden den nach Wang u. Strong vier Dimensionen
der Datenqualität von Rückmeldedaten Werten („Cry with the wolfes“).10 und entsprechende Kriterien unterschie-
durch systemorientier te, technische den. Die Dimension der intrinsischen
Ansätze ab. Hierbei werden insbesondere In Analogie zur Wissenspyramide wird Datenqualität untersucht den Inhalt eines
die relevanten Rückmeldedaten für die bei der Vereinigung von Informationen Datensatzes anhand der Kriterien der
Produktionssteuerung und das operative (verarbeiteten Daten und Mustern) von Glaubwürdigkeit, der Genauigkeit, der
Produktionscontrolling fokussiert. Decisionfusion gesprochen (s. Bild 1, S. 46).
Ziel ist es hierbei, eine Schlussfolgerung
Bei der Betrachtung der Datenqualitäts- aus den verschiedenen vorhandenen 8
s. Apel et al. 2015, S. 37
steigerung sollen insbesondere Methoden
9
leiholder u. Naumann 2011, S. 59
Informationen abzuleiten, wobei auf- 10
s. Bleiholder u. Naumann 2006, S. 2
der Datenfusion und der Decisionfusion grund von Datenqualitätsmängeln auch 11
s. Castanedo 2013, S. 15
Bild 2: Datenfusion bei der Rückmeldungen eines Rüstprozesses (eigene Darstellung)
UdZForschung – Unternehmen der Zukunft 1/2020 45
FIR-Forschungsprojekte – Leitthema: Gesellschaft & Digitalisierung
Objektivität und der Reputation. Bei der mann/publications/IIWeb06.pdf (Link zuletzt Qualität und IT-Systeme für Planung und Betrieb.
Dimension der kontextuellen Datenqualität geprüft: 15.06.2020) In: Handbuch Industrie 4.0. Geschäftsmodelle,
Prozesse, Technik. Hrsg.: G. Reinhart. Hanser,
wird ein Datensatz bezüglich seines
Bleiholder, J.; Naumann, F.: Kurz erklärt. München [u. a.] 2017, S. 137 – 167.
Nutzens beurteilt (Kriterien: Mehrwert, Datenfusion. In: Datenbank-Spektrum 11 (2011) 1,
Relevanz, Aktualität, Vollständigkeit und S. 59 – 61. Redman, T. C.: The impact of poor data quality on
Datenmenge). Weiterhin lässt sich die the typical enterprise. In: Communications of the
repräsentative Datenqualität anhand der Castanedo, F.: A review of data fusion techniques. ACM 41 (1998) 2, S. 79 – 82.
Darstellung einzelner Datensätze bewerten, In: The Scientific World Journal (2013), 19 S. https://
www.researchgate.net/publication/259003916_A_ Spath, D. (Hrsg.): [Studie] Produktionsarbeit der
sodass die Kriterien der Interpretierbarkeit,
Review_of _Data_Fusion_Techniques/fulltext/54a Zukunft – Industrie 4.0. Fraunhofer-Verl., Stuttgart
Verständlichkeit, Einheitlichkeit und Über- 1196f0cf267bdb9017265/A-Review-of-Data-Fusion- 2013. https://www.iao.fraunhofer.de/images/iao-
sichtlichkeit relevant sind. Die letzte Techniques.pdf (Link zuletzt geprüft: 15.06.2020) news/produktionsarbeit-der-zukunft.pdf (Link
Dimension der Datenqualität ist die zu- zuletzt geprüft: 15.06.2020)
gangsbezogene Datenqualität. Dabei wird Kletti, J. (Hrsg.): MES – Manufacturing Execution
System. Moderne Infor-mationstechnologie un- VDMA 66412-1: Manufacturing Execution Systems
eingeschätzt, wie ein Datensatz in Bezug
terstützt die Wert-schöpfung. 2. Auflage. Springer (MES): Kennzahlen. Verein Deutscher Maschinen-
auf die Kriterien der Erreichbarkeit und der Vieweg, Berlin [u. a.] 2015. und Anlagenbau (VDMA) e. V.; ICS 03.100.50. Beuth,
Zugriffssicherheit im System vorliegt.12 Berlin, Oktober 2009.
