Erhöhung der Akzeptanz von Produktionssimulationen
-
Günther Schuh
Prof. Dr.-Ing. Dipl.-Wirt. Ing. Günther Schuh, geb. 1958, ist Inhaber des Lehrstuhls für Produktionssystematik am Werkzeugmaschinenlabor (WZL). Er ist Gründer der e.GO Mobile AG mit Sitz in Aachen sowie der Schuh & Co. Firmengruppe mit Sitz in Aachen, St. Gallen und Atlanta. Prof. Schuh ist in mehreren Aufsichts-und Verwaltungsräten tätig. Auf dem RWTH Aachen Campus leitet Professor Günther Schuh außerdem das Cluster Produktionstechnik.
Dr.-Ing. Sebastian Gottschalk, geb. 1976, studierte Maschinenbau an der RWTH Aachen und der INSA de Lyon in Frankreich. Er leitet bei der Beiersdorf AG den Bereich Supply Chain Strategie, Engineering und Prozessentwicklung und ist hier verantwortlich für Investitionen im Produktionsnetzwerk, die globale Anlagentechnik, Herstelltechnologien und die Produktionsdigitalisierung.
Dr. -Ing. Lars Hensgen, geb. 1987, ist als Project Manager Fill & Pack im Supply Chain Engineering bei der Beiersdorf AG tätig. Er promovierte am Werkzeugmaschinenlabor WZL der RWTH Aachen und war als Wissenschaftlicher Mitarbeiter und Gruppenleiter ebendort angestellt.
Andreas Gützlaff, M. Sc., geb. 1989, studierte Wirtschaftsingenieurwesen mit der Fachrichtung Maschinenbau an der RWTH Aachen. Er ist seit 2019 Oberingenieur der Abteilung Produktionsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen.
Matthias Schmidhuber, M. Sc., geb. 1992, studierte Wirtschaftsingenieurwesen mit der Fachrichtung Werkstoff- und Prozesstechnik an der RWTH sowie an der Aalto University in Helsinki. Er leitet die Gruppe Produktionslogistik in der Abteilung Produktionsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen
und
Daniel Rolfes
Daniel Rolfes, B. Sc., geb. 1994, ist als Studentische Hilfskraft in der Gruppe Produktionslogistik in der Abteilung Produktionsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen angestellt.
Abstract
Der Einsatz von Simulation birgt Potenzial für die Auslegung und Bewertung technischer Konzepte und Steuerungsmechanismen von Produktionslinien. Industrielle Anforderung für den Einsatz von Simulation stellen Benutzerschnittstellen für eine vereinfachte Nutzung und Auswertung von Simulationsmodellen dar. In diesem Beitrag werden die Ergebnisse des Werkzeugmaschinenlabors der RWTH Aachen und der Beiersdorf AG zur gemeinsamen Entwicklung einer anwenderfreundlichen Benutzerschnittstelle für den industriellen Einsatz ereignisorientierter Simulation vorgestellt.**
Abstract
The use of simulation holds potential for the design and evaluation of technical concepts and control mechanisms of production lines. Industrial requirements for the use of simulation are user interfaces for a simplified use and evaluation of simulation models. The article presents the results of the Laboratory for Machine Tools and Production Engineering of RWTH Aachen and Beiersdorf AG for the joint development of a user-friendly user interface for the industrial use of eventoriented simulation.
** Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWFAdvisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Prof. Dr.-Ing. Dipl.-Wirt. Ing. Günther Schuh, geb. 1958, ist Inhaber des Lehrstuhls für Produktionssystematik am Werkzeugmaschinenlabor (WZL). Er ist Gründer der e.GO Mobile AG mit Sitz in Aachen sowie der Schuh & Co. Firmengruppe mit Sitz in Aachen, St. Gallen und Atlanta. Prof. Schuh ist in mehreren Aufsichts-und Verwaltungsräten tätig. Auf dem RWTH Aachen Campus leitet Professor Günther Schuh außerdem das Cluster Produktionstechnik.
Dr.-Ing. Sebastian Gottschalk, geb. 1976, studierte Maschinenbau an der RWTH Aachen und der INSA de Lyon in Frankreich. Er leitet bei der Beiersdorf AG den Bereich Supply Chain Strategie, Engineering und Prozessentwicklung und ist hier verantwortlich für Investitionen im Produktionsnetzwerk, die globale Anlagentechnik, Herstelltechnologien und die Produktionsdigitalisierung.
Dr. -Ing. Lars Hensgen, geb. 1987, ist als Project Manager Fill & Pack im Supply Chain Engineering bei der Beiersdorf AG tätig. Er promovierte am Werkzeugmaschinenlabor WZL der RWTH Aachen und war als Wissenschaftlicher Mitarbeiter und Gruppenleiter ebendort angestellt.
Andreas Gützlaff, M. Sc., geb. 1989, studierte Wirtschaftsingenieurwesen mit der Fachrichtung Maschinenbau an der RWTH Aachen. Er ist seit 2019 Oberingenieur der Abteilung Produktionsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen.
