=Paper=
{{Paper
|id=Vol-2454/paper_79
|storemode=property
|title=IT-basierte Entscheidungsunterstützung für die Ersatzteilversorgung mit Additive Manufacturing
|pdfUrl=https://ceur-ws.org/Vol-2454/paper_79.pdf
|volume=Vol-2454
|authors=Kathrin Pfähler
|dblpUrl=https://dblp.org/rec/conf/lwa/Pfahler19
}}
==IT-basierte Entscheidungsunterstützung für die Ersatzteilversorgung mit Additive Manufacturing==
https://ceur-ws.org/Vol-2454/paper_79.pdf
IT-basierte Entscheidungsunterstützung für die
Ersatzteilversorgung mit Additive Manufacturing *
Kathrin Pfähler1
1 Universität Stuttgart, Lehrstuhl für Wirtschaftsinformatik 1, Stuttgart, Germany
kathrin.pfaehler@bwi.uni-stuttgart.de
Abstract. Additive Manufacturing (AM) ist eine Fertigungstechnologie, die zu-
nehmend Bedeutung und Anwendung in unterschiedlichen Industriebranchen
findet. Forschungs- und Entwicklungsschwerpunkte liegen derzeit vermehrt im
Bereich der Technologie selbst. Während AM zur Prototypenherstellung bereits
in Unternehmen eingesetzt wird, gibt es Anwendungsbereiche, deren Potenzial
erst in den letzten Jahren erkannt wurde, z. B. die orts- und zeitunabhängige Her-
stellung von Ersatzteilen. Das Ersatzteilwesen zählt zu den Haupteinnahmequel-
len in vielen Industrieunternehmen, v. a. bei Maschinen- und Anlagenbauern.
Nicht zuletzt wird dies durch immer länger werdende Produktlebenszyklen und
neue Geschäftsmodelle, wie Pay-per-Use, verstärkt. Die Unternehmen stehen vor
der Herausforderung, AM in die bestehenden Strukturen des Ersatzteilmanage-
ments zu integrieren. Entscheidungen über den AM-Einsatz werden während des
gesamten Produktlebenszyklus und über alle Funktionen des Unternehmens hin-
weg getroffen. Das hier skizzierte Forschungsprojekt verfolgt einen gestaltungs-
orientierten Ansatz zur Entwicklung einer IT-basierten Entscheidungsunterstüt-
zung. Der Beitrag zeigt die Ergebnisse einer explorativen Untersuchung und prä-
sentiert die daraus abgeleiteten Anforderungen an eine IT-basierte Entschei-
dungsunterstützung zur Integration von AM in die Ersatzteilversorgung des Ma-
schinen- und Anlagenbaus.
Keywords: Additive Manufacturing, Ersatzteilmanagement, Entscheidungsun-
terstützung, Entscheidungsprozesse
1 Hintergrund und Ziel des Beitrags
Additive Manufacturing (AM) ist eine Fertigungstechnologie, bei der Bauteile
schichtweise hergestellt werden. Die AM-Technologie ermöglicht anders als konventi-
onelle Fertigungstechnologien die Herstellung flexibler Geometrien mit hoher Genau-
igkeit und ohne nennenswerten Materialverlust. [1, 2] Der Einsatz von AM bedingt
nicht nur Veränderungen im Produktionsprozess – von der Konstruktion bis zur Nach-
bearbeitung [3] –, sondern auch in der übergeordneten Wertschöpfungskette. Der Auf-
bau dezentraler Produktionsstandorte lässt bestimmte Wertschöpfungsstufen entfallen
* Copyright © 2019 for this paper by its authors. Use permitted under Creative Commons Li-
cense Attribution 4.0 International (CC BY 4.0)
2
und verändert den Informations- und Materialfluss. [4] Neben technischen Herausfor-
derungen in der additiven Herstellung von Bauteilen sind durch den AM-Einsatz zu-
sätzlich komplexe betriebswirtschaftliche Abläufe von Veränderungen betroffen. Spe-
ziell der Einsatz von AM in bestehenden Ersatzteilversorgungsstrukturen zeigt, dass
neben Fragen über den wirtschaftlichen Einsatz der Fertigungstechnologie zur Herstel-
lung von Ersatzteilen auch Fragen zur Gestaltung neuer Ersatzteilversorgungsprozesse
aufkommen, z. B. bei der dezentralen Produktion der Ersatzteile in Kundennähe oder
direkt beim Kunden. Aufgrund der unternehmensübergreifenden Strukturen und kom-
plexen Abläufe wird die Ersatzteilversorgung tendenziell als zukünftiges AM-
Anwendungsszenario gesehen und ist bislang geringfügig bis gar nicht in den Unter-
nehmen etabliert. [5] Zur Gewährleistung der Ersatzteil- und Serviceexzellenz stehen
die Unternehmen vor der Aufgabe, die Potenziale der Fertigungstechnologie wirt-
schaftlich einzusetzen und gleichzeitig die hierfür benötigten Prozesse neu zu gestalten.
