Informationstechnologie in Forecastwerkzeugen

Projektbeschreibung

Durch das Forschungsprojekt InnoFIT wird die Forecast-Qualität und damit einhergehend auch die langfristige Produktionsplanung durch innovative Forecast-Werkzeuge verbessert. Dazu sollen die Potentiale aus neuartigen Informationstechnologien, die sich zwischen Lieferanten und KundInnen in Bezug auf ihre hierarchische Planung ergeben, genutzt werden.

Durch die vierte industrielle Revolution (Industrie 4.0) findet eine Weiterentwicklung insbesondere auch in den Informationstechnologien statt. Klassische „Enterprise Resource Planning“ (ERP) Systeme werden zukünftig als „Software as a Service“ (SaaS) angeboten, „Electronic Data Interchange“ (EDI) wird durch „Internet of Things“ (IoT) erweitert und passive Objekte/Produkte werden durch „Smart Objects“ ergänzt. Themen wie Datendurchgängigkeit, Verteilte-Intelligenz und Datenverfügbarkeit dezentral „On-Demand“ sowie generelle Mehrinformationen innerhalb und zwischen den Lieferketten können zur Verbesserung der gesamten Wertschöpfungskette beitragen. Besonders in Bezug auf den Forecastprozess werden diese Potentiale derzeit in der Praxis noch nicht genutzt.

Das Projekt untersucht einerseits den Einfluss von Forecast-Qualität und Informationsunsicherheit bzw. Schwachstellen im Informationsaustausch auf die hierarchische Planung und andererseits entwickelt man mit Hilfe der neuen Informationstechnologien verbesserte Forecast-Werkzeuge bzw. Bedarfsanpassungsmethoden. Die entwickelten Werkzeuge verbessern das logistische Potential, wobei z. B. mit weniger Bestand und geringerem Ressourceneinsatz gleiche Liefertreue erreicht werden kann.

Bei Fragen kontaktieren Sie uns jederzeit.

Kontakt

Weitere Projekte

The JRC DDBMI develops and improves data-driven approaches for business model innovation for incumbent manufacturers and provides these approaches for the partner companies. These newly developed approaches will be implemented or applied in several pilot projects by the partner companies.

X-PRO

Laufzeit: 01/2020 - 12/2024

Erforschung und Entwicklung benutzer-zentrierter Methoden für Cross-Virtuality Analytics von Produktionsdaten

adaptOp

Laufzeit: 10/2019 - 10/2024

Innerhalb von JRC adaptOp werden wir mit der Lösung dynamischer Optimierungsprobleme in Bereichen wie Lagerhaltung, Produktion und Transport konfrontiert. Es wird ein Framework adaptiver Methoden entwickelt, mit dem wir schnell auf beobachtete Veränderungen in der Umgebung reagieren. Techniken des maschinellen Lernens werden integriert, um das Auftreten zukünftiger Ereignisse vorherzusagen, mögliche zukünftige Szenarien zu entwerfen und geeignete Optimierungsalgorithmen auszuwählen und zu konfigurieren.