Umsetzung der Digitalisierung in der Produktentwicklung
-
Benjamin Gerschütz
Benjamin Gerschütz, M. Sc., geb. 1993, ist Wissenschaftlicher Mitarbeiter am Lehrstuhl für Konstruktionstechnik KTmfk der Friedrich-Alexander-Universität Erlangen-Nürnberg. Seine Forschung beschäftigt sich insbesondere mit der Optimierung digitaler Prozesse sowie der Anpassung datengetriebener Methoden für den Einsatz im Produktentwicklungsprozess von kleinen und mittelständischen Unternehmen.
,
Stefan Goetz
Dr.-Ing. Stefan Götz, geb. 1992, ist Oberingenieur am Lehrstuhl für Konstruktionstechnik KTmfk der Friedrich-Alexander-Universität Erlangen-Nürnberg und leitet dort die Forschungsgruppen Digital Engineering und Toleranzmanagement. Seine Forschung fokussiert Robust Design und Computer-gestütztes Toleranzmanagement sowie die Digitalisierung in der virtuellen und digitalen Produktentwicklung.
Prof. Dr.-Ing. Sandro Wartzack, geb. 1966, ist seit 2009 Inhaber des Lehrstuhls für Konstruktionstechnik KTmfk der Friedrich-Alexander-Universität Erlangen-Nürnberg. Der Forschungsschwerpunkt ist die digitale Produktentwicklung mit Fokus auf künstliche Intelligenz in der Produktentwicklung, Konstruktions-Assistenzsysteme, Toleranzsimulationen und digitaler Menschmodellierung.
Abstract
Die Produktentwicklung befindet sich in einer Transformation. Das etablierte Paradigma der virtuellen Produktentwicklung weicht zunehmend dem Digital Engineering. Insbesondere kleine und mittelständische Unternehmen (KMU) haben jedoch Probleme bei der Optimierung ihrer Prozesse durch Integration datengetriebener Methoden, da Ansätze zur zielgerichteten Prozessanalyse und Methodenidentifikation bislang fehlen. Der vorgestellte Ansatz stellt einen strukturierten Prozess zur Unterstützung der Integration datengetriebener Methoden in der Produktentwicklung zur Verfügung. Der Fokus liegt hierbei darauf, in bestehenden und etablierten Prozessen Anwendungsfälle für neuartige Methoden zu identifizieren und passende Methoden auszuwählen.
Abstract
Product development is undergoing a transformation. The paradigm of virtual product development is increasingly moving towards digital engineering. However, Small and Medium Enterprises (SMEs) face problems in optimising their processes by integrating data-driven methods due to a lack of approaches for focused process analysis and method identification. The proposed approach provides a structured process to support the integration of data-driven methods in product development. The focus is on finding use cases in existing and established processes and on selecting suitable methods.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Benjamin Gerschütz, M. Sc., geb. 1993, ist Wissenschaftlicher Mitarbeiter am Lehrstuhl für Konstruktionstechnik KTmfk der Friedrich-Alexander-Universität Erlangen-Nürnberg. Seine Forschung beschäftigt sich insbesondere mit der Optimierung digitaler Prozesse sowie der Anpassung datengetriebener Methoden für den Einsatz im Produktentwicklungsprozess von kleinen und mittelständischen Unternehmen.
Dr.-Ing. Stefan Götz, geb. 1992, ist Oberingenieur am Lehrstuhl für Konstruktionstechnik KTmfk der Friedrich-Alexander-Universität Erlangen-Nürnberg und leitet dort die Forschungsgruppen Digital Engineering und Toleranzmanagement. Seine Forschung fokussiert Robust Design und Computer-gestütztes Toleranzmanagement sowie die Digitalisierung in der virtuellen und digitalen Produktentwicklung.
Prof. Dr.-Ing. Sandro Wartzack, geb. 1966, ist seit 2009 Inhaber des Lehrstuhls für Konstruktionstechnik KTmfk der Friedrich-Alexander-Universität Erlangen-Nürnberg. Der Forschungsschwerpunkt ist die digitale Produktentwicklung mit Fokus auf künstliche Intelligenz in der Produktentwicklung, Konstruktions-Assistenzsysteme, Toleranzsimulationen und digitaler Menschmodellierung.
Danksagung
Die vorgestellte Forschungsarbeit ist Teil des bayerischen Forschungsverbundes „FORCuDE@BEV – Customized Digital Engineering für Bayerische KMU“ und gefördert durch die Bayerische Forschungsstiftung (BFS). Für den Inhalt dieser Publikation sind die Autoren verantwortlich. Die Autoren danken der Bayerischen Forschungsstiftung (BFS) für die finanzielle Unterstützung. Besonderer Dank gilt weiterhin der PSW automotive GmbH für die Unterstützung bei der Methodenentwicklung durch Domänenwissen.