IT-basierte Entscheidungsunterstützungssysteme werden derzeit vornehmlich für
technologie- und produktionsbezogene Entscheidungen eingesetzt, etwa zur AM-
gerechten Konstruktion, bei der Analyse zur additiven Fertigbarkeit eines Bauteils,
oder bei der Kalkulation der anfallenden Produktionskosten. [6-8] Es ist jedoch zu be-
achten, dass AM-bezogene Entscheidungen im Ersatzteilbereich, bspw. zur Optimie-
rung der Ersatzteillogistik, strategischer Natur sind, was komplexere Entscheidungs-
prozesse mit mehreren Entscheidungsträgern und heterogenen Informationsbedarfen
zur Folge hat. [5, 9] Wollen Unternehmen das Potenzial von AM in der Ersatzteilver-
sorgung nutzen und in etablierte Strukturen integrieren, müssen neue unbekannte Auf-
gaben durchgeführt und Entscheidungen getroffen werden, die vermehrt auch durch
unstrukturierte Entscheidungsprozesse charakterisiert sind. Eine hierfür konzipierte IT-
basierte Entscheidungsunterstützung soll idealerweise eine Verknüpfung bestehender
Lösungen bereitstellen und ungewisse unstrukturierte Entscheidungen sowie konkrete
strukturierte Entscheidungen, im Zusammenhang des Einsatzes von AM, in der Ersatz-
teilversorgung unterstützen. Ziel des Beitrags ist die Ableitung von Anforderungen an
das zu entwickelnde IT-basierte entscheidungsunterstützende System.
2 Forschungsfrage und Empirische Methodik
Mit Hinblick auf das eben Genannte lautet die Forschungsfrage für den vorliegen-
den Beitrag wie folgt: „Wie kann ein Konzept für eine IT-basierte Entscheidungsunter-
stützung für Entscheidungen über die Integration von AM in bestehende Ersatzteilver-
sorgungsstrukturen aussehen?“ Der Beitrag orientiert sich an der gestaltungsorientier-
ten Wirtschaftsinformatik, die sich der Design Science zuordnen lässt. [10, 11] Die An-
spruchsgruppe sind Unternehmen aus dem Maschinen- und Anlagenbau, die sich mit
der Integration von AM in ihre bestehende Ersatzteilversorgung beschäftigen. Der For-
schungsprozess deckt die Phasen Analyse, Design und Evaluation ab. Forschungsakti-
vitäten der Analysephase umfassen eine strukturierte Literaturanalyse in Anlehnung an
[12, 13] und eine quantitativ empirische Studie in Form einer Online-Befragung [14]
mit 184 Teilnehmern aus der Industrie. Die Designphase baut auf den Erkenntnissen
der Analysephase auf und umfasst u. a. eine qualitativ empirische Einzelfallstudie im
3
Maschinen- und Anlagenbau [15, 16]. Das betrachtete Unternehmen im Use Case hat
bereits erste Erfahrungen mit dem Einsatz von AM und plant den Aufbau einer AM-
basierten Ersatzteilversorgung. Neben einer ausführlichen Dokumentenanalyse wurden
hier 35 leitfadengestützte Interviews geführt. Die Interviewpartner stammen aus unter-
schiedlichen Bereichen im Unternehmen, mit Fokus auf die Ersatzteilversorgung und
der Technologieberatung. Zusätzlich betrachtete Bereiche umfassen die Entwicklung,
den Einkauf, den Vertrieb, die IT sowie das Supply Chain Management. Die Erkennt-
nisse des Use Case dienen der Ableitung von Anforderungen an die zu entwickelnde
IT-basierte Entscheidungsunterstützung und sind Bestandteil dieses Beitrags. Zukünf-
tige Forschungsaktivitäten sind, neben weiteren Aktivitäten in der Designphase, Be-
standteil der Evaluationsphase und demnach nicht Teil dieser Arbeit.
