Refine
Year of publication
Document Type
- Article (145)
- Monograph/Edited Volume (26)
- Part of a Book (21)
- Conference Proceeding (20)
- Postprint (15)
- Other (7)
- Contribution to a Periodical (5)
- Doctoral Thesis (1)
- Review (1)
Keywords
- knowledge management (7)
- Industrie 4.0 (5)
- Industry 4.0 (5)
- deep reinforcement learning (5)
- production control (5)
- ERP (4)
- Enterprise-Resource-Planning (4)
- digital learning (4)
- machine learning (4)
- systematic literature review (4)
Institute
- Wirtschaftswissenschaften (139)
- Fachgruppe Betriebswirtschaftslehre (89)
- Wirtschafts- und Sozialwissenschaftliche Fakultät (4)
- Hasso-Plattner-Institut für Digital Engineering GmbH (3)
- Fachgruppe Politik- & Verwaltungswissenschaft (2)
- Sozialwissenschaften (2)
- Bürgerliches Recht (1)
- Department Psychologie (1)
- Extern (1)
- Forschungsbereich „Politik, Verwaltung und Management“ (1)
Enhancing economic efficiency in modular production systems through deep reinforcement learning
(2024)
In times of increasingly complex production processes and volatile customer demands, the production adaptability is crucial for a company's profitability and competitiveness. The ability to cope with rapidly changing customer requirements and unexpected internal and external events guarantees robust and efficient production processes, requiring a dedicated control concept at the shop floor level. Yet in today's practice, conventional control approaches remain in use, which may not keep up with the dynamic behaviour due to their scenario-specific and rigid properties. To address this challenge, deep learning methods were increasingly deployed due to their optimization and scalability properties. However, these approaches were often tested in specific operational applications and focused on technical performance indicators such as order tardiness or total throughput. In this paper, we propose a deep reinforcement learning based production control to optimize combined techno-financial performance measures. Based on pre-defined manufacturing modules that are supplied and operated by multiple agents, positive effects were observed in terms of increased revenue and reduced penalties due to lower throughput times and fewer delayed products. The combined modular and multi-staged approach as well as the distributed decision-making further leverage scalability and transferability to other scenarios.
Künstliche Intelligenz (KI) gewinnt in zahlreichen Branchen rasant an Bedeutung und wird zunehmend auch in Enterprise Resource Planning (ERP)-Systemen als Anwendungsbereich erschlossen. Die Idee, dass Maschinen die kognitiven Fähigkeiten des Menschen imitieren können, indem Wissen durch Lernen auf Basis von Beispielen in Daten, Informationen und Erfahrungen generiert wird, ist heute ein Schlüsselelement der digitalen Transformation. Jedoch charakterisiert der Einsatz von KI in ERP-System einen hohen Komplexitätsgrad, da die KI als Querschnittstechnologie zu verstehen ist, welche in unterschiedlichen Unternehmensbereichen zum Einsatz kommen kann. Auch die Anwendungsgrade können sich dabei erheblich voneinander unterscheiden. Um trotz dieser Komplexität den Einsatz der KI in ERP-Systemen erfassen und systembezogen vergleichen zu können, wurde im Rahmen dieser Studie ein Reifegradmodell entwickelt. Dieses bildet die Ausgangsbasis zur Ermittlung der KI-Reife in ERP-Systemen und grenzt dabei die folgenden vier KI- bzw. systembezogenen Ebenen voneinander ab: 1) Technische Möglichkeiten, 2) Datenreife, 3) Funktionsreife und 4) Erklärfähigkeit des Systems.
Mittelständische Industrieunternehmen setzen für ihre betrieblichen Abläufe Planungs- und Ausführungssysteme ein. Aufgrund der Turbulenzen auf Absatz- und Beschaffungsmärkten kann die Wirtschaftlichkeit und Wettbewerbsfähigkeit dieser Unternehmen nur durch permanente Anpassungen der Organisationsstrukturen und -abläufe erfolgen. In der Praxis zeigt sich eine unzureichende technologische Anpassungsfähigkeit der heute eingesetzten Standardsoftwaresysteme. Diese lassen zwar während der Einführungsphase vielfältige Konfigurationsmöglichkeiten zu, Veränderungen im laufenden Betrieb sind aber meist nur mit großem Aufwand möglich. Hier sind die Softwarehersteller in Zukunft zunehmend gefordert, wandlungsfähige Auftragsabwicklungssysteme zu entwickeln. Über die Entwicklungsphase (Build-Time) hinaus muss auch parallel zur Betriebsphase (Run-Time) der technische Fortschritt aufgrund von geänderten Anforderungen durch entsprechende Softwarereleases synchronisiert werden.
Obwohl Handelsplattformen zunehmend an Bedeutung gewinnen, besteht im deutschsprachigen Raum ein Mangel an umfassenden Marktübersichten. Dadurch fehlt es Verkäufern, potenziellen Plattformbetreibern und Kunden an einer soliden Grundlage für fundierte Entscheidungen. Das ändern wir mit folgendem Beitrag. Erfahren Sie hier das Wichtigste über den rasant wachsenden Markt der Handelsplattformen.
Erhöhung der Wandlungsfähigkeit von ECM-Lösungen unter Verwendung kartographischer Gestaltungsmittel
(2008)
Bei Entscheidungen über abzulösende oder neue Anwendungssysteme kann mit Hilfe funktionaler Anforderungen immer nur der gegenwärtige oder vorhersehbare Bedarf ermittelt werden. In einem turbulenten Umfeld sind die Anwendungssysteme jedoch häufig langere Zeit im Einsatz als die Anforderungen gültig sind, mit Hilfe derer sie ausgewählt wurden. An der Universität Potsdam wird im Rahmen des BMBF-Projektes CHANGE eine Vorgehensweise zur Ermittlung der Zukunftsfähigkeit unternehmensweiter Anwendungssysteme entwickelt, deren wesentliche Merkmale in diesem Beitrag beschrieben werden.