UdZ 2-2014

15 Unternehmen der Zukunft 2/2014 UdZ Projekttitel Smart Logistic Grids Projekt-/ Forschungsträger BMWi Förderkennzeichen 01IS10033C Projektpartner PSI Logistics GmbH; Bereich Logistik der TU Berlin; Hellmann Worldwide Logistics GmbH & Co. KG; TOP Mehrwert- Logistik GmbH & Co. KG; ZITEC Industrietechnik GmbH Ansprechpartner Dipl.-Inform. Christian Hocken,MBA Tel. :+4924147705-503 E-Mail: Christian. Hocken@fir.rwth- aachen.de Internet www.smart- logistic-grids.de Projekttitel Smart.NRW Projekt-/ Forschungsträger MWEBWV NRW Förderkennzeichen LOG2037 Projektpartner ESMGmbH& Co.KG; European EPC Competence Center GmbH; Mars GmbH; METRO SYSTEMS GmbH; METRO Cash & Carry Deutschland GmbH; Mondi Bad Rappenau GmbH Ansprechpartner Dipl.-Inform. Christian Hocken, MBA Tel. :+4924147705-503 E-Mail: Christian. Hocken@fir.rwth- aachen.de Internet www.smartnrw- projekt.de Projekttitel Sense&React Projekt-/ Forschungsträger Europäische Union Förderkennzeichen 314350 Projektpartner SAPDeutschlandAG &Co. AG; University of Patras; Electrolux Italia S.P.A.; INTRASOFT International S.A.; EMPHASIS TELEMATICS AE; Högskolan i Skövde; TechnischeUniversität Dresden; Ascom HoldingAG; VOLVO TECHNOLOGYAB; INSTITUTOSUPERIOR TECNICO; Estaleiros NavaisdePeniche, S.A. Ansprechpartner Sebastian Schmitz, M.Sc. Tel. :+4924147705-505 E-Mail: Sebastian. Schmitz@fir.rwth - aachen.de Internet www.sense- react.eu dienen der Validierung der Ergebnisse unter re- alen Bedingungen. Für den aktuell laufenden zweiten Feldversuch wurde eine Software entwickelt, die die RFID- Daten mit weiteren Daten zusammenführt und aufbereitet. Die Informationen werden den Partnern über eine Internetplattform zur Verfügung gestellt. Sie nutzt die RFID-basierten Bewegungsdaten sowie weitere Informationen aus betrieblichen Systemen, bspw. zu Aufträgen. Da die Daten über den Warenfluss nun echt- zeitnah zur Verfügung stehen, können die Unternehmen Planabweichungen in der Supply- Chain schneller erkennen und entsprechend reagieren. So können Konsumgüterproduzenten beispielsweise feststellen, wie viele Einheiten eines bestimmten Ar tikels mit welcher Resthaltbarkeit in den Märkten vorhanden sind und wie lange sie im Durchschnitt dort lagern. Hieraus können sie Schlüsse auf den Bedarf ziehen. Derartige Daten waren vorher nicht verfügbar oder mussten aufwendig, etwa durch Umfragen, erhoben werden. Smart Logistic Grids – Risiken im Netzwerk prognostizieren und rechtzeitig umplanen Das Projekt Smart Logistic Grids bildet in gewisser Hinsicht den nächsten Schritt ab. Im Anwendungsfokus stehen Industrien mit geringen Fertigungstiefen, wie beispielswei- se die Automobilindustrie. Sie sind auf ein funktionierendes Wertschöpfungsnetzwerk angewiesen, Störungen im Transport stellen für Produktionsstrategien wie Just-in-time und Just-in-sequence hohe Risiken dar. Ziel ist daher die Entwicklung eines auf Echtzeitinformationen basierenden Risikomanagementsystems. Elementarer Bestandteil des Forschungsvorhabens ist die Entwicklung eines Supply-Chain- Operations-Rooms, der die Regelung logisti- scher Netzwerke in Echtzeit ermöglicht. Als Grundlage nutzt er Daten aus dem logistischen Netzwerk und visualisiert sowohl Störungen als auch eingeleitete Entstörmaßnahmen auf einer Monitorwand. Der Supply-Chain- Operations-Room generiert als zentraler Leitstand Handlungsalternativen für auftretende Störungen und bewertet diese anhand unter- schiedlicher Führungsgrößen. Die verarbeiteten Informationen werden durch eine zentrale Supply-Chain-Event-Cloud bereitgestellt, an die die Supply-Chain-Partner angeschlossen sind. Zum Betrieb der Supply-Chain-Event-Cloud muss der Zustand des Logistiknetzes zu jeder Zeit im vollen Umfang erfasst werden. Die hierfür notwendigen und bislang nicht verfüg- baren theoretischen Grundlagen schafft ein integriertes Modell intermodaler Supply-Chains, das Störungen, deren Auswirkungen sowie Entstörmaßnahmen abbildet. Die für das Modell benötigten Informationen werden durch die um- fassende Integration von Echtzeitdaten, wie sie z. B. durch RFID und GPS bereitgestellt werden, erhoben. Zusätzlich gehen weitere Informationen, darunter Auftrags-, Wetter- und Verkehrsdaten, in die Berechnung des Netzwerkzustands ein. FIR-Forschungsprojekte