Flexible BPMN-Steuerung für Robotersysteme/Flexible BPMN-based control for robotic systems

Inhaltsverzeichnis

Bibliographische Infos

Cover der Ausgabe: wt Werkstattstechnik online Jahrgang 114 (2024), Heft 04
Open Access Vollzugriff

wt Werkstattstechnik online

Jahrgang 114 (2024), Heft 04

Autor:innen:
Verlag
VDI fachmedien, Düsseldorf
Copyrightjahr
2024
ISSN-Online
1436-4980
ISSN-Print
1436-4980

Kapitelinformationen

Open Access Vollzugriff

Jahrgang 114 (2024), Heft 04

Flexible BPMN-Steuerung für Robotersysteme/Flexible BPMN-based control for robotic systems

Autor:innen:
ISSN-Print
1436-4980
ISSN-Online
1436-4980
Kapitelvorschau:

Bei der Programmierung und Steuerung von Robotersystemen fehlen Standardisierungen, wodurch Experten bei Änderungen in den Randbedingungen mit Zeit- und Personalaufwand nachprogrammieren. Um den Programmieraufwand zu senken, wird ein Software-Framework zur BPMN-basierten Programmierung und Orchestrierung von skillbasierten Robotersteuerungen vorgestellt. Ein Bildverarbeitungs-Modul unterstützt bei der Parametrierung der Skills.