Müller, J.: Transformation operativer Daten
Im Forschungsprojekt ‚DaFuER‘ werden zur Nutzung im Data Warehouse. Deutscher Wang, R. Y.; Strong, D. M.: Beyond Accuracy: What
Universitätsverlag, Wiesbaden 2000. – Zugl.: Data Quality Means to Data Consumers. In: Journal
unter anderem auch Anwendungsfälle für
Bochum, Univ., Diss., 1999. of Management Information Systems 12 (1996) 4,
die genaue Bestimmung der Prozesszeiten
S. 5 – 33.
untersucht. So variieren beispielsweise die Nayar, M.: Achieving Information Integrity.
systemseitig erhobenen Rüstzeiten bei einem I n : I n f o r m a t i o n Sy s t e m s M a n a g e m e n t Wolf, T.; Decker, S.; Abecker, A.: Unter-stützung des
Projektpartner sehr stark, wodurch eine 10 (1993) 2, S. 51 – 58. Wissensmanagements durch Informations- und
effektive Produktionssteuerung wie auch Kommunikations-technologie. In: [Proceedings]
Niehues, M.; Reinhart, G.; Schmitt, R.; Schuh, G.; Electronic Business Engineering. 4. Internationale
eine Nachkalkulation der einzelnen Produkte
Brambring, F.; Ellereich, M.; Elser, H.; Frank, D.; Tagung Wirt-schaftsinformatik 1999. Hrsg.: M.
nicht aussagekräftig sind (s. Bild 2, S. 45). Groggert, S.; Gützlaff, A.; Heinrichs, V.; Hempel, Nüttgens; A.-W. Scheer. Physica, Heidelberg 1999,
Durch die Fusion bereits vorhandener T.; Kostyszyn, K.; Ngo, H.; Niendorf, L.; Permin, E.; S. 745 – 765.
Datenquellen, wie zum Beispiel der Rüst- Prote, J.-P.; Reuter, C.; Türtmann, R.: Organisation,
Rückmeldungen, der Störungsmeldungen,
der Auftrags- und Personaldaten, können
Datenkonflikte aufgelöst und die gesamte Ansprechpartner:
Datenqualität gesteigert werden. Dabei
wird nicht nur die inhaltliche Datenqualität Jokim Janßen, M.Sc.
FIR e. V. an der RWTH Aachen
verbessert, sondern es werden auch weitere
Wissenschaftlicher Mitarbeiter
Datenqualitätsdimensionen (z. B. die Nutzung
Bereich Produktionsmanagement
oder Darstellung der Daten) angesprochen.
Tel.: +49 241 47705-413
E-Mail: Jokim.Janssen@fir.rwth-aachen.de
12
s. Wang u. Strong 1996, S. 20
Literatur
Projekttitel: DaFuER
Apel, D.; Behme, W.; Eberlein, R.; Merighi, C.:
Datenqualität erfolgreich steuern. Praxislösungen
Forschungs-/Projektträger: Bundesministerium für Wirtschaft und Energie (BMWi);
für Business-Intelligence-Projekte. 3., überarb. und
Arbeitsgemeinschaft industrieller Forschungsver-
erw. Auflage. dpunkt.verl., Heidelberg 2015.
einigungen "Otto von Guericke" e. V. (AiF)
Bauer , J.: Produk tionscontrolling mit
SAP ® -Sys te m e n . Ef f izie nte s Controllin g , Förderkennzeichen: 20579 N
Logistik- und Kostenmanagement moderner
Produktionssysteme. 2., aktualis. u. er w. Projektpartner: AUTO HEINEN GmbH, Berghof Systeme e. K., DFA
Auflage. Vieweg+Teubner Verlag, Wiesbaden Demonstrationsfabrik Aachen GmbH, INDUTRAX GmbH,
2003. Maschinenfabrik Möllers GmbH, Mattern Consult Gesellschaft
für Produktionsregelung und Logistik mbH, mk Plast GmbH
Bleiholder, J.; Naumann, F.: Conflict Handling & Co. KG, NETRONIC Software GmbH, SICK AG, Ubisense AG,
Strategies in an Integrated Information System. Westaflexwerk GmbH
Humboldt-Universität, Berlin 2006. https://hpi.
de/fileadmin/user_upload/fachgebiete/nau- Internet: dafuer.fir.de
46 UdZForschung – Unternehmen der Zukunft 1/2020Sie können auch lesen