3 IT-basierte Entscheidungsunterstützung
Die Erkenntnisse legen nahe, dass bei der Integration von AM in die bestehende
Ersatzteilversorgung Entscheidungen auf strategischer und operativer Ebene [17, 18]
getroffen werden müssen. Entscheidungen auf operativer Ebene können sich z. B. auf
die Frage beziehen, ob, basierend auf den monatlichen Ersatzteilbedarfen von Bauteil
„XY“, eine Umstellung auf additive Fertigung sinnvoll ist. Entscheidungen auf strate-
gischer Ebene beziehen sich bspw. auf den Aufbau eines AM-Lieferanten-Pools oder
den Aufbau eigener Produktionshallen mit AM-Maschinen. Hier wird klar, dass auf-
grund der Neuartigkeit der Thematik und der vermehrt unstrukturierten Entscheidungen
reine Wissensdatenbanken oder Online Analytical Processing (OLAP) zur Entschei-
dungsunterstützung nicht ausreichend sind. Weitere Beispiele für Entscheidungen mit
einem Unterstützungsbedarf sind insbesondere folgende: Die Potenzialidentifizierung
zur Funktionsintegration eines Bauteils, die Entscheidung über Neukonstruktion oder
Re-Design eines Bauteils, die Bewertung des Einsatzpotenzials von AM als Interims-
lösung im Falle einer Ausnahmesituation (z. B. Insolvenz des Lieferanten oder Lie-
ferverzögerung), oder die Bewertung AM-basierter Investitionen im Zusammenhang
der Entscheidung über Eigen- oder Fremdfertigung. Tabelle 1 stellt weitere Erkennt-
nisse aus der Einzelfallstudie dar sowie die daraus abgeleiteten funktionalen Anforde-
rungen an die IT-basierte Entscheidungsunterstützung.
Tabelle 1. Ausschnitt der funktionalen Anforderungen an das Konzept der IT-basierten Ent-
scheidungsunterstützung, abgeleitet von den Erkenntnissen aus dem Use Case.
Erkenntnisse aus dem Use Case Funktionale Anforderungen
Zur Einführung einer AM-basierten Ersatz- Anforderung 1: Die IT-basierte Entschei-
teilversorgung und der Entwicklung eines dungsunterstützung muss unstrukturierte
AM-basierten Geschäftsmodells müssen ver- Entscheidungsprozesse unterstützen.
mehrt strategische, komplexe Entscheidun-
gen mit unstrukturierten Entscheidungspro-
zessen getroffen werden.
4
Die Planung von struktur- und prozessver- Anforderung 2: Die IT-basierte Entschei-
ändernden Maßnahmen im Unternehmen er- dungsunterstützung muss eine Navigation
fordert komplexe Entscheidungswege. der Entscheidungswege ermöglichen.
Die AM-basierte Ersatzteilversorgung be- Anforderung 3: Die IT-basierte Entschei-
trifft Entscheidungsträger entlang des ge- dungsunterstützung muss für Adressaten ent-
samten Produktlebenszyklus – von der Pro- lang des gesamten Produktlebenszyklus ver-
duktidee bis zum Auslauf. fügbar sein.
Die relevanten Informationen für die Ent- Anforderung 4: Die IT-basierte Entschei-
scheidungen stammen aus operativen (z. B. dungsunterstützung muss integriert und
ERP-, PDM- und CAD-Systeme) sowie dis- ganzheitlich sein.
positiven Systemen des Unternehmens.
Die AM-basierte Ersatzteilversorgung er- Anforderung 5: Die IT-basierte Entschei-
fordert auch Entscheidungen, für die Ad- dungsunterstützung muss die Möglichkeit
hoc-Abfragen benötigt werden (z. B. Ab- zur Durchführung von Ad-hoc-Abfragen bie-
frage der monatlichen Ersatzteil-Bedarfe). ten.
AM ist eine Schlüsseltechnologie, die mits- Anforderung 6: Die IT-basierte Entschei-
amt ihrer Entwicklung und Möglichkeiten dungsunterstützung soll den Zugang zu ex-
für die AM-basierte Ersatzteilversorgung am ternen Quellen bereitstellen können.
Markt beobachtet werden muss.
Im Use Case hat sich bereits ein Wissens- Anforderung 7: Es soll die Möglichkeit be-
management-System für AM bewährt (hier: stehen, interne themenbezogene Wissensma-
ein Wiki im Intranet). nagementsysteme (z. B. Wikis) einzubinden.