Literaturverzeichnis

  1. [1] Burggräf, P.; Schuh, G.; Ebade Esfahani, M. et al.: Einführung in die Fabrikplanung. In: Burggräf, P.; Schuh, G. (Hrsg.): Fabrikplanung. Berlin, Heidelberg: Springer Berlin Heidelberg 2021, S. 1–62 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  2. [2] Schenk, M.; Wirth, S.; Müller, E.: Fabrikplanung und Fabrikbetrieb. Berlin, Heidelberg: Springer Berlin Heidelberg 2014 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  3. [3] Frick, D.; Gadatsch, A.; Kaufmann, J. et al.: Data Science. Wiesbaden: Springer Fachmedien Wiesbaden 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  4. [4] Grundig, C.-G.: Fabrikplanung. Planungssystematik – Methoden – Anwendungen. München: Hanser 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  5. [5] Pawellek, G.: Ganzheitliche Fabrikplanung. Berlin, Heidelberg: Springer Berlin Heidelberg 2014 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  6. [6] Burggräf, P.; Adlon, T.; Schupp, S. et al.: Die Modullandkarte des Aachener Fabrikplanungsvorgehens. Zeitschrift für wirtschaftlichen Fabrikbetrieb 116 (2021) 12, S. 866–871 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  7. [7] Reinema, C.; Pompe, A.; Nyhuis, P.: Agiles Projektmanagement. Zeitschrift für wirtschaftlichen Fabrikbetrieb 108 (2013) 3, S. 113–117 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  8. [8] Aggteleky, B.: Fabrikplanung. München: Hanser 1987 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  9. [9] Warnecke, J.; Wiendahl, H.-P.; Brankamp, K. et al.: Fabrikplanung. In: Eversheim, W.; Schuh, G. (Hrsg.): Produktion und Management 3. Berlin, Heidelberg: Springer Berlin Heidelberg 1999, S. 1–117 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  10. [10] Verein Deutscher Ingenieure: 5200. VDI 5200 Blatt 1. Düsseldorf 02.2011 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  11. [11] Krunke, M.: Reifegradmanagement in der Fabrikplanung. 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  12. [12] Schuh, G.; Kampker, A.; Wesch-Potente, C.: Condition based factory planning. Production Engineering 5 (2011) 1, S. 89–94 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  13. [13] Nöcker, J. C.: Zustandsbasierte Fabrikplanung. Aachen: Apprimus- Verlag 2012 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  14. [14] Kampker, A.; Burggräf, P.; Krunke, M.; Kreisköther, K. et al.: Das Aachener Fabrikplanungsvorgehen*. Agile Fabrikplanung im turbulenten Umfeld. WT Wrkstattstechnik online 104 (2014) 4 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  15. [15] Fayyad, U.: From Data Mining to Knowledge Discovery in Databases Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  16. [16] Papp, S.; Weidinger, W.; Munro, K. et al.: Handbuch: Data Science und KI Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  17. [17] Tao, F.; Qi, Q.; Liu, A. et al.: Data-driven smart manufacturing. Journal of Manufacturing Systems 48 (2018), S. 157–169 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  18. [18] Weber, F.: Künstliche Intelligenz für Business Analytics. Wiesbaden: Springer Fachmedien Wiesbaden 2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  19. [19] Pramila P. Shinde; Seema Shah: Fourth International Conference on Computing, Communication, Control and Automation. 16th to 18th August, 2018 : proceedings. Piscataway, NJ: IEEE 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  20. [20] Dinov, I.: Data Science and Predictive Analytics Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  21. [21] Kesavaraj, G.; Sukumaran, S.: A study on classification techniques in data mining. 2013 Fourth International Conference on Computing, Communications and Networking Technologies (ICCCNT), Tiruchengode, 2013, S. 1–7 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  22. [22] Solinski, A.; Petersen, K.: Prioritizing agile benefits and limitations in relation to practice usage. Software Quality Journal 24 (2016) 2, S. 447–482 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  23. [23] Burggräf, P.; Dannapfel, M.; Schneidermann, D. et al.: Object attribution for factory information models. Paradigmenwechsel im Fabrikplanungsdatenmanagement]. wt Werkstattstechnik (2019) 109, S. 260–267 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  24. [24] Para, W.; Guerrero, P.; Kelly, T. et al.: Generative Layout Modeling using Constraint Graphs Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  25. [25] Lusti, M.: Regelbasierte Systeme. In: S. 79–122 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  26. [26] Waller, M. A.; Fawcett, S. E.: Data Science, Predictive Analytics, and Big Data: A Revolution That Will Transform Supply Chain Design and Management. Journal of Business Logistics 34 (2013) 2, S. 77–84 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  27. [27] Albrecht, A. J.; Gaffney, J. E.: Software Function, Source Lines of Code, and Development Effort Prediction: A Software Science Validation. IEEE Transactions on Software Engineering SE-9 (1983) 6, S. 639–648 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  28. [28] Haneke, U.; Trahasch, S.; Zimmer, M. et al. (Hrsg.): Data Science. Grundlagen, Architekturen und Anwendungen. Heidelberg: dpunkt.verlag 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  29. [29] Askham, N.; Cook, D.; Doyle, M.: The six primary dimensions for data quality assessment. Defining Data Quality Dimensions Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  30. [30] Zomaya, A. Y.; Sakr, S.: Handbook of Big Data Technologies. Cham: Springer International Publishing 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-5
