Neue Wertschöpfungsprozesse und Geschäftsmodelle, die durch umfangreiche Datennutzung und überbetriebliches Datenteilen geprägt sind, werden für Unternehmen immer wichtiger. Viele Barrieren und Hemmnisse verlangsamen jedoch vor allem für den Mittelstand den Weg zu einer datenbasierten Wertschöpfung. Den Unternehmen fehlt es an konkreten Datennutzungs- und Umsetzungsideen und/oder an Digitalisierungs- und Datenanalysekompetenzen. Dadurch bestehen ungenutzte Wertschöpfungspotenziale in Unternehmen – selbst wenn bereits Daten vorhanden sind. Mit diesem Beitrag werden durch die Beschreibung eines Reallabors mit Realexperimenten Unterstützungsmöglichkeiten für Unternehmen aufgezeigt, um den eigenen „Datenschatz“ zu identifizieren und zu heben.
Tight and competitive market situations pose a serious challenge to enterprises in the manufacturing industry domain. Competing in the use of data analytics to enhance products and processes requires additional resources to deal with the complexity. On the contrary, the possibilities afforded by digitization and data analysis-based approaches make for a valuable asset. In this paper we suggest a guideline to a systematic course of action for the data-based creation of holistic insight. Building an overlaying corpus of knowledge accelerates the learning curve within specific projects as well as across projects by exceeding the project-specific view towards an integrated approach.
ZusammenfassungDie für die Planung des Materialflusses relevanten Fertigungsprozesse lassen sich sehr genau planen, beispielsweise über die Leistung der Maschine (Durchsatz je Zeiteinheit). Bei der Planung eines Projektes spielen logistische Prozesse, die zu den Kernprozessen eines Unternehmens gehören, eine wichtige Rolle. Jedoch werden sie meist nur grob terminiert und mit großen Puffern kalkuliert. Dies kann zu einer Verlängerung der Projektdauer führen. Für eine genauere Terminierung eines Projektes ist es daher entscheidend, die Dauer der logistischen Prozesse mindestens in dem Maße wie die Fertigungsprozesse zu ermitteln, um das Risiko einer Projektverzögerung zu minimieren.In diesem Beitrag wird deshalb eine Methode zur datenbasierten Schätzung von Prozessdauern mit dem Ziel der Wiederverwendung von Projektwissen vorgestellt, die es dem Projektmanagement ermöglichen soll, Dauern von logistischen Prozessen präziser zu schätzen als das aktuell basierend auf Erfahrungswissen erfolgt. Besonderes Augenmerk liegt dabei auf der Herleitung der Entwurfsaktivitäten. Durch die Anwendung der Methode soll das Projektmanagement von einer genaueren, datenbasierten Schätzung von (Logistik‑)Prozessdauern profitieren und so entstandenes Wissen über einen Ontologieansatz wiederverwenden können.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.