Es existieren bereits Tools zur Analyse der Anforderung 8: Die IT-basierte Entschei-
Produktionskosten und der Ähnlichkeit von dungsunterstützung muss fähig sein, beste-
Bauteilen bei der additiven Fertigung sowie hende AM-bezogene Analysesysteme einzu-
der Identifikation von Ersatzteilen, die ohne binden.
Re-Design additiv fertigbar sind.
Es wird geplant, weitere Entscheidungsun- Anforderung 9: Die IT-basierte Entschei-
terstützungen für den AM-Bereich zu imple- dungsunterstützung muss fähig sein, weitere
mentieren (in der Konstruktion). AM-basierte Analysesysteme und Entschei-
dungsunterstützungen anbinden zu können.
Der Service verfügt über eine interne Wis- Anforderung 10: Die IT-basierte Entschei-
sensdatenbank für die Servicetechniker, die dungsunterstützung muss fähig sein, beste-
bei Kunden vor Ort tätig sind. hende Wissensdatenbanken einzubinden.
Die Service-Wissensdatenbank verfügt über Anforderung 11: Die IT-basierte Entschei-
Machine-Learning-Konzepte. dungsunterstützung soll die Möglichkeit bie-
ten, Machine-Learning-Konzepte für die
AM-basierte Ersatzteilversorgung zu nutzen.
Im Unternehmen gibt es keine Transparenz Anforderung 12: Die IT-basierte Entschei-
über bereits durchgeführte AM-Projekte oder dungsunterstützung soll Daten aus bereits
AM-basierte Aktivitäten. durchgeführten AM-Projekten miteinbezie-
hen.
Die Erkenntnisse und die daraus abgeleiteten Anforderungen zeigen, dass bei Entschei-
dungen zur Integration von AM in die Ersatzteilversorgung nicht nur auf vorhandene
5
Business-Intelligence-Analytics (BIA)-Ansätze oder eine reine Wissensdatenbank zu-
rückgegriffen werden kann. Vielmehr sollte der Fokus der zu entwickelnden IT-
basierten Entscheidungsunterstützung auf der Navigation der komplexen und unstruk-
turierten Entscheidungsprozesse liegen. Abbildung 1 zeigt schematisch einen Lösungs-
vorschlag einer Architektur zur IT-basierten Entscheidungsunterstützung für den Ein-
satz von AM in der Ersatzteilversorgung. Neben operativen Quellsystemen soll auch
auf bestehende dispositive Systeme zugegriffen werden. Ebenso spielen betriebswirt-
schaftliche Kennzahlen sowie unstrukturierte Daten eine Rolle. Mittels eines Graphen
lassen sich semantische Zusammenhänge innerhalb komplexer Entscheidungsprozesse
abbilden. Zugleich lassen sich in einer Wissensdatenbank auch bereits durchgeführte
AM-Projekte dokumentieren, um bei anstehenden Entscheidungen auf Erfahrungswis-
sen [19, 20] zugreifen zu können. Es ist zu beachten, dass die weiß unterlegten Archi-
tekturkomponenten den Fokus der Betrachtung darstellen.
Abfrage
Analysesysteme: OLAP
Ähnlichkeitsanalyse, Kostenkalkulation, Identifizierung von Ersatzteilen
Wissensdatenbank Data Mart Data Mart
Data Lake Data Warehouse
externe Quellen … CAx PDM ERP
Abb. 1. Vorschlag einer Architektur zur IT-basierten Entscheidungsunterstützung für die AM-
basierte Ersatzteilversorgung.
4 Fazit und Ausblick
Die Ergebnisse zeigen, dass im Rahmen der Integration von AM in die bestehende Er-
satzteilversorgung, neben vereinzelten Ad-hoc-Anfragen, vermehrt neuartige hetero-
gene und in ihrem Ablauf unstrukturierte Entscheidungsprozesse anfallen. Fehlende
Transparenz über bereits durchgeführte AM-bezogene Aktivitäten sowie die Entwick-
lung vereinzelter isolierter Entscheidungsunterstützungen hindern Unternehmen daran,
auf eigentlich vorhandene Informationen zur ganzheitlichen Entscheidungsfindung zu-
zugreifen. Die nächsten Forschungsaktivitäten beziehen sich darauf, die identifizierten
Anwendungsfälle für die IT-basierte Entscheidungsunterstützung zur Integration von
AM in die bestehende Ersatzteilversorgung zu ergänzen, zu detaillieren sowie die hier-
für benötigten Entscheidungswege zu ermitteln. Dabei soll die Möglichkeit der Anwen-
dung von Machine Learning, zum Erlernen neuartiger Entscheidungswege, nicht aus-
geschlossen werden. Zusätzlich wird im Rahmen zukünftiger Forschungsaktivitäten
das entwickelte Konzept protypisch implementiert und im Rahmen eines Workshops
mit anderen Unternehmen aus dem Maschinen- und Anlagenbau validiert.
