Open Access

Zukünftige Montagearbeitsplätze müssen veränderten Herausforderungen, wie z. B. der zunehmenden Anzahl von Mensch Roboter-Kollaborationen, gerecht werden. Die Virtual Reality (VR)-Technik bietet im Rahmen der Arbeitsplatzgestaltung neue Möglichkeiten, diesen veränderten Planungsherausforderungen gerecht zu werden. Die Ausarbeitung stellt eine Methode zur Bewertung des sinnvollen Einsatzes der VR-Technik für einen spezifischen Arbeitsplatz vor. Außerdem wird aufgezeigt, wie die VR-Technik in den Prozess der Arbeitsplatzgestaltung integriert werden kann.

Der Zusammenschluss von Unternehmen in Lieferantennetzwerken auf Basis digitaler Plattformen bietet eine Möglichkeit, der Forderung nach Flexibilität in der Industrie 4.0 nachzukommen. Anhand der Charakterisierung eines realen Lieferantennetzwerkes werden use cases für die Lieferantenanbindung hergeleitet. Diese dienen als Diskussionsgrundlage von Potenzialen und Herausforderungen der Anbindung, wobei sich die Frage nach der optimalen Integrationstiefe stellt. Hierzu wurde ein anwenderorientiertes Entscheidungsmodell abgeleitet.

Efficiency in supply chain risk management (SCRM) is a major topic in industries with serial production and a complex supply chain due to limited management and financial resources. A high number of possible risk situations and intertwined processes create a more challenging environment for resource allocation. Managers cannot perform SCRM in all possible supply chain areas and hence have to decide where available resources should be utilised for highest possible risk reduction. This makes it important to quickly and systematically evaluate input and output relationships among risk mitigation actions to determine which actions are deployed first for efficient risk level reduction. This paper introduces a new SCRM method based on the failure mode and effects analysis (FMEA) in order to perform an efficiency-oriented risk action prioritisation. By considering the cost-benefit evaluation of identified risk mitigation actions for each assessed risk and by determining the implementation effort for risk mitigation actions, also considered as the cost for realising a specific risk action the method allows finding those risk and risk mitigation actions, which are most efficient for risk reduction and should be implemented first in the process of risk steering.

The paper describes a new stimulus using learning factories and an academic research programme - an M.Sc. in Digital Industrial Management and Engineering (DIME) comprising a double degree - to enhance international collaboration between four partner universities. The programme will be structured in such a way as to maintain or improve the level of innovation at the learning factories of each partner. The partners agreed to use Learning Factory focus areas along with DIME learning modules to stimulate international collaboration. Furthermore, they identified several research areas within the framework of the DIME program to encourage horizontal and vertical collaboration. Vertical collaboration connects faculty expertise across the Learning Factory network to advance knowledge in one of the focus areas, while Horizontal collaboration connects knowledge and expertise across multiple focus areas. Together they offer a platform for students to develop disciplinary and cross-disciplinary applied research skills necessary for addressing the complex challenges faced by industry. Hence, the university partners have the opportunity to develop the learning factory capabilities in alignment with the smart manufacturing concept. The learning factory is thus an important pillar in this venture. While postgraduate students/researchers in the DIME program are the enablers to ensure the success of entire projects, the learning factory provides a learning environment which is entirely conducive to fostering these successful collaborations. Ultimately, the partners are focussed on utilising smart technologies in line with the digitalization of the production process.

Der Einsatz von Data Science in der Produktion ermöglicht eine neue Art der Optimierung von Prozessen und Systemen. Die Bedeutung der datengetriebenen Produktionsoptimierung wächst zunehmend im produzierenden Gewerbe. Im Gegensatz zu konventionellen Ansätzen, wie z. B. die des Lean Managements, basiert dieser anhaltende Trend auf der steigenden Verfügbarkeit von Daten im Zuge der digitalen Transformation. Vor allem kleine und mittlere Unternehmen stehen vor der Herausforderung abzuwägen, welche Maßnahmen hierfür ergriffen werden sollten und welche Nutzenpotenziale sich daraus ergeben. Diese Arbeit stellt einen strukturierten Leitfaden zur Vorgehensweise bei Datenanalyseprojekten bezogen auf einen spezifischen Anwendungsfall im Kontext einer frühen Fehlerdetektion und -prävention dar.