Der Weg zum transparenten Liefernetzwerk
Im Artikel “Daten, Cloud und digitale Services-Potenziale für die Fertigungsindustrie” (Quelle: Digital Factory Journal) wird deutlich, dass im Rahmen der digitalen Transformation Unternehmen der Fertigungsindustrie gefordert sind, mehr Transparenz in ihrer Supply Chain zu erzielen. Der Einsatz von digitalen Serviceplattformen könnte dabei helfen und den Datenaustausch zwischen den Teilnehmern der Liefernetzwerke vertrauensvoll, schnell und sicher regeln.
material.one ist eine solche Plattform, die Hersteller, Lieferanten und Labore für einen sicheren und effizienten Austausch zusammenbringt. Der Hauptfokus bei material.one liegt auf der digitalen Bemusterung von Bauteilen: Anforderungen an Bauteile (d.h. die Erfüllung von Normen, wie IATF 16469, VDA Band 2 oder Umweltvorgaben) werden digital bereitgestellt, sodass die Zulieferer entsprechend festgelegter Normen ihren Produktentstehungsprozess gestalten können. Auch Labore sind in den Gesamtprozess eingebunden und erhalten Zugriff auf die übersichtlichen Prüfpläne sowie Formulare und stellen ihre Prüfergebnisse via Plattform bereit. Der Hersteller hat so immer den Überblick darüber, woher seine Teile stammen, nach welchen Normen sie getestet wurden und welcher CO₂-Ausgleich vorhanden ist. Der Mehrwert schaffende Einsatz von material.one bewährt sich täglich in der Praxis - z.B. bei Mercedes-Benz. Es profitieren alle Beteiligten des Netzwerkes und erhalten Transparenz und Nachverfolgbarkeit mithilfe der digitalen Plattform.
Weitere große Herausforderungen, die im Digital Factory Journal beschrieben werden
MES optimieren
Bestehende MES stoßen an ihre Grenzen. Z.B. durch immer mehr Varianten. Der Trend geht weg vom klassischen MES hin zu modernen cloudbasierten Lösungen, weil diese die Produktivität erhöhen.
IoT Datenschatz heben
Die Digitalisierungspotenziale im Bereich IoT liegen insbesondere in der Möglichkeit, Sensordaten zu erfassen und für Analysen zu nutzen. Künstliche Intelligenz und Machine Learning können dabei helfen, Muster und Zusammenhänge riesiger Data-Lakes und Datenströme zu erkennen und so die Qualität und Leistung von Maschinen zu verbessern. Es ermöglicht Predictive Quality und Predictive Maintainance.
Kundenindividuelle Wünsche erfüllen
Unternehmen müssen ihre internen Prozesse digitalisieren und effizienter gestalten, um mit dem Megatrend "Mass Customization" mithalten zu können. Dies kann durch optimiertes Variantenmanagement, modulare Baukastensysteme und konfigurierbare Produkte erreicht werden.
Neue as-a-Service Geschäftsmodelle erschließen
Vernetzte Maschinen, sorgfältig aufbereitete Daten sowie Schnittstellen zu Lieferanten und Kunden sorgen für neue “as-a-Service”-Geschäftsmodelle - diese lassen sich auf nahezu alles übertragen.