Literatur
1 Lunnemann, P.; Stark, R.; Wang, W. M.; Stark, R.; Manteca, P. I.: Engineering Activities – Considering Value Creation from a Holistic Perspective. In: Proceedings of the 2017 International Conference on Engineering, Technology and Innovation (ICE/ITMC); IEEE: Funchal, June 2017, S. 315–323 DOI:10.1109/ICE.2017.827990410.1109/ICE.2017.8279904Suche in Google Scholar
2 Stark, R.; Brandenburg, E.; Lindow, K.: Characterization and Application of Assistance Systems in Digital Engineering. CIRP Annals 70 (2021), S. 131–134 DOI:10.1016/j.cirp.2021.04.06110.1016/j.cirp.2021.04.061Suche in Google Scholar
3 Wuest, T.; Weimer, D.; Irgens, C.; Thoben, K.-D.: Machine Learning in Manufacturing: Advantages, Challenges, and Applications. Production & Manufacturing Research (2016) 4, S. 23–45 DOI:10.1080/21693277.2016.119251710.1080/21693277.2016.1192517Suche in Google Scholar
4 Wilberg, J.; Triep, I.; Hollauer, C.; Omer, M.: Big Data in Product Development: Need for a Data Strategy. In: Proceedings of the 2017 Portland International Conference on Management of Engineering and Technology (PICMET); IEEE: Portland, OR, July 2017, S. 1–10 DOI:10.23919/PICMET.2017.812546010.23919/PICMET.2017.8125460Suche in Google Scholar
5 Gonnet, S.; Henning, G.; Leone, H.: A Model for Capturing and Representing the Engineering Design Process. Expert Systems with Applications (2007) 33, S. 881–902 DOI:10.1016/j.eswa.2006.07.00410.1016/j.eswa.2006.07.004Suche in Google Scholar
6 Vajna, S.; Weber, C.; Zeman, K.; Hehenberger, P.; Gerhard, D.; Wartzack, S.: CAx für Ingenieure: Eine praxisbezogene Einführung. 3., vollständig neu bearbeitete Aufl., Springer-Vieweg-Verlag, Berlin 2018 DOI:10.1007/978-3-662-54624-610.1007/978-3-662-54624-6Suche in Google Scholar
7 Stacey, M.; Eckert, C.; Hillerbrand, R.: Process Models: Plans, Predictions, Proclamations or Prophecies? Research in Engineering Design (2020) 31, S. 83–10210.1007/s00163-019-00322-8Suche in Google Scholar
8 Dumas, M.; La Rosa, M.; Mendling, J.; Reijers, H. A. Fundamentals of Business Process Management. 2. Aufl., Springer-Verlag, Berlin, Heidelberg 2018 DOI:10.1007/s00163-019-00322-810.1007/s00163-019-00322-8Suche in Google Scholar
9 Gerschütz, B.; Spießl, B. V. M.; Schleich, B.; Wartzack, S.: An Adapted Method for Design Process Capturing to Meet the Challenges of Digital Product Development. In: Proceedings of the International Conference on Engineering Design (ICED21) (Vol. 1); Gothenburg, Sweden, August 2021, S. 365–374 DOI:10.1007/978-3-662-56509-410.1007/978-3-662-56509-4Suche in Google Scholar
10 Wynn, D. C.; Clarkson, P .J.: Process Models in Design and Development. Research in Engineering Design (2018) 29, S. 161–202 DOI:10.1007/s00163-017-0262-710.1007/s00163-017-0262-7Suche in Google Scholar
11 Kobayashi, I.: 20 Keys to Workplace Improvement. Rev. and Expanded, Productivity Press, Portland, Ore 1995Suche in Google Scholar
12 Britze, N.; Schulze, A.; Fenge, K.; Woltering, M.; Gross, M.; Menge, F.; Mucke, A.; Ensinger, A.; Keller, H.; Oldenburg, L. et al.: Reifegradmodell Digitale Geschäftsprozesse (Leitfaden). Bitkom, Berlin 2020 S. 1–30Suche in Google Scholar
13 Roelofsen, J. M. K.; Lindemann, U.: An Approach Towards Planning Development Processes According to the Design Situation. In: Heisig, P.; Clarkson, P. J.; Vajna, S. (Hrsg.): Modelling and Management of Engineering Processes. Springer-Verlag, London 2010, S. 41–52 DOI:10.1007/978-1-84996-199-8_410.1007/978-1-84996-199-8_4Suche in Google Scholar
14 Montáns, F. J.; Chinesta, F.; Gomez-Bombarelli, R.; Kutz, J. N.: Data-Driven Modeling and Learning in Science and Engineering. Comptes Rendus Mécanique 347 (2019) 11, S. 845–855 DOI:10.1016/j.crme.2019.11.00910.1016/j.crme.2019.11.009Suche in Google Scholar
15 Fayyad, U.; Piatetsky-Shapiro, G.; Smyth, P.: From Data Mining to Knowledge Discovery in Databases. AI Magazine (1996) 17, S. 37–37Suche in Google Scholar
16 Witten, I. H.; Frank, E.; Hall, M. A.; Pal, C. J.: Data Mining: Practical Machine Learning Tools and Techniques. 4. Aufl., Elsevier, Amsterdam 2017 DOI:10.1016/B978-0-12-804291-5.00010-610.1016/B978-0-12-804291-5.00010-6Suche in Google Scholar