6
References
1. Gebhardt, A., Kessler, J., Thurn, L.: 3D-Drucken - Grundlagen und Anwendungen des Ad-
ditive Manufacturing (AM). 2nd edn. Carl Hanser Verlag, München (2016).
2. Weingarten, C., Buchbinder, D., Pirch, N., Meiners, W., Wissenbach, K., Poprawe, R.: For-
mation and reduction of hydrogen porosity during selective laser melting AlSi10Mg. Journal
of Materials Processing Technology 221, 112–120 (2015).
3. Hiller, S., Moisa, M., Morar, D., Kemper, H.G., Lasi H.: Implementation Approaches for
Additve Manufacturing Enabled Value Chains – An Exploration. International Conference
on Additive Technologies 2016 Proceedings, pp. 396–404, Nürnberg (2016).
4. Chekurov, S., Metsä-Kortelainen, S., Salmi, M., Roda, I., Jussila, A.: The perceived value
of additively manufactured digital spare parts in industry: AN empirical investigation. Inter-
national Journal of Production Economics 205, 87–97 (2018).
5. Pfähler, K., Morar, D., Kemper, H.-G.: Exploring Application Fields of Additive Manufac-
turing Along the Product Life Cycle. Procedia CIRP 81, 151–156 (2019).
6. Watson, J.K., Taminger, K.M.B.: A decision-support model for selecting additive manufac-
turing versus subtractive manufacturing based on energy consumption. Journal of Cleaner
Production 176, 1316–1322 (2018).
7. Dinar, M., Rosen, D.W.: A Design for Additive Manufacturing Ontology. Journal of Com-
puting and Information Science in Engineering 17(2), 1–9 (2017).
8. Lan, H., Ding, Y., Hong, J.: Decision support system for rapid prototyping process selection
through integration of fuzzy synthetic evaluation and an expert system. International Journal
of Production Research 43(1), 169–194 (2005).
9. Möhrle, M.: Gestaltung von Fabrikstrukturen für die Additive Fertigung. Springer Vieweg,
Berlin (2018).
10. Dengel, A. (eds.): Semantische Technologien, Grundlagen - Konzepte - Anwendungen.
Spektrum Akademischer Verlag, Heidelberg (2012).
11. Hevner, A.R., March, S.T., Park, J., Ram, S.: Design Science in Information System Re-
search. MIS Quarterly 28(1), 75–105 (2004).
12. Picot, A.: Richtungsdiskussionen in der Wirtschaftsinformatik. Schmalenbachs Zeitschrift
für betriebswirtschaftliche Forschung 62, 662–679 (2010).
13. vom Brocke, J., Simons, A., Niehaves, B., Reimer, K., Plattfaut, R., Cleven, A. European
Conference on Information Systems (ECIS) 2009 Proceedings, pp. 2206–2217, Verona
(2009).
14. Levy, Y., Ellis, T.J.: A Systems Approach to Conduct an Effective Literature Review in
Support of Information Systems Research. Informing Science 9, 181–212 (2006).
15. Couper, M.P., Traugorr, M.W., Lamias, M.J.: Web Survey Design and Administration. Pub-
lic Opinion Quarterly 65, 230–253 (2001).
16. Benbasat, I., Goldenstein, D.K., Mead, M.: The Case Research Strategy in Studies of Infor-
mation Systems. MIS Quarterly 11(3), 269–386 (1987).
17. Miebach, B.: Prozesstheorie - Analyse, Organisation uns System. VS Verlag für Sozialwis-
senschaften, Wiesbaden (2009).
18. Witte, E., Hauschildt, J., Grün, O. (eds.): Innovative Entscheidungsprozesse, Die Ergebnisse
des Projekts „Columbus“. J.C.B. Mohr, Tübingen (1988).
19. IT-management Today Homepage, https://www.it-management.today/lessons-learned-
datenbank-bei-der-nasa/, last accessed 2019/07/05.
20. Robinson, I., Webber, J., Eifrem, E.: Graph databasees. O’Reilly, Sebastopol (2013).