Eine gründliche Analyse ist die Grundlage für eine zielgerichtete Verbesserung von Produktionsprozessen. Insbesondere im Umfeld von Lean Production sind zahlreiche Analysemethoden und -werkzeuge entstanden, die es erfordern, umfangreiche Informationen über Produktionssysteme zu erfassen. Die Digitalisierung bietet die Möglichkeit, den Aufwand für die Erfassung und Auswertung deutlich zu reduzieren. Das Institut für Produktionsmanagement und -technik (IPMT) der Technischen Universität Hamburg hat in Zusammenarbeit mit dem Medizintechnikunternehmen Dräger eine geräteunabhängige Web-App zur Analyse von Produktionsprozessen entwickelt. Dieser Beitrag beschreibt, welche Datenstrukturen und Technologien es ermöglichen, gängige Analysemethoden zu nutzen und sie an unternehmensspezifische Problemstellungen anzupassen.

Die fortschreitende Digitalisierung der Arbeitswelt führt zu neuen Möglichkeiten der Gestaltung und digitalen Unterstützung von Geschäftsprozessen. Insbesondere nicht F&E-intensive, zumeist kleine und mittlere Unternehmen stehen jedoch vor großen Herausforderungen, diese Potenziale zu realisieren. Im Rahmen dieses Beitrags wird aufgezeigt, welche Anwendungsfälle mithilfe des Einsatzes von Big Data Analytics in produzierenden Unternehmen realisiert werden können. Hierzu werden verschiedene Anwendungsszenarien skizziert. Anhand eines Praxisbeispiels der Auftragsabwicklung eines nicht F&E-intensiven Unternehmens wird aufgezeigt, wie die Beschaffung durch die Analyse und Prognose relevanter Daten, bspw. die Verfügbarkeit und Kosten von Bauteilen oder Prozessdaten, und die Angebotserstellung softwaretechnisch unterstützt werden können.

Simulation wird branchenübergreifend als wichtiges und etabliertes Werkzeug für moderne Engineering-Prozesse betrachtet. Insbesondere die Automatisierung komplexer Produktionsanlagen verwendet Modellierungs- und Simulationstechniken in verschiedenen Projektphasen, um sowohl die Anlage, aber auch das Produkt in bestmöglicher Qualität zu entwickeln. Die jüngsten Trends rund um die Digitalisierung von Produktionsanlagen bestärken die Relevanz von virtuellen Engineering-Szenarien. Dieser Beitrag beschreibt die Notwendigkeit von domänen- und werkzeugübergreifenden Standards für die Modellierung von mechatronischen Anlagen und Maschinen im Rahmen eines digitalen Zwillings.

Die Nutzung von Kennzahlen (engl. Key Perfomance Indicators - KPIs) erlaubt eine umfassende Betrachtung vielfältiger Leistungsmerkmale eines Unternehmens und dient als fundierte Grundlage für Entscheidungen und Steuerungsaufgaben. Durch die Abbildung von Produktionssystemen in einem System aus Kennzahlen als Digitaler Twin steigt nicht nur die Menge an Daten, sondern auch deren Verfügbarkeit und Aktualität. Im Folgenden wird ein ganzheitliches übertragbares Kennzahlennetzwerk, welches zur Steuerung von Unternehmen eingesetzt werden kann, beschrieben. Strategische Ziele lassen sich durch das Kennzahlennetzwerk einfach operationalisieren. Anhand eines Industriebeispiels werden die Vorteile und Möglichkeiten des Einsatzes eines solchen Netzwerks demonstriert.