Zukunftslabor Produktion: Vernetzung, Modellierung und Optimierung in der industriellen Produktion

Jonas Kallisch; Berend Denkena; Kathrin Kramer; Lukas Stürenburg; Slava Pachandrin; Markus Rokicki; Jörg Walter; Marcus Nein; Marvin Voss; Christoph Wunck; Karl Heinz Niemann; Matthias Schmidt; Klaus Dilger; Claudia Niederée; Norbert Hoffmann

doi:10.1515/zwf-2024-1061

Zukunftslabor Produktion: Vernetzung, Modellierung und Optimierung in der industriellen Produktion

Translated title of the contribution: Future Lab Production Networking, Modeling and Optimization of the Industrial Production

Jonas Kallisch^*
, Berend Denkena
, Kathrin Kramer
, Lukas Stürenburg
, Slava Pachandrin
, Markus Rokicki
, Jörg Walter
, Marcus Nein
, Marvin Voss
, Christoph Wunck
, Karl Heinz Niemann
, Matthias Schmidt
, Klaus Dilger
, Claudia Niederée
, Norbert Hoffmann

^*Corresponding author for this work

Research output: Journal contributions › Journal articles › Research › peer-review

1 Citation (Scopus)

Abstract

The Future Lab Production demonstrates the potentials of digitalisation by using the die casting process as an example process. The project shows how manufacturing companies can digitalise their existing machines, analyse their data and exchange information along the supply chain while maintaining data sovereignty. The aim is to support companies with digitalisation from the machine to data platforms. The article describes the methods used, the concepts developed and their benefits.

Translated title of the contribution	Future Lab Production Networking, Modeling and Optimization of the Industrial Production
Original language	German
Journal	ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb
Volume	119
Issue number	5
Pages (from-to)	372-377
Number of pages	6
ISSN	0947-0085
DOIs	https://doi.org/10.1515/zwf-2024-1061
Publication status	Published - 05.2024

Bibliographical note

Publisher Copyright:
© 2024 Walter de Gruyter GmbH, Berlin/Boston, Germany.

UN SDGs

This output contributes to the following UN Sustainable Development Goals (SDGs)

SDG 9 Industry, Innovation, and Infrastructure

Research areas and keywords

digital twin
information exchange
machine learning
manufacturing network
process control
retrofitting
Engineering

ASJC Scopus Subject Areas

Strategy and Management
Engineering(all)
Management Science and Operations Research

Access to Document

10.1515/zwf-2024-1061

Cite this

Kallisch, J., Denkena, B., Kramer, K., Stürenburg, L., Pachandrin, S., Rokicki, M., Walter, J., Nein, M., Voss, M., Wunck, C., Niemann, K. H., Schmidt, M., Dilger, K., Niederée, C., & Hoffmann, N. (2024). Zukunftslabor Produktion: Vernetzung, Modellierung und Optimierung in der industriellen Produktion. ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, 119(5), 372-377. https://doi.org/10.1515/zwf-2024-1061

@article{63800277bfda4850b70a4fc39128e825,

title = "Zukunftslabor Produktion: Vernetzung, Modellierung und Optimierung in der industriellen Produktion",

abstract = "Das Zukunftslabor Produktion zeigt exemplarisch am Druckgussprozess, wie produzierende Unternehmen ihre Bestandsanlagen digitalisieren, deren Fertigung mit maschinellem Lernen optimieren und unter Erhalt ihrer Datensouver{\"a}nit{\"a}t Informationen austauschen k{\"o}nnen. Ziel ist es, Unternehmen von der Digitalisierung der Maschine bis zur Datenplattform durchgehend zu unterst{\"u}tzen. Dabei liegt der Fokus auf der digitalen Abbildung der gesamten Industriellen Leistungskette In diesem Beitrag werden die eingesetzten Methoden, die entwickelten Konzepte und deren Nutzwerte beschrieben.",

keywords = "Digital Twin, Information Exchange, Machine Learning, Manufacturing Network, Process Control, Retrofitting, digital twin, information exchange, machine learning, manufacturing network, process control, retrofitting, Ingenieurwissenschaften",