  31. [1] VDMA: Produktionsvolumen der Fördertechnik- und Intralogistikbranche in Deutschland in den Jahren 2010 bis 2021. Stand: 2024. Internet: de.statista.com/statistik/daten/studie/420777/umfrage/umsatz-in-der-intralogistikbranche-in-deutschland/. Zugriff am 05.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-13
  32. [2] Statista: Relevanz von autonomen Transportsystemen in der Logistikbranche in Deutschland. Stand: 2024. Internet: de.statista.com/prognosen/943349/expertenbefragung-zu-autonomen-transportsystemen-in-der-logistikbranche. Zugriff am 05.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-13
  33. [3] Mordor Intelligence: Autonomous Mobile Robots Market Size & Share Analysis – Growth Trends & Forecasts (2024 – 2029). Internet: www.mordorintelligence.com/industry-reports/autonomous-mobile-robot-market. Zugriff am 05.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-13
  34. [4] ITU-R: IMT-2020. Stand: 2024. Internet: www.itu.int/en/ITU-R/study-groups/rsg5/rwp5d/imt-2020/Pages/default.aspx . Zugriff am 05.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-13
  35. [5] Aijaz, A.: Private 5G: The Future of Industrial Wireless. IEEE Industrial Electronics Magazine 14 (2020) 4, pp. 136–145 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-13
  36. [6] 3GPP: Releases. Stand: 2024. Internet: www.3gpp.org/specifications-technologies/releases . Zugriff am 05.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-13
  37. [7] Rostami, A.: Private 5G Networks for Vertical Industries: Deployment and Operation Models. 2019 IEEE 2nd 5G World Forum (5GWF), Dresden, Germany, 2019, pp. 433–439, doi.org/10.1109/5GWF.2019.8911687 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-13
  38. [1] McKinsey & Company: Manufacturing the future: The next era of global growth and innovation. Internet: https://www.mckinsey.com/capabilities/operations/our-insights/the-future-of-manufacturing. Zugriff am 27.09.2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  39. [2] Wang, Y.; Ma, H.-S.; Yang, J.-H. et al.: Industry 4.0: a way from mass customization to mass personalization production. Advances in Manufacturing 5 (2017) 4, S. 311–320 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  40. [3] Vogel-Heuser, B.; Bauernhansl, T.; Hompel, M. ten: Handbuch Industrie 4.0 Bd.4. Berlin, Heidelberg: Springer Berlin Heidelberg 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  41. [4] Lüdtke, A.: Wege aus der Ironie in Richtung ernsthafter Automatisierung. In: Botthof, A.; Hartmann, E. A. (Hrsg.): Zukunft der Arbeit in Industrie 4.0. Berlin, Heidelberg: Springer Berlin Heidelberg 2015, S. 125–146 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  42. [5] Fuchs, J.: Demografie und Fachkräftemangel. Die künftigen arbeitsmarktpolitischen Herausforderungen. Bundesgesundheitsblatt, Gesundheitsforschung, Gesundheitsschutz 56 (2013) 3, S. 399–405 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  43. [6] McKinsey & Company: Die Besten, bitte: Wie der öffentliche Sektor als Arbeitsgeber punkten kann. 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  44. [7] Abicht, J.: Projekt “Merhabe” vorgestellt: Die applizierbare Roboter- zelle. Stand: 01.06.2021. Internet: https://www.kognitive-produktion.de/projekt-merhabe-vorgestellt-bedienerfaehigkeiten-durch-mobile-flexible-roboterzellen-bereitstellen/. Zugriff am 27.09.2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  45. [8] Industrie-Partner GmbH: Robo Operator®. Internet: https://www. ip-equipmentrental.de/de/mietequipment/robo-operator.php. Zugriff am 27.09.2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  46. [9] Directorate-General for Research and Innovation: Industry 5.0 – Towards a sustainable, human-centric and resilient European industry. European Commission 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  47. [10] Wiese, T.; Abicht, J.; Friedrich, C. et al.: Flexible skill-based control for robot cells in manufacturing. Frontiers in Robotics and AI 9 (2022) Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  48. [11] Sanneman, L.; Fourie, C.; Shah, J. A.: The State of Industrial Robotics: Emerging Technologies, Challenges, and Key Research Directions, 2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  49. [12] Verl, A.; Valente, A.; Melkote, S. et al.: Robots in machining. CIRP Annals 68 (2019) 2, S. 799–822 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  50. [13] Villani, V.; Pini, F.; Leali, F. et al.: Survey on human–robot collaboration in industrial settings: Safety, intuitive interfaces and applications. Mechatronics 55 (2018), S. 248–266 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  51. [14] Wojtynek, M.; Steil, J. J.; Wrede, S.: Plug, Plan and Produce as Enabler for Easy Workcell Setup and Collaborative Robot Programming in Smart Factories. KI – Künstliche Intelligenz 33 (2019) 2, S. 151–161 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  52. [15] Lienenluke, L.; Grundel, L.; Storms, S. et al.: Temporal and Flexible Automation of Machine Tools. 