Direkt zum Inhalt
header image
Industrie 4.0 Management
36. Jahrgang, 2020, Ausgabe 6, Seite 25-29
Das Potenzial-Modell
Eine Methode zur Unterstützung kleiner und mittlerer Unternehmen bei der Auswahl geeigneter Industrie 4.0-Lösungen

Patrick Schumacher, Christian Weckenborg, Thomas S. Spengler, David Schneider, Tobias Huth und Thomas Vietor, Technische Universität Braunschweig

Durch die zunehmende Digitalisierung der Wertschöpfungskette werden Unternehmen mit neuen Herausforderungen, wie etwa einer höheren Variantenvielfalt oder steigenden Individualisierungswünschen von Kunden, konfrontiert. Zur Bewältigung der wachsenden Herausforderungen bietet die Implementierung von Industrie 4.0-Lösungen großes Potenzial. Dennoch agieren gerade kleine und mittlere Unternehmen bei deren Einführung zurückhaltend. Dies ist vor allem auf den hohen finanziellen Aufwand für Industrie 4.0-Lösungen und eine unzureichende Abschätzbarkeit der Auswirkungen ihrer Einführung zurückzuführen. Im Rahmen des EFRE-Forschungsprojekts »Synus« wurden Methoden und Tools zur Unterstützung von kleinen und mittleren Unternehmen bei der Bewertung und Auswahl von Industrie 4.0-Lösungen entwickelt. Inhalt dieses Beitrags ist die Präsentation des Potenzial-Modells, welches kleine und mittlere Unternehmen zur Auswahl geeigneter Industrie 4.0-Lösungen in Abhängigkeit der individuellen Sachlagen und Präferenzen befähigt.

Schlüsselwörter: Digitalisierung, Industrie 4.0, KMU
Quellen:

[1] Wichmann, R. L. u. a.: The Direction of Industry: A Literature Review on Industry 4.0. In: Proceedings of the Design Society: International Conference on Engineering Design 1 (2019) 1, S. 2129-2138.

[2] Faller, C.; Feldmüller, D.: Industry 4.0 Learning Factory for regional SMEs. In: Procedia CIRP 32 (2015), S. 88-91.

[3] Schneider, D. u. a.: Develop ment of a Potential Model to Support the Assessment and Introduction of Industry 4.0 Technologies. In: Proceedings of the Design Society: DESIGN Conference 1 (2020), S. 707-716.

[4] Kersten, W.; Saeed, M. A.: A scor based analysis of simulation in supply chain management. In: 28th European Conference on Modelling and Simulation ECMS (2014), S. 461-474.

[5] Masoumik, S. M. u. a.: Importance-performance Analysis of Green Strategy Adoption within the Malaysian Manufacturing Industry. In: Procedia CIRP 26 (2015), S. 646–652.

[6] Thiede, S. u. a.: Implementing Cyber-physical Production Systems in Learning Factories. In: Procedia CIRP 54 (2016), S. 7-12.

[7] Terstegen, S. u. a.: Vergleichsstudie über Vorgehensmodelle zur Einführung und Umsetzung von Digitalisierungsmaßnahmen in der produzierenden Industrie. In: GfA (Hrsg): Frühjahrskongress der Gesellschaft für Arbeitswissenschaften - Arbeit interdisziplinär analysieren – bewerten – gestalten, Vol. 65. Frankfurt a. M. 2019.

[8] Essakly, A. u. a.: A reference framework for the holistic evaluation of Industry 4.0 solutions for small- and medium-sized enterprises. In: IFAC–PapersOnLine 52 (2019) 13, S. 427-432.

[9] Lembeck, H. u. a.: Evaluation methodology for the process integration of industry 4.0 solutions into Design. In: Stuttgarter Symposium für Produktenwicklung SSP 5 (2019), S. 83-92.

[10] Porst, R.: Fragebogen – Ein Arbeitsbuch. 4. Auflage. Wiesbaden 2013.

[11] Wang, D. u. a.: Data-driven Component Configuration in Production Systems. In: Adaptive 2019: The Eleventh International Conference on Adaptive and Self-Adaptive Systems and Applications (2019), S. 44-47.