Zusammenfassung
Aufgrund stetig steigender Anforderungen sind produzierende Unternehmen gezwungen ihre Produkte und Prozesse kontinuierlich zu verbessern. Dabei greifen sie immer häufiger auf datengetriebene Analysemethoden zurück, die als Entscheidungsgrundlage für Handlungsmaßnahmen dienen. Das Potenzial, das sich durch eine horizontale Datenintegration entlang der Lieferkette ergibt, wird von Unternehmen jedoch nur selten berücksichtigt und in Mehrwert umgewandelt. Dieser Beitrag erläutert die Monetarisierung technischer Daten durch den Einsatz von Predictive Quality und Sustainability Analytics entlang der Lieferkette und beschreibt den Einfluss der Datenqualität und der Relevanz der Daten auf den potenziellen Datenwert. Abschließend werden die Monetarisierungseffekte anhand von zwei industriellen Anwendungsbeispielen veranschaulicht.
[…] man ist immer in der Lage über Machine Learning Verfahren die Ausschussquoten über einen Zeitraum von 5 Jahren um mindestens 25 Prozent zu reduzieren.
Prof. Dr. Reiner Kurzhals, Gründer von Westphalia DataLab GmbH, zur erfolgreichen Umsetzung von Predictive Quality
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Westkämper E, Löffler C (2016) Strategien der Produktion. Springer, Berlin
Frenz W (Hrsg) (2020) Handbuch Industrie 4.0: Recht, Technik, Gesellschaft. Springer, Berlin
Schmitt RH, Ellerich M, Schlegel P et al (2020) Datenbasiertes Qualitätsmanagement im Internet of Production. In: Frenz W (Hrsg) Handbuch Industrie 4.0: Recht, Technik, Gesellschaft. Springer, Berlin, S 489–516
Hansen H (2008) Politik und wirtschaftlicher Wettbewerb in der Globalisierung. VS Verlag, Wiesbaden
Bergs T (2020) Internet of production – turning data into value. Fraunhofer-Gesellschaft
Herkommer E (2004) Nachhaltigkeit. http://webarchiv.bundestag.de/archive/2008/0506/wissen/analysen/2004/2004_04_06.pdf. Zugegriffen: 29. Okt. 2020
Ramanan R (2018) Introduction to sustainability analytics. Chapman and Hall/CRC, Milton
Schupp F, Wöhner H (2018) Digitalisierung im Einkauf. Springer Fachmedien, Wiesbaden
Hildebrand K, Gebauer M, Hinrichs H et al (2015) Daten- und Informationsqualität. Springer Fachmedien, Wiesbaden
Wang RY, Strong DM (1996) Beyond accuracy: what data quality means to data consumers. J Manag Inf Syst 12:5–33
Schlegel P, Buschmann D, Ellerich M et al (2020) Methodological assessment of data suitability for defect prediction. Quality innovation prosperity/Kvalita Inovácia Prosperita 24
Eurostat (2020) Sustainable development in the European Union: monitoring report on progress towards the SDGs in an EU context: 2020 edition, 4th edition. Statistical books, vol 2020. Publications Office of the European Union, Luxembourg
Englert M, Ternès A (2019) Nachhaltiges management. Springer, Berlin
Rüdenauer I, Gensch C-O, Quack D (2005) Eco-efficiency analysis of washing machines: life cycle assessment and determination of optimal life span/refinement of task 4: further use versus substitution of washing machines in stock. https://www.oeko.de/publikationen/p-details/eco-efficiency-analysis-of-washing-machines. Zugegriffen: 29. Okt. 2020
Altenburger R, Schmidpeter R (2018) CSR und Familienunternehmen. Springer, Berlin
Danksagung
Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzstrategie des Bundes und der Länder – EXC-2023 Internet of Production – 390621612.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer-Verlag GmbH, DE, ein Teil von Springer Nature
About this chapter
Cite this chapter
Schmitt, R.H., Buschmann, D., Briele, K., Schlegel, P., Ellerich, M. (2021). Nachhaltige Produktion durch Predictive Quality und Sustainability Analytics entlang der Lieferkette. In: Trauth, D., Bergs, T., Prinz, W. (eds) Monetarisierung von technischen Daten. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-62915-4_26
Download citation
DOI: https://doi.org/10.1007/978-3-662-62915-4_26
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-62914-7
Online ISBN: 978-3-662-62915-4
eBook Packages: Computer Science and Engineering (German Language)