Refine
Has Fulltext
- yes (15) (remove)
Document Type
- Postprint (15)
Is part of the Bibliography
- yes (15)
Keywords
- Enterprise-Resource-Planning (3)
- Marktübersicht (3)
- ERP-/PPS-Systeme (2)
- Marktuntersuchung (2)
- PPS (2)
- Wandlungsfähigkeit (2)
- adaptability (2)
- deep reinforcement learning (2)
- knowledge management (2)
- machine learning (2)
Institute
In nowadays production, fluctuations in demand, shortening product life-cycles, and highly configurable products require an adaptive and robust control approach to maintain competitiveness. This approach must not only optimise desired production objectives but also cope with unforeseen machine failures, rush orders, and changes in short-term demand. Previous control approaches were often implemented using a single operations layer and a standalone deep learning approach, which may not adequately address the complex organisational demands of modern manufacturing systems. To address this challenge, we propose a hyper-heuristics control model within a semi-heterarchical production system, in which multiple manufacturing and distribution agents are spread across pre-defined modules. The agents employ a deep reinforcement learning algorithm to learn a policy for selecting low-level heuristics in a situation-specific manner, thereby leveraging system performance and adaptability. We tested our approach in simulation and transferred it to a hybrid production environment. By that, we were able to demonstrate its multi-objective optimisation capabilities compared to conventional approaches in terms of mean throughput time, tardiness, and processing of prioritised orders in a multi-layered production system. The modular design is promising in reducing the overall system complexity and facilitates a quick and seamless integration into other scenarios.
Increasingly fast development cycles and individualized products pose major challenges for today's smart production systems in times of industry 4.0. The systems must be flexible and continuously adapt to changing conditions while still guaranteeing high throughputs and robustness against external disruptions. Deep reinforcement learning (RL) algorithms, which already reached impressive success with Google DeepMind's AlphaGo, are increasingly transferred to production systems to meet related requirements. Unlike supervised and unsupervised machine learning techniques, deep RL algorithms learn based on recently collected sensorand process-data in direct interaction with the environment and are able to perform decisions in real-time. As such, deep RL algorithms seem promising given their potential to provide decision support in complex environments, as production systems, and simultaneously adapt to changing circumstances. While different use-cases for deep RL emerged, a structured overview and integration of findings on their application are missing. To address this gap, this contribution provides a systematic literature review of existing deep RL applications in the field of production planning and control as well as production logistics. From a performance perspective, it became evident that deep RL can beat heuristics significantly in their overall performance and provides superior solutions to various industrial use-cases. Nevertheless, safety and reliability concerns must be overcome before the widespread use of deep RL is possible which presumes more intensive testing of deep RL in real world applications besides the already ongoing intensive simulations.
Digitale Plattformen
(2020)
Obwohl digitale Plattformen vornehmlich von Großunternehmen betrieben werden, bieten sie klein- und mittelständischen Unternehmen (KMU) Potenziale zur Verbreitung innovativer Technologien und für den Ausbau ihres Geschäftsmodells. Für die Umsetzung digitaler Plattformen stehen Unternehmen mehrere Strategien zur Verfügung. Der Beitrag vergleicht und bewertet grundlegende Strategien am Beispiel eines Maschinenbauunternehmens. Die Ergebnisse dienen als Grundlage für die Entscheidungsfindung von KMU.
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.
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.
To cope with the already large, and ever increasing, amount of information stored in organizational memory, "forgetting," as an important human memory process, might be transferred to the organizational context. Especially in intentionally planned change processes (e.g., change management), forgetting is an important precondition to impede the recall of obsolete routines and adapt to new strategic objectives accompanied by new organizational routines. We first comprehensively review the literature on the need for organizational forgetting and particularly on accidental vs. intentional forgetting. We discuss the current state of the art of theory and empirical evidence on forgetting from cognitive psychology in order to infer mechanisms applicable to the organizational context. In this respect, we emphasize retrieval theories and the relevance of retrieval cues important for forgetting. Subsequently, we transfer the empirical evidence that the elimination of retrieval cues leads to faster forgetting to the forgetting of organizational routines, as routines are part of organizational memory. We then propose a classification of cues (context, sensory, business process-related cues) that are relevant in the forgetting of routines, and discuss a meta-cue called the "situational strength" cue, which is relevant if cues of an old and a new routine are present simultaneously. Based on the classification as business process-related cues (information, team, task, object cues), we propose mechanisms to accelerate forgetting by eliminating specific cues based on the empirical and theoretical state of the art. We conclude that in intentional organizational change processes, the elimination of cues to accelerate forgetting should be used in change management practices.
Enterprise systems have long played an important role in businesses of various sizes. With the increasing complexity of today’s business relationships, pecialized application systems are being used more and more. Moreover, emerging technologies such as artificial intelligence are becoming accessible for enterprise systems. This raises the question of the future role of enterprise systems. This minitrack covers novel ideas that contribute to and shape the future role of enterprise systems with five contributions.
Marktüberblick
(2005)
Diese Marktstudie vermittelt einen Überblick über Software, die zur Unterstützung von Wissensmanagement eingesetzt werden kann und berücksichtigt dabei die Spannweite von spezialisierten Suchmaschinen bis zu umfassenden integrierten Wissensmanagementsystemen. Die untersuchte Software bietet sowohl Unterstützung bei Community-orientierten Wissensmanagementansätzen als auch bei Information Retrieval. Die Einsatzmöglichkeiten sind genauso unterschiedlich wie die heterogenen Anforderungen von Unternehmen und Organisationen, die diese an Wissensmanagement stellen. Eine direkte Vergleichbarkeit aller untersuchten Softwareprodukte ist daher nicht sinnvoll.
Marktüberblick
(2005)
Für viele Unternehmen hat sich der Stellenwert der Kundenbeziehung in den letzten Jahren nachhaltig verändert. Da Wettbewerbsfähigkeit häufig über die Beziehung zum Kunden definiert wird, ist den meisten Unternehmen die Bedeutung des Kundenwissens durchaus bewusst. Schon immer war die Beziehung zum Kunden für ein Unternehmen existenzkritisch, jedoch hat sich dazu die Situation auf den eigenen Absatzmärkten stark gewandelt. Durch den steigenden internationalen Wettbewerb kommt es zunehmend zu gesättigten Absatzmärkten und erhöhten Kostendruck. Weiterhin kommt seitens der Kunden ein höheres Erwartungsniveau sowie abnehmende Kundenloyalität erschwerend hinzu. Diese Gründe erfordern eine neuartige Kundenorientierung im Sinne eines umfassenden Kundenbeziehungsmanagement (engl. Customer Relationship Management, CRM).
Die Orientierung am Kunden und dessen individuellen Wünschen ist heutzutage von großer Bedeutung. Mit Hilfe eines Produktkonfigurationssystems ist es möglich, Produkte nach bestimmten Regeln aus bestimmten Bauteilen virtuell zu entwickeln [1] und somit die gewünschten Leistungsmerkmale der Kunden auf ihre Durchführbarkeit hin zu überprüfen. In der vorliegenden Marktuntersuchung wurden die Leistungsfähigkeit von Konfiguratoren sowohl in ERP-/PPS-Systemen als auch als Stand-alone-Lösung untersucht und darauf überprüft, inwiefern sie zur Bewältigung komplexer und variantenreicher Produktgestaltungsaufgaben geeignet sind.