Matthias Schmidhuber, M. Sc., geb. 1992, studierte Wirtschaftsingenieurwesen mit der Fachrichtung Werkstoff- und Prozesstechnik an der RWTH sowie an der Aalto University in Helsinki. Er leitet die Gruppe Produktionslogistik in der Abteilung Produktionsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen
Daniel Rolfes, B. Sc., geb. 1994, ist als Studentische Hilfskraft in der Gruppe Produktionslogistik in der Abteilung Produktionsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen angestellt.
Literatur
1 ElMaraghy, H.; Schuh, G.; ElMaraghy, W.; Piller, F.; Schönsleben, P.; Tseng, M.; Bernard, A.: Product Variety Management. CIRP Annals 62 (2013) 2, S. 629–652 10.1016/j.cirp.2013.05.007Suche in Google Scholar
2 ElMaraghy, H.; AlGeddawy, T.; Azab, A.; ElMaraghy, W.: Change in Manufacturing: Research and Industrial Challenges. In: ElMaraghy, H. (Hrsg.): Proceedings of the 4th International Conference on Changeable, Agile, Reconfigurable and Virtual Production (CARV2011). Springer-Verlag, Montreal, Canada 2011 DOI: 10.1007/978-3-642-23860-4_110.1007/978-3-642-23860-4_1Suche in Google Scholar
3 Bilgen, B.; Günther, H.-O.: Integrated Production and Distribution Planning in the Fast Moving Consumer Goods Industry: A block Planning Application. OR Spectrum 32 (2010) 4, S. 927–955 DOI: 10.1007/s00291-009-0177-410.1007/s00291-009-0177-4Suche in Google Scholar
4 Heilala, J.; Montonen, J.; Jarvinen, P.; Kivikunnas, S.; Maantila, M.; Sillanpaa, J.; Jokinen, T.: Developing Simulation-based Decision Support Systems for Customer-driven Manufacturing Operation Planning. In: Proceedings of the 2010 Winter Simulation Conference (WSC). IEEE 2010, S. 3363–3375 10.1109/WSC.2010.5679027Suche in Google Scholar
5 Mourtzis, D.; Doukas, M.; Bernidaki, D.: Simulation in Manufacturing: Review and Challenges. Procedia CIRP 25 (2014), S. 213–229 10.1016/j.procir.2014.10.032Suche in Google Scholar
6 Reinhardt, H; Weber, M; Putz, M.: A Survey on Automatic Model Generation for Material Flow Simulation in Discrete Manufacturing. Procedia CIRP 81 (2019), S. 121–126 10.1016/j.procir.2019.03.022Suche in Google Scholar
7 VDI-Gesellschaft Produktion und Logistik (Hrsg.): VDI-Richtlinie 3633 Blatt 1: Simulation von Logistik-, Materialfluss- und Produktionssystemen - Grundlagen. VDI, Düsseldorf 2014–12, S. 28Suche in Google Scholar
8 Law, A. M. (Hrsg.): Simulation Modeling and Analysis: McGraw-Hill Series in Industrial Engineering and Management Science. McGraw-Hill Education, Dubuque 2013Suche in Google Scholar
9 Mourtzis, D.; Papakostas, N.; Mavrikios, D.; Makris, S.; Alexopoulos, K.: The Role of Simulation in Digital Manufacturing: Applications and outlook. International Journal of Computer Integrated Manufacturing 28 (2015) 1, S. 3–24 10.1080/0951192X.2013.800234Suche in Google Scholar
10 Caggiano, A.; Bruno, G.; Teti, R.: Integrating Optimisation and Simulation to Solve Manufacturing Scheduling Problems. Procedia CIRP 28 (2015), S. 131–136 10.1016/j.procir.2015.04.022Suche in Google Scholar
11 Hosseinpour, F.; Hajihosseini, H.: Importance of Simulation in Manufacturing. World Academy of Science 27 (2009), S. 285–288Suche in Google Scholar
12 Kibira, D.; McLean, C.: Virtual Reality Simulation of a Mechanical Assembly Production Line. In: Proceedings of the 2002 Winter Simulation Conference (WSC) 2002, S. 1130–113710.1109/WSC.2002.1166368Suche in Google Scholar
13 Dwivedi, Y.; Wade, M.; Schneberger, S.: Information Systems Theory (Band 28). Springer-Verlag, New York, NY 2012 DOI: 10.1007/978-1-4419-6108-210.1007/978-1-4419-6108-2Suche in Google Scholar
14 Venkatesh, V.; Bala, H.: Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Sciences 39 (2008) 2, S. 273–315 DOI: 10.1111/j.1540-5915.2008.00192.x10.1111/j.1540-5915.2008.00192.xSuche in Google Scholar
15 Lindskog, E.; Berglund, J.; Vallhagen, J.; Berlin, R.; Johansson, B.: Combining Point Cloud Technologies with Discrete Event Simulation. In: Proceedings of the 2012 Winter Simulation Conference (WSC). IEEE 2012, S. 1–10 10.1109/WSC.2012.6465210Suche in Google Scholar
16 Schriber, T.; Brunner, D.; Smith, J.: Inside Discrete-event Simulation Software: How it Works and Why it Matters. In: Proceedings of the 2013 Winter Simulations Conference (WSC). IEEE 2013, S. 424–438 10.1109/WSC.2013.6721439Suche in Google Scholar
17 Rohrer, M.: Seeing is Believing: The Importance of Visualization in Manufacturing Simulation. In: Proceedings of the 2000 Winter Simulation Conference (WSC). IEEE 2000, S. 1211–121610.1109/WSC.2000.899087Suche in Google Scholar
18 Wörner, M.; Ertl, T.: Visual Analysis of Advanced Manufacturing Simulations. The Eurographics Association, 2011Suche in Google Scholar
19 Wang, J.; Chang, Q.; Xiao, G.; Wang, N.; Li, S.: Data Driven Production Modeling and Simulation of Complex Automobile General Assembly Plant. Computers in Industry 62 (2011) 7, S. 765–775 10.1016/j.compind.2011.05.004Suche in Google Scholar
© 2021 Walter de Gruyter GmbH, Berlin/Boston
Artikel in diesem Heft
- Inhalt
- Editorial
- Engineering 4.0
- Qualitätssicherung
- Manuelle Fehleraufnahme bei Mass Customization
- Qualitätssicherung 4.0 – Weniger Rückrufe durch KI?
