Unsere Gesellschaft befindet sich derzeit im Zeitalter der vierten industriellen Revolution. Die demzufolge für Unternehmen eintretenden disruptiven Veränderungen betreffen sämtliche Bereiche der Wertschöpfung. Dadurch entsteht ein Umschwung, welcher zu einer digitalen Ökonomie führt. Innovative Fortschritte bei technologischen Entwicklungen führen dazu, dass sich die zukünftigen Arbeitsabläufe ändern. Darunter gehören zum Beispiel cyber-physische Systeme, hochentwickelte Robotik, Internet of Things, Sensorik, Big Data und intelligente Software-Systeme.
Der Bereich Big Data hat sich in diesem Zusammenhang mittlerweile zum regelrechten Top-Trend in der Informationstechnologie entwickelt. Im Hype Cycle for Emerging Technologies von Gartner aus dem Jahr 2014 erreichte Big Data bereits den Gipfel der überzogenen Erwartungen. Auf Basis der genannten Entwicklungszeiträume befindet sich die Disziplin aktuell auf der Zielgeraden zum Produktivitätsplateau. Diese Evolution hat ihren Ursprung im rasanten Wachstum von Datenmenge und Datenvielfalt im Zeitalter des Internets. Die Wurzeln liegen dabei in den primären Bereichen der Statistik und Datenanalyse. In Korrelation mit den modernen Entwicklungen der Informationstechnologie können große Datenmengen nahezu in Echtzeit erfasst, dokumentiert und analysiert werden, wodurch eine Vielzahl an potenziellen Anwendungen entsteht.
Die gewonnenen Erkenntnisse sollen dabei nicht nur zur Bewertung vergangener Prozesse, sondern zur proaktiven Gestaltung des Unternehmens genutzt werden. In diesem Kontext sind die verfügbaren Daten mithilfe von Big Data Analytics zielgerichtet zu verarbeiten und in die jeweiligen Geschäftsprozesse mit einzubinden. Der wirtschaftliche Nutzen umfasst sämtliche Funktionsbereiche, wie z. B. Produktion, Logistik, Marketing und Vertrieb. Ein Großteil der heutigen Unternehmen ist jedoch noch weit davon entfernt, den Mehrwert zu erkennen, den eine derartige Analyse hervorbringen kann.
In Verbindung mit Industrie 4.0 und der Zielsetzung einer Smart Factory resultieren im unternehmerischen Umfeld vielfältige Einsatzbereiche. Dabei bleiben die konventionellen Disziplinen der Produktionsplanung und -steuerung bestehen, müssen jedoch um technologiegetriebene Ansätze wie z. B. Big Data Analytics ergänzt werden. Verwendungsmöglichkeiten liegen diesbezüglich hauptsächlich in der Szenario-Simulation.nario-Simulation.
Inhaltsverzeichnis
1 Einleitung
2 Technologische Grundlagen
2.1 Industrie 4.0
2.1.1 Begriffsdefinition
2.1.2 Technologien
2.2 Big Data
2.2.1 Begriffsdefinition
2.2.2 Charakteristische Eigenschaften
2.3 Analytics
2.3.1 Begriffsdefinition
2.3.2 Klassifizierungen
3 Produktionsplanung und -steuerung
3.1 Produktionsplanung
3.2 Produktionssteuerung
4 Einsatz von Big Data Analytics
4.1 Anwendungsszenarien
4.2 Potenzialanalyse
4.2.1 Durchführung
4.2.1.1 Stärken (Strengths)
4.2.1.2 Schwächen (Weaknesses)
4.2.1.3 Chancen (Opportunities)
4.2.1.4 Risiken (Threats)
4.2.2 Strategieableitung
5 Fazit
Zielsetzung & Themen
Die Arbeit untersucht den Einsatz von Big Data Analytics in der modernen Produktionsplanung und -steuerung. Ziel ist es, das Potenzial dieser Technologien für Industrie 4.0-Umgebungen zu evaluieren und daraus strategische Handlungsempfehlungen für Unternehmen abzuleiten.
- Grundlagen von Industrie 4.0, Big Data und Analytics
- Herausforderungen in der Produktionsplanung und -steuerung
- Anwendungsszenarien für datengetriebene Produktionsprozesse
- Durchführung einer SWOT-Analyse zur Potenzialbewertung
- Strategieableitung für die Implementierung in Unternehmen
Auszug aus dem Buch
4.2.1.3 Chancen (Opportunities)
Die wesentliche Chance beim Einsatz von Big Data Analytics in der Produktionsplanung und -steuerung liegt in der Minimierung von Kosten. Data Mining-Anwendungen ermöglichen es, Hypothesen zu untersuchen und bestehende Prozesse logisch zu hinterfragen. Durch eine integrierte und effiziente Planung und Steuerung der Produktionsaufträge wird bei minimalem Working Capital ein optimaler Ressourceneinsatz und Kapitalumschlag gewährleistet. Auf diese Weise können wiederum entstehende Produktionskosten reduziert und die erbrachte Leistung gesteigert werden (Dorschel et al., 2015; Pistorius, 2020).
