Kurzfristige sowie ungeplante Änderungen – wie Auftragsschwankungen, Maschinenausfälle oder Krankheitstage der Mitarbeiter – beeinflussen die Produktionsplanung und -steuerung (PPS) von Industriefirmen. Trends wie Globalisierung und erhöhter Marktdruck verstärken diese Probleme. Zur Komplexitätsbewältigung bei der Entscheidungsfindung zur Fertigungssteuerung kommen in der Produktion Werkzeuge der „Digitalen Fabrik“, beispielsweise Simulationsprogramme, oder IT (Informationstechnologie)-Lösungen, wie Manufacturing Execution Systems (MES), zum Einsatz. Eine Verknüpfung dieser Bereiche würde einen echtzeitfähigen Datenaustausch erlauben, der wiederum eine echtzeitfähige Entscheidungsunterstützung bietet. Der Fachbeitrag stellt hierfür einen Lösungsansatz vor.
Sudden and unsystematic changes, such as fluctuations in order flow, machine failures, or employee sick days affect the Production Planning and Control (PPC) activities of industrial companies. Trends like globalization and increased market pressure intensify these problems. To master the complexity of decision-making in production control, tools of the digital factory (e.g. simulation systems) or IT systems (e.g. Manufacturing Execution Systems (MES)) are applied in manufacturing. Combining these areas would enable real-time capable data exchange which, in turn, provides real-time capable decision support. This article presents an approach for solving this problem.
Decision support analysis for risk identification and control of patients affected by COVID-19 based on Bayesian Networks