- Resilienz
- Vorgehensmodell für risikobasierte Resilienzstrategien
- Nachhaltigkeit
- Sustainable Production Ordnungsrahmen zur Gestaltung von Nachhaltigkeit in produzierenden Unternehmen
- Änderungsmanagement
- Umfrage zum Änderungsmanagement in der Produktion Status quo, industrielle Anwendung der Änderungsauswirkungsanalyse und Stand der Digitalisierung
- Ersatzteilmanagement
- Qualifiziertes Ersatzteilmanagement als Schlüssel zum Erfolg
- Industrielle Produktion
- Produktion in Deutschland zu Corona-Zeiten
- Erhöhung der Akzeptanz von Produktionssimulationen
- Industrieroboter
- Graphische Programmierung von Industrierobotern
- Maschinelles Lernen
- Layoutoptimierung für kleinskalige modulare Förderanlagen
- Montagesysteme
- Strukturierung eines Montagesystems bei Fertigungszeitspreizung
- Rekonstruktion
- Reverse Engineering Ein Matrix-organisierter Ansatz zur Element-Funktions-Assoziation
- Elektromobilität
- Entwicklung eines flexiblen Produktionssystems für Batteriezellen
- Internet der Dinge
- Von der Kurvendiskussion zum Internet der Dinge
- Internet of Production
- On-Machine Measurements im Internet of Production
- Datenanalyse
- Hypothesengetriebene Analyse von Ausfallursachen
- Digitale Technologien
- Herausforderungen bei der Einführung neuer digitaler Technologien bei KMU Teil 1: Am Beispiel der Künstlichen Intelligenz
- Vorschau
- Chong Dae Kim et al.: Industrie 4.0-gerechte Handhabungstechnik
Artikel in diesem Heft
- Inhalt
- Editorial
- Engineering 4.0
- Qualitätssicherung
- Manuelle Fehleraufnahme bei Mass Customization
- Qualitätssicherung 4.0 – Weniger Rückrufe durch KI?
- Resilienz
- Vorgehensmodell für risikobasierte Resilienzstrategien
- Nachhaltigkeit
- Sustainable Production Ordnungsrahmen zur Gestaltung von Nachhaltigkeit in produzierenden Unternehmen
- Änderungsmanagement
- Umfrage zum Änderungsmanagement in der Produktion Status quo, industrielle Anwendung der Änderungsauswirkungsanalyse und Stand der Digitalisierung
- Ersatzteilmanagement
- Qualifiziertes Ersatzteilmanagement als Schlüssel zum Erfolg
- Industrielle Produktion
- Produktion in Deutschland zu Corona-Zeiten
- Erhöhung der Akzeptanz von Produktionssimulationen
- Industrieroboter
- Graphische Programmierung von Industrierobotern
- Maschinelles Lernen
- Layoutoptimierung für kleinskalige modulare Förderanlagen
- Montagesysteme
- Strukturierung eines Montagesystems bei Fertigungszeitspreizung
- Rekonstruktion
- Reverse Engineering Ein Matrix-organisierter Ansatz zur Element-Funktions-Assoziation
- Elektromobilität
- Entwicklung eines flexiblen Produktionssystems für Batteriezellen
- Internet der Dinge
- Von der Kurvendiskussion zum Internet der Dinge
- Internet of Production
- On-Machine Measurements im Internet of Production
- Datenanalyse
- Hypothesengetriebene Analyse von Ausfallursachen
- Digitale Technologien
- Herausforderungen bei der Einführung neuer digitaler Technologien bei KMU Teil 1: Am Beispiel der Künstlichen Intelligenz
- Vorschau
- Chong Dae Kim et al.: Industrie 4.0-gerechte Handhabungstechnik
