Listen
10 Ergebnisse
Ergebnisse nach Hochschule und Institut
Publikation Der "Digital Twin". Das unbekannte Wesen(Swiss Professional Media, 20.08.2021) Krack, Markus; Burri, Simona; Fischer, ManuelDer «Digitale Zwilling» ist in aller Munde. Oft ist jedoch unklar, was genau mit dem Begriff gemeint ist. Prof. Markus C. Krack, am Institut für Business Engineering FHNW verantwortlich für das Forschungsgebiet Smart Factory, und Simona Burri sowie Manuel Fischer, die am selben Institut ihr Masterstudium absolvieren und als wissenschaftliche Assistenten arbeiten, versuchen, den Digitalen Zwilling zu definieren, dessen Aufbau und Einsatzmöglichkeiten zu betrachten und Vorteile und Nutzen aufzuzeigen.01B - Beitrag in Magazin oder ZeitungPublikation Der Digitale Zwilling – Kern der Fabrik der Zukunft(23.06.2021) Krack, Markus; Burri, Simona; Fischer, ManuelDer Begriff «Digitaler Zwilling» (engl. Digital Twin) ist in letzter Zeit in aller Munde und muss für vieles herhalten, das nur am Rande mit einem solchen zu tun hat. Ein 3D-CAD Modell als Digitalen Zwilling zu bezeichnen ist zum Beispiel schlichtweg falsch. Auch die Behauptungen, dass der Digitale Zwilling längst Stand der Technik ist und in den meisten Unternehmen eingesetzt wird, sind verwegen.01B - Beitrag in Magazin oder ZeitungPublikation Industrie 5.0 auf dem Prüfstand(Swiss Professional Media, 11.06.2021) Schmid, Markus; Waldburger, RaoulDer Begriff «Industrie 5.0» geistert schon seit gut drei Jahren in einschlägigen Publikationen herum. Logisch, dass man sich nach einem knappen Jahrzehnt des Zusammenraufens mit dem Konzept von Industrie 4.0 fragt: Was kommt danach? Die TR-Redaktion hat dazu das moderne Orakel befragt: das World Wide Web. Dabei sind wir ob der schwammigen Konzepte etwas ins Grübeln gekommen und haben uns an Experten gewandt. Hier die Bestandesaufnahme.01B - Beitrag in Magazin oder ZeitungPublikation Intelligente Assistenzsysteme. Prozessorientierte Produktionsplanung(Swiss Association for Quality, 2021) Waldburger, Raoul; Specker, AdrianAuf Basis einer exakten und lückenlosen Betriebsdatenerfassung von real ablaufenden Produktionsprozessen lässt sich mithilfe statistischer Auswertungen ein digitaler Zwilling des Produktionssystems erstellen. Er bildet die Realität besser ab als Schätzungen von Produktionszeiten durch die Arbeitsvorbereitung. Mit dem digitalen Zwilling eröffnen sich neue Perspektiven für Planungssysteme, welche die Planenden interaktiv und präziser bei ihren Entscheiden zur Auftragsfreigabe unterstützen. Ein solches Planungskonzept hat zudem das Potenzial, die Durchlaufzeiten um über 50 Prozent zu reduzieren, falls durch eine stark erhöhte Genauigkeit der Vorgabezeiten gar die Umstellung auf eine getaktete Fertigung ermöglicht wird. Die durchschnittlichen Durchlaufzeiten der Fertigungsaufträge lassen sich mit der beschriebenen Methode von ursprünglich 19,5 auf 9,7 Kalendertage reduzieren.01B - Beitrag in Magazin oder ZeitungPublikation Intelligent geplant. Prozess-intelligente Assistenzsysteme bringen die Produktionsplanung voran(GITO, 01.03.2021) Specker, Adrian; Waldburger, RaoulDie Maschinen-, Elektro- und Metall-Industrie (MEM-Industrie) in der DACH-Region ist eine führende Technologie-Branche mit ausgeprägter Innovations-, Gestaltungs- und Wirtschaftsstärke. ERP-Systeme sind bei Stückgutfertigenden in der MEM-Industrie erfolgsrelevant und werden zusammen mit Bestellbestandsverfahren standardmäßig für die operative Produktionsplanung und -steuerung eingesetzt. Im Rahmen des nachfolgend beschriebenen Forschungsprojektes wird der Einsatz intelligenter „digitaler Zwillinge“ in der Produktionsplanung vorgestellt. Ziel ist es, durch den Einsatz von Process Mining und der damit verbundenen Kenntnis der Bearbeitungszeiten, eine systematische Reduktion der Durchlaufzeiten, eine erhöhte Flexibilität und Liefertermintreue zu erreichen – bei konstant hoher Kapazitätsauslastung. Erste Resultate zeigen, dass die Durchlaufzeiten, um mehr als 50 Prozent reduziert werden konnten.01B - Beitrag in Magazin oder ZeitungPublikation Ausgestaltung eines Assistenzprozesses im sozio-technischen Umfeld am Beispiel eines Produktions-Planungs-Prozesses(26.02.2021) Waldburger, Raoul; Stauffacher, Christoph; Waldburger, RaoulIn the context of the Smart Recommender System for Medium Sized Entreprises SRS-4-MSE project of the Institute of Business Engineering IBE of the University of Applied Sciences Northwestern Switzerland FHNW, this thesis investigates the main success factors for the design of effective and efficient assistance systems in