Ein weiter Punkt befasst sich mit der Erhöhung der Reaktionsfähigkeit. Der dahingehende Trend in Richtung volatiler Märkte erschwert die Planbarkeit in kurz- und mittelfristigen Zeithorizonten. Es wird zukünftig zunehmend wichtiger, die Abstimmungszyklen auf jeder Leistungsstufe der Produktion und Logistik zu verkürzen. Die transparenten und quasi in Echtzeit vorliegenden Daten enthalten sowohl statische als auch dynamische Informationen. Dies ermöglicht eine maximale Anpassungsfähigkeit der Prozessplanung und Fertigungssteuerung und bildet die Grundlage zur Überwachung des gesamten Lebenszyklus (Denkena et al., 2014; Dorschel et al., 2015).
Zusammenfassung der Kapitel
1 Einleitung: Die Einleitung beleuchtet den Wandel zur digitalen Ökonomie im Kontext der vierten industriellen Revolution und definiert die Zielsetzung der Arbeit zur Untersuchung von Big Data Analytics in der Produktion.
2 Technologische Grundlagen: Dieses Kapitel liefert die notwendigen Definitionen zu Industrie 4.0, Big Data und Analytics als Basis für die weitere Analyse.
3 Produktionsplanung und -steuerung: Es werden die zentralen Aufgaben und Disziplinen der PPS sowie deren Bedeutung für Industrieunternehmen erläutert.
4 Einsatz von Big Data Analytics: Dieses Kapitel analysiert konkrete Anwendungsszenarien und bewertet mittels SWOT-Analyse das Potenzial sowie die strategischen Implikationen des Einsatzes von Big Data Analytics.
5 Fazit: Das Fazit fasst die Erkenntnisse zusammen und betont die Notwendigkeit einer fundierten Implementierung von datengetriebenen Strategien im Unternehmensumfeld.
Schlüsselwörter
Industrie 4.0, Big Data, Analytics, Produktionsplanung, Produktionssteuerung, PPS, Smart Factory, SWOT-Analyse, Datenmanagement, Prozessoptimierung, Digitalisierung, Wertschöpfungskette, Data Mining, Geschäftsmodelle, Simulation
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht, wie moderne Big Data Analytics-Methoden die traditionelle Produktionsplanung und -steuerung im Kontext der Industrie 4.0 ergänzen und verbessern können.
Was sind die zentralen Themenfelder?
Die zentralen Themen umfassen die technologischen Grundlagen von Industrie 4.0, das Verständnis von Big Data und Analytics-Verfahren sowie deren spezifische Anwendung in der Produktionsorganisation.
Was ist das primäre Ziel der Untersuchung?
Das Hauptziel besteht darin, das Potenzial von Big Data Analytics in der Produktionsplanung zu evaluieren und daraus eine strategische Handlungsempfehlung für Unternehmen abzuleiten.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit basiert auf einer Literaturrecherche und der Durchführung einer SWOT-Analyse, um die Stärken, Schwächen, Chancen und Risiken des Technologieeinsatzes systematisch aufzuarbeiten.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretische Fundierung der Begriffe, die Beschreibung der Produktionsplanung und -steuerung sowie die detaillierte Analyse von Anwendungsszenarien und der Potenzialevaluation mittels SWOT.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die Arbeit wird primär durch Begriffe wie Industrie 4.0, Big Data, Analytics, Produktionsplanung, Smart Factory und SWOT-Analyse charakterisiert.
Welche Rolle spielen die "5 V's" in der Analyse von Big Data?
Die 5 V's (Volumen, Geschwindigkeit, Vielfalt, Vertrauenswürdigkeit, Mehrwert) dienen als Rahmen, um die charakteristischen Eigenschaften von Big Data präzise zu definieren und ihre Bedeutung für die industrielle Datenverarbeitung zu verdeutlichen.
Warum wird im Fazit die Unternehmenskultur als kritisch bewertet?
Der Autor argumentiert, dass selbst bei vorliegender Technologie der Projekterfolg von den Mitarbeitenden, dem Management und der Bereitschaft zur Veränderung abhängt, weshalb ein fundiertes Changemanagement essenziell ist.
- Arbeit zitieren
- Michael Poiger (Autor:in), 2020, Big Data Analytics in Industrie 4.0. Potenzialevaluation im Bereich der Produktionsplanung und -steuerung, München, GRIN Verlag, https://www.grin.com/document/1174145
