Diese Arbeit soll einen Überblick über aktuelle Anwendungsszenarien im Bereich Operations Research (OR) bieten und klären, inwieweit sich Umwälzungen in der Industrie durch „Industrie 4.0“ und „Big Data“ darauf auswirken können. Dabei sollen die Schwerpunkte der Anwendung und die Art der Implementierung dargestellt werden. Weiterhin werden Stärken und Schwächen in der praktischen Anwendung aufgeführt und basierend auf den gesammelten Informationen versucht etwas über die Zukunft von OR-Methoden zu formulieren.
Es soll keine Theorie zu diesem Thema bestätigt oder widerlegt werden, sondern lediglich ein aktuelles Bild gezeichnet werden, um Informationen für Interessierte zusammenfassen. Um dies zu erreichen wurden Experten, Anwender und Unternehmen zu diesen Themen befragt und deren Antworten ausgewertet.
Inhaltsverzeichnis
- EINLEITUNG
- AUSGANGSITUATION
- PROBLEMSTELLUNG
- ZIELSETZUNG UND FORSCHUNGSFRAGE
- THEORETISCHE GRUNDLAGEN
- OPERATIONS RESEARCH
- Definition und Überblick
- Geschichte
- AKTUELLE ENTWICKLUNGEN
- Industrie 4.0
- Big Data
- (Business) Analytics
- METHODEN
- QUALITATIVES EXPERTENINTERVIEW
- Leitfaden
- DURCHFÜHRUNG
- Interviewpartner
- AUSWERTUNGSMETHODE
- Transkription
- Inhaltsanalyse
- ERGEBNISSE
- SCHWERPUNKTE DER ANWENDUNG VON OR
- IMPLEMENTIERUNG
- STÄRKEN UND SCHWÄCHEN IN DER PRAKTISCHEN ANWENDUNG
- ENTWICKLUNG UND ZUKUNFT VON OR
- Allgemeine Entwicklung
- Chancen für OR durch Industrie 4.0 und Big Data?
- DISKUSSION
- METHODENDISKUSSION
- ERGEBNISDISKUSSION
- FAZIT
Zielsetzung und Themenschwerpunkte
Diese Bachelorarbeit befasst sich mit der Anwendung von Operations Research (OR) im Kontext der Industrie 4.0 und Big Data. Ziel ist es, den aktuellen Stand der OR-Anwendungen in diesen Bereichen zu analysieren und die Chancen und Herausforderungen für die zukünftige Entwicklung zu untersuchen.
- Die Integration von OR in Industrie 4.0-Szenarien
- Die Nutzung von Big Data zur Optimierung von OR-Modellen
- Die Bedeutung von (Business) Analytics für OR-Anwendungen
- Die Herausforderungen und Chancen der Implementierung von OR in Unternehmen
- Zukunftsperspektiven für OR im Kontext von Industrie 4.0 und Big Data
Zusammenfassung der Kapitel
- EINLEITUNG: Die Einleitung stellt den Kontext der Arbeit dar und führt die Problemstellung sowie die Zielsetzung und Forschungsfrage ein.
- AUSGANGSITUATION: Dieses Kapitel beleuchtet die aktuelle Situation von OR und die relevanten Herausforderungen im Kontext von Industrie 4.0 und Big Data.
- THEORETISCHE GRUNDLAGEN: Das Kapitel bietet eine Definition von OR, skizziert seine Geschichte und beleuchtet die aktuellen Entwicklungen von Industrie 4.0, Big Data und (Business) Analytics.
- METHODEN: Dieses Kapitel beschreibt die Methodik der Arbeit, insbesondere das qualitative Experteninterview, und erläutert die Durchführung und Auswertungsmethode.
- ERGEBNISSE: Dieses Kapitel präsentiert die Ergebnisse der Experteninterviews, fokussiert auf die Schwerpunkte der OR-Anwendungen, die Implementierung, die Stärken und Schwächen in der Praxis sowie die Entwicklung und Zukunft von OR im Kontext von Industrie 4.0 und Big Data.
Schlüsselwörter
Operations Research, Industrie 4.0, Big Data, (Business) Analytics, Experteninterview, Implementierung, Chancen, Herausforderungen, Zukunftsperspektiven.
Häufig gestellte Fragen
Was ist Operations Research (OR)?
OR ist die Anwendung mathematischer Methoden und Modelle zur Unterstützung von Entscheidungsprozessen und zur Optimierung komplexer Systeme.
Wie beeinflusst Big Data die OR-Methoden?
Big Data bietet eine massiv vergrößerte Datenbasis, die es ermöglicht, OR-Modelle präziser zu füttern und Optimierungen in Echtzeit durchzuführen.
Welche Rolle spielt OR in der Industrie 4.0?
In der Industrie 4.0 wird OR zur intelligenten Steuerung von vernetzten Produktionsanlagen, zur Logistikoptimierung und zur vorausschauenden Wartung eingesetzt.
Was sind die Stärken von OR in der Praxis?
Zu den Stärken gehören die objektive Entscheidungsfindung, die Identifikation von Effizienzpotenzialen und die Bewältigung von Komplexität, die manuell nicht mehr fassbar ist.
Welche Herausforderungen gibt es bei der Implementierung?
Oft mangelt es an Datenqualität, spezialisiertem Personal oder der Akzeptanz der mathematischen Ergebnisse in der Führungsebene.
Wie wurde die Forschung für diese Arbeit durchgeführt?
Die Arbeit basiert auf qualitativen Experteninterviews mit Anwendern und Unternehmen, um ein aktuelles Bild der Praxis zu zeichnen.
- Quote paper
- Christian Winkler (Author), 2017, Moderne OR-Anwendungen im Umfeld von Industrie 4.0 und Big Data, Munich, GRIN Verlag, https://www.grin.com/document/412034