2018 IEEE 22nd International Conference on Intelligent Engineering Systems (INES), Las Palmas de Gran Canaria, 2018 – 2018, S. 335–340 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  53. [16] Bogue, R.: Europe continues to lead the way in the collaborative robot business. Industrial Robot: An International Journal 43 (2016) 1, S. 6–11 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  54. [17] Zimmermann, P.; Axmann, E.; Brandenbourger, B. et al.: Skill-based Engineering and Control on Field-Device-Level with OPC UA. 2019 24th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), Zaragoza, Spain, 2019 – 2019, S. 1101–1108 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  55. [18] Universal Robots: UNIVERSAL ROBOT UR3e – A Flexible Collaborative Robot Arm. Zugriff am 27.09.2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  56. [19] Omron: Omron TMFlow. Stand: 26.09.2022. Internet: https://automation.omron.com/en/ca/products/family/Omron%20TM%20Software. Zugriff am 26.09.2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  57. [20] Weintrop, D.; Shepherd, D. C.; Francis, P. et al.: Blockly goes to work: Block-based programming for industrial robots. 2017 IEEE Blocks and Beyond Workshop (B&B), Raleigh, NC, 2017 – 2017, S. 29–36 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  58. [21] Winterer, M.; Salomon, C.; Koberle, J. et al.: An Expert Review on the Applicability of Blockly for Industrial Robot Programming. 2020 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), Vienna, Austria, 2020 – 2020, S. 1231–1234 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  59. [22] Thomas, U.; Hirzinger, G.; Rumpe, B. et al.: A new skill based robot programming language using UML/P Statecharts. 2013 IEEE International Conference on Robotics and Automation (ICRA), Karlsruhe, Germany, 2013 – 2013, S. 461–466 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  60. [23] drag&bot: drag&bot – Graphical robot operating system. Internet: https://www.dragandbot.com/. Zugriff am 26.09.2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  61. [24] Haspl, T.; M. Rathmair; M. Papa et al. (Hrsg.): Software toolchain for modeling and transforming robotic workflows into formally verifiable model representations. in press. Austrian Robotics Workshop. 2022 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  62. [25] Komenda, T.; Garcia, J. B.; Schelle, M. et al. (Hrsg.): Sustainable utilization of industrial robotic systems by facilitat- ing programming through a human and process Sustainable utilization of industrial robotic systems by facilitating programming through a human and process centred declarative approach. International Conference on Competitive Manufacturing. 2022 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  63. [26] Yang, J.; Wang, C.; Jiang, B. et al.: Visual Perception Enabled Industry Intelligence: State of the Art, Challenges and Prospects. IEEE Transactions on Industrial Informatics 17 (2021) 3, S. 2204–2219 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  64. [27] Du, G.; Wang, K.; Lian, S. et al.: Vision-based robotic grasping from object localization, object pose estimation to grasp estimation for parallel grippers: a review. Artificial Intelligence Review 54 (2021) 3, S. 1677–1734 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  65. [28] Inceoglu, A.; Koc, C.; Kanat, B. O. et al.: Continuous Visual World Modeling for Autonomous Robot Manipulation. IEEE Transactions on Systems, Man, and Cybernetics: Systems 49 (2019) 1, S. 192–205 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  66. [29] Deutsches Institut fur Normung e.V.: 2658. VDI/VDE/NAMUR 2658 BLATT4. Beuth 08.2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  67. [30] Abicht, J.; Hellmich, A.; Wiese, T. et al.: New automation solution for brownfield production – Cognitive robots for the emulation of operator capabilities. CIRP Journal of Manufacturing Science and Technology 50 (2024), S. 104–112 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  68. [31] Abicht, J.; Wiese, T.; Hellmich, A. et al.: Interface-Free Connection of Mobile Robot Cells to Machine Tools Using a Camera System. In: Weißgraeber, P.; Heieck, F.; Ackermann, C. (Hrsg.): Advances in Automotive Production Technology – Theory and Application. Berlin, Heidelberg: Springer Berlin Heidelberg 2021, S. 468–477 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-20
