Forschungsschwerpunkte
Wissenschaftliche Beiträge
Datengetriebenes Produktionsmanagement
In diesem Forschungsschwerpunkt wird unter anderem das Potenzial untersucht, welches verbesserte Daten und Informationen über zukünftige Entwicklungen von Kundennachfragen und des Produktionssystems selbst auf die Steuerung digitalisierter Produktionssysteme haben. Dies ist insbesondere bei saisonaler Nachfrage oder im Produktionshochlauf relevant. Produktionsnahe Dienstleistungen, wie z.B. Reparaturprozesse von Ersatzteilen, bilden ein weiteres Anwendungsfeld.
Fragestellungen
- Wie können verfügbare Daten aus Fertigungssystemen direkter in Entscheidungsprozesse integriert werden?
- Welches Potenzial bieten verbesserte Daten und Informationen über zukünftige Entwicklungen von Kundennachfragen und Produktionssystemen selbst für die Steuerung solcher Systeme?
- Wie können Daten über den Zustand des Produktionssystem genutzt werden, um Reparaturprozess besser zu priorisieren?
Methodenspektrum
- Simulation/Optimization
- Analytische Identifizierung von Struktureigenschaften
- Datengetriebene Sampling Ansätze
Externe Kooperationspartner
Leonardo.ai Business Analytics für stochastische und dynamische Systeme
Die Bestimmung von Leistungskenngrößen, wie dem Durchsatz und den Durchlaufzeiten, ist eine Voraussetzung für die Gestaltung und die Steuerung von Produktionsnetzwerken, die stochastischen und zeitabhängigen Einflüssen unterliegen (siehe Abbildung).
In diesem Forschungsschwerpunkt werden Warteschlangenmodelle und Verfahren für deren Leistungsanalyse entwickelt. Herausfordernd ist insbesondere die Bestimmung von Verteilungsinformationen der Leistungskenngrößen, beispielsweise Quantile der erreichbaren Servicegrade, die insbesondere für eine Risikoabwägung von Bedeutung sind.
Fragestellungen
- Der Forschungsschwerpunkt befasst sich mit der Bestimmung von Leistungskenngrößen wie Durchsatz und Durchlaufzeiten, die für die Gestaltung und Steuerung von Produktionsnetzwerken unerlässlich sind. Diese Netzwerke sind stochastischen und zeitabhängigen Einflüssen ausgesetzt. Eine zentrale Fragestellung ist dabei, wie Verteilungsinformationen der Leistungskenngrößen – etwa Quantile der Servicegrade – ermittelt werden können, um fundierte Risikoabwägungen vorzunehmen.
Methodenspektrum
- Maschinelles Lernen
- Warteschlangenmodelle
- Ereignisdiskrete Simulation
Leonardo.ai Sales and Operations Planning
Der Trend zu kürzeren Produktlebenszyklen führt zu häufigeren Wechseln zwischen Produktgenerationen. Herausforderungen beim Management der Transformationsphase bestehen in den komplexen Zusammenhängen zwischen den Unternehmensentscheidungen und den Kundenreaktionen. Insbesondere sind dabei auftretende Substitutionseffekte zwischen den Produktgenerationen zu berücksichtigen.
Fragestellungen
- Welchen Einfluss haben beschränkte und stochastische Produktionskapazitäten auf Entscheidungen über optimale Produktionsmengen, Bestände und Preissetzung neuer und alter Produktgenerationen?
- Welche Wechselwirkungen zwischen Produktdesign und Produkteinführungsstrategien gibt es?
Methodenspektrum
- Customer Choice Modelle
- Analytische Lösungen und numerische Studien
Externe Kooperationspartner
Leonardo.ai