author = "Jonas Kallisch and Berend Denkena and Kathrin Kramer and Lukas St{\"u}renburg and Slava Pachandrin and Markus Rokicki and J{\"o}rg Walter and Marcus Nein and Marvin Voss and Christoph Wunck and Niemann, \{Karl Heinz\} and Matthias Schmidt and Klaus Dilger and Claudia Nieder{\'e}e and Norbert Hoffmann",

note = "Publisher Copyright: {\textcopyright} 2024 Walter de Gruyter GmbH, Berlin/Boston, Germany.",

year = "2024",

month = may,

doi = "10.1515/zwf-2024-1061",

language = "Deutsch",

volume = "119",

pages = "372--377",

journal = "ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb",

issn = "0947-0085",

publisher = "Walter de Gruyter GmbH",

number = "5",

}

Kallisch, J, Denkena, B, Kramer, K, Stürenburg, L, Pachandrin, S, Rokicki, M, Walter, J, Nein, M, Voss, M, Wunck, C, Niemann, KH, Schmidt, M, Dilger, K, Niederée, C & Hoffmann, N 2024, 'Zukunftslabor Produktion: Vernetzung, Modellierung und Optimierung in der industriellen Produktion', ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, vol. 119, no. 5, pp. 372-377. https://doi.org/10.1515/zwf-2024-1061

TY - JOUR

T1 - Zukunftslabor Produktion

T2 - Vernetzung, Modellierung und Optimierung in der industriellen Produktion

AU - Kallisch, Jonas

AU - Denkena, Berend

AU - Kramer, Kathrin

AU - Stürenburg, Lukas

AU - Pachandrin, Slava

AU - Rokicki, Markus

AU - Walter, Jörg

AU - Nein, Marcus

AU - Voss, Marvin

AU - Wunck, Christoph

AU - Niemann, Karl Heinz

AU - Schmidt, Matthias

AU - Dilger, Klaus

AU - Niederée, Claudia

AU - Hoffmann, Norbert

PY - 2024/5

Y1 - 2024/5

N2 - Das Zukunftslabor Produktion zeigt exemplarisch am Druckgussprozess, wie produzierende Unternehmen ihre Bestandsanlagen digitalisieren, deren Fertigung mit maschinellem Lernen optimieren und unter Erhalt ihrer Datensouveränität Informationen austauschen können. Ziel ist es, Unternehmen von der Digitalisierung der Maschine bis zur Datenplattform durchgehend zu unterstützen. Dabei liegt der Fokus auf der digitalen Abbildung der gesamten Industriellen Leistungskette In diesem Beitrag werden die eingesetzten Methoden, die entwickelten Konzepte und deren Nutzwerte beschrieben.

AB - Das Zukunftslabor Produktion zeigt exemplarisch am Druckgussprozess, wie produzierende Unternehmen ihre Bestandsanlagen digitalisieren, deren Fertigung mit maschinellem Lernen optimieren und unter Erhalt ihrer Datensouveränität Informationen austauschen können. Ziel ist es, Unternehmen von der Digitalisierung der Maschine bis zur Datenplattform durchgehend zu unterstützen. Dabei liegt der Fokus auf der digitalen Abbildung der gesamten Industriellen Leistungskette In diesem Beitrag werden die eingesetzten Methoden, die entwickelten Konzepte und deren Nutzwerte beschrieben.

KW - Digital Twin

KW - Information Exchange

KW - Machine Learning

KW - Manufacturing Network

KW - Process Control

KW - Retrofitting

KW - digital twin

KW - information exchange

KW - machine learning

KW - manufacturing network

KW - process control

KW - retrofitting

KW - Ingenieurwissenschaften

UR - https://www.scopus.com/pages/publications/85193920866

UR - https://www.mendeley.com/catalogue/d0d6a6d2-5f3f-36de-9154-b263f2f30fc1/

U2 - 10.1515/zwf-2024-1061

DO - 10.1515/zwf-2024-1061

M3 - Zeitschriftenaufsätze

AN - SCOPUS:85193920866

SN - 0947-0085

VL - 119

SP - 372

EP - 377

JO - ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb

JF - ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb

IS - 5

ER -

Zukunftslabor Produktion: Vernetzung, Modellierung und Optimierung in der industriellen Produktion

Abstract

Bibliographical note

UN SDGs

Research areas and keywords

ASJC Scopus Subject Areas

Access to Document

Fingerprint

Cite this