socio-technical environments. By following the SRS-4-MSE, concrete implications are sought that can be derived for this project from the work presented here. For this purpose, the questions of how a good planning process is defined and what an assistance system is, are explored. How a self-learning assistance system has to be designed, so that the human being learns as well as the machine, and how a planning process with an assistance system can be designed. The main results of this project work can be divided into the areas of planning process and assistance system and assigned to the respective levels according to PTO. In the area of planning process these are: Understanding about process as a key factor (people), monitoring of processes as a basis for decision making (technology), processes have to be continuously adapted to their environment (organization). Regarding assistance systems, these are: Humans must understand technology (people), the "right" use of technology is to be decided (technology), role distribution between humans and machines must be clarified (organization). From this, 19 key insights could be derived, which form the basis for the assistance process. This in turn covers the entire course from design to optimization of an assistance system in a planning process in five phases: Requirements & Design, Introduction, Application, Control and Need for Action.11 - Studentische ArbeitPublikation Smart scheduling recommender system for process-centric production planning in medium sized enterprises (SRS-4-MSE)(03.02.2021) Waldburger, RaoulSRS-4-MSE is focusing on a process-centric scheduling for MSE in the MEM sector by combining process mining and process simulation algorithms in a recommender system to reduce throughput times with the application of a digital twin. In the Swiss mechanical and electrical engineering industries (MEM), usually ERP modules for scheduling processes based on heuristics are applied in the production planning. Reduction of throughput time with smart digital twins in the production allows for an increase regarding flexibility and responsiveness as well as higher delivery readiness (reduced out-of-stock). First analysis results of the PoC performed with an anonymized offline data set indicated a reduction potential of average throughput times of over 50%.06 - PräsentationPublikation Solving the Job-Shop Scheduling Problem with Reinforcement Learning(01.09.2020) Schlebusch, David; Siegenthaler, Roger; Waldburger, Raoul; InnosuisseThis study explores the research done into solving the job-shop scheduling problem with linear optimization and reinforcement learning methods. It looks at a timeline of the problem and how methods to solve it have changed over time. The research should give an understanding of the problem and explore possible solutions. For that, an extensive search for papers was done on Scopus, a research paper database. 27 promising papers were selected, rated, and categorized to facilitate a sound understanding of the problem and define further research fields. Two such research fields were further elaborated; Firstly, little research has been done on how reinforcement learning can be improved by implementing data or process mining strategies to further improve accuracy. Secondly, no research was found yet connecting reinforcement learning with a takt schedule. The gathered papers give an extensive overview of the problem and demonstrate a multitude of solutions to the job-shop scheduling problem, which are discussed in detail in the results of this report.11 - Studentische ArbeitPublikation Smart Factory ist keine Software(01.09.2020) Krack, MarkusSmart Factory SF steht für ein Produktionssystem, welches sich selbstständig organisiert und steuert. Die Smart Factory besteht aus eigenständigen Systemen, die sich autark verwalten und mittels digitalen Netzen mit anderen Systemen kommunizieren. Bei den Systemen differenziert man zwischen den drei Elementen Produkt, Produktionssystem und Logistiksystem.01B - Beitrag in Magazin oder ZeitungPublikation Digitale Transformation / Projekt SmartAargau: Wie der Kanton Aargau digitalisiert(24.08.2020) Waldburger, Raoul; Krack, MarkusMit dem Programm «SmartAargau» treibt der Kanton die Digitalisierung in der Verwaltung weiter und gezielt voran. Das ist Anspruchsgruppen-freundlich und zahlt sich auch finanziell aus. Das Institut für Business Engineering der Fachhochschule Nordwestschweiz (FHNW) unterstützt mit seinen Kompetenzen in der Digitalisierung den Kanton auf verschiedenen Ebenen.05 - Forschungs- oder Arbeitsbericht