17 Gerschütz, B.; Sauer, C.; Kormann, A.; Wallisch, A.; Mehlstäubl, J.; Alber-Laukant, B.; Schleich, B.; Paetzold, K.; Rieg, F.; Wartzack, S.: Towards Customized Digital Engineering: Herausforderungen und Potentiale bei der Anpassung von Digital Engineering Methoden für den Produktentwicklungsprozess. In: Binz, H.-G.; Bertsche, B.; Spath, D.; Roth. D. (Hrsg.): Proceedings of the Stuttgarter Symposium für Produktentwicklung 2021 (SSP 2021). Fraunhofer IAO, Stuttgart 2021, S. 93–104Suche in Google Scholar
18 Chapman, P.; Clinton, J.; Kerber, R.; Khabaza, T.; Reinartz, T.; Shearer, C.; Wirth, R.: CRISP-DM 1.0 Step-by-Step Data Mining Guide. SPSS, Copenhagen 2000, S. 76Suche in Google Scholar
19 Mehlstäubl, J.; Nicklas, S.; Gerschütz, B.; Sprogies, N.; Schleich, B.; Lohner, T.; Wartzack, S.; Stahl, K.; Paetzold, K.: Voraussetzungen Für Den Einsatz Datengetriebener Methoden in Der Produktentwicklung. In: Proceedings of the 32nd Symposium Design for X (DFX2021); The Design Society, 2021Suche in Google Scholar
20 North, K.; Aramburu, N.; Lorenzo, O. J.: Promoting Digitally Enabled Growth in SMEs: A Framework Proposal. JEIM (2019) 33, S. 238–262 DOI:10.1108/JEIM-04-2019-010310.1108/JEIM-04-2019-0103Suche in Google Scholar
21 Gerschütz, B.; Schleich, B.; Wartzack, S. A: Semantic Web Approach for Structuring Data-Driven Methods in the Product Development Process. In: Proceedings of the 32nd Symposium Design for X (DFX2021). The Design Society, 2021Suche in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Artikel in diesem Heft
- Inhalt
- Editorial
- Von Industrie 4.0 zum industriellen Metaverse
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Fabrikplanung
- Zielorientierte und kontextbasierte Baukostenabschätzung in der frühen Fabrikplanung
- Blue Print Plant Model
- Optimierte Auswahl von Fabrikelementen
- Die Notwendigkeit iterativer Kommunikation in der Fabrikreorganisation
- Produktionssysteme
- Zieltransformation in Ganzheitlichen Produktionssystemen
- Energieeffizienz
- Energieeffizienzmaßnahmen im Industriebestand
- Energieoptimierte Produktionsplanung
- Digitale Fertigung
- Konzept zur selektiven Modelladaption durch Clustering von Prozessdaten
- Modularisierung
- Zielgerichtete Gestaltung modularer Maschinen-Architekturen
- Faktor Mensch
- Human Factors in der integrierten Produktentwicklung
- Handhabung
- Formvariable Handhabung schmiedewarmer Massivbauteile
- Digitalisierung
- Digitalisierung ohne Programmierung
- Umsetzung der Digitalisierung in der Produktentwicklung
- Hürden der Digitalisierung in KMU
- Künstliche Intelligenz
- Produzierendes Gewerbe auf internationalem Niveau
- Digitaler Zwilling
- Der digitale Fabrikzwilling
- Assistenzsysteme
- Digitale Assistenzsysteme strukturiert umsetzen
- Vorschau
- Vorschau
Artikel in diesem Heft
- Inhalt
- Editorial
- Von Industrie 4.0 zum industriellen Metaverse
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Fabrikplanung
- Zielorientierte und kontextbasierte Baukostenabschätzung in der frühen Fabrikplanung
- Blue Print Plant Model
- Optimierte Auswahl von Fabrikelementen
- Die Notwendigkeit iterativer Kommunikation in der Fabrikreorganisation
- Produktionssysteme
- Zieltransformation in Ganzheitlichen Produktionssystemen
- Energieeffizienz
- Energieeffizienzmaßnahmen im Industriebestand
- Energieoptimierte Produktionsplanung
- Digitale Fertigung
- Konzept zur selektiven Modelladaption durch Clustering von Prozessdaten
- Modularisierung
- Zielgerichtete Gestaltung modularer Maschinen-Architekturen
- Faktor Mensch
- Human Factors in der integrierten Produktentwicklung
- Handhabung
- Formvariable Handhabung schmiedewarmer Massivbauteile
- Digitalisierung
- Digitalisierung ohne Programmierung
- Umsetzung der Digitalisierung in der Produktentwicklung
- Hürden der Digitalisierung in KMU
- Künstliche Intelligenz
- Produzierendes Gewerbe auf internationalem Niveau
- Digitaler Zwilling
- Der digitale Fabrikzwilling
- Assistenzsysteme
- Digitale Assistenzsysteme strukturiert umsetzen
- Vorschau
- Vorschau