  69. [1] Kirchherr, J.; Reike, D.; Hekkert, M.: Conceptualizing the circular economy: An analysis of 114 definitions 127, p. 227, 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  70. [2] Rizos, V.; Tuokko, K.; Behrens, A.: The Circular Economy: A review of definitions, processes and impacts, 2017. Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  71. [3] Ellen MacArthur Foundation: Circular Consumer Electronics: An initial exploration, p. 286, 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  72. [4] Goodall, P.; Graham, I.; Harding, J.; Conway, P. et al.: Cost estimation for remanufacture with limited and uncertain information using case based reasoning 5, 2015 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  73. [5] Dobbs, R.; Oppenheim, J.; Thompson, F.; Brinkman, M. et al.: Resource Revolution: Meeting the world‘s energy, materials, food, and water needs, 2011 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  74. [6] Rada, M.: INDUSTRY 5.0 definition – Michael Rada – Medium. https://michael-rada.medium.com/industry-5–0-definition-6a2f9922dc48. Accessed 20 January 2023. Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  75. [7] Liu, Y.; Zhang, Y.; Ren, S.; Yang, M. et al.: How can smart technologies contribute to sustainable product lifecycle management? 249, p. 119423, 2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  76. [8] Tao, Y.; Meng, K.; Lou, P.; Peng, X. et al.: Joint decision-making on automated disassembly system scheme selection and recovery route assignment using multi-objective meta-heuristic algorithm 57, p. 124, 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  77. [9] Vongbunyong, S.; Chen, W.H.: Disassembly Automation: Automated Systems with Cognitive Abilities. Springer International Publishing, Cham, 2015 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  78. [10] Vongbunyong, S.; Kara, S.; Pagnucco, M.: Application of cognitive robotics in disassembly of products 62, p. 31, 2013 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  79. [11] Selvaggio, M.; Cognetti, M.; Nikolaidis, S.; Ivaldi, S. et al.: Autonomy in Physical Human-Robot Interaction: A Brief Survey 6, p. 7989, 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  80. [12] Kitchenham, B.; Charters, S.; Guidelines for performing Systematic Literature Reviews in Software Engineering 2, 2007 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  81. [13] Slama, R.; Ben-Ammar, O.; Tlahig, H.; Slama, I. et al.: Human-centred assembly and disassembly systems: a survey on technologies, ergonomic, productivity and optimisation 55, p. 1722, 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  82. [14] Phuluwa, H.S.; Mpofu, K.; Human-Robot Collaboration In a Small Scale Rail Industry: Demanufacturing Operations 17, p. 230, 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  83. [15] Liu, Y.; Jiang, Z.; Ke, C.: A Task Allocation Method in Human-Robot Collaboration (HRC) for the Disassembly of Automotive Traction Batteries, in 2022 International Conference on Cyber-Physical Social Intelligence (ICCSI), IEEE, p. 332, 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  84. [16] Huang, J.; Pham, D.T.; Li, R.; Qu, M. et al.: 2021. An experimental human-robot collaborative disassembly cell 155, p. 1 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  85. [17] Hjorth, S.; Chrysostomou, D.: Human–robot collaboration in industrial environments: A literature review on non-destructive disassembly 73, p. 102208, 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  86. [18] Hartono, N.; Ramírez, F. J.; Pham, D. T.: A sustainability-based model for robotic disassembly sequence planning in remanufacturing using the Bees Algorithm 55, p. 1013, 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  87. [19] Ding, Y.; Xu, W.; Liu, Z.; Zhou, Z. et al.: Robotic Task Oriented Knowledge Graph for Human-Robot Collaboration in Disassembly 83, p. 105, 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  88. [20] Pulikottil, T. B.; Pellegrinelli, S.; Pedrocchi, N.: A software tool for human-robot shared-workspace collaboration with task precedence constraints 67, p. 102051, 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  89. [21] Lyu, D.; Yang, F.; Kwon, H.; Dong, W. et al.: TDM: Trustworthy Decision-Making Via Interpretability Enhancement 6, p. 450, 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  90. [22] Filip, F. G.: Collaborative Decision-Making: Concepts and Supporting Information and Communication Technology Tools and Systems 17, 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  91. [23] Zhang, R.; Li, X.; Zheng, Y.; Lv, J. et al.: Cognition-driven Robot Decision Making Method in Human-robot Collaboration Environment, in 2022 IEEE 18th International Conference on Automation Science and Engineering (CASE), IEEE, p. 54, 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  92. [24] Pérula-Martínez, R.; Castro-González, Á.; Malfaz, M.; Alonso-Martín, F. et al.: Bioinspired decision-making for a socially interactive robot 54, p. 287, 2019 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  93. [25] Chien, S.-Y.; Lin, Y.-L.; Lee, P.-J.; Han, S. et al.: Attention allocation for human multi-robot control: Cognitive analysis based on behavior data and hidden states 117, p. 30, 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  94. [26] Müller, R.; Vette, M.; Geenen, A.: Skill-based dynamic task allocation in human-robot-cooperation with the example of welding application 11, p. 13, 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  95. [27] KODE®. Der KODE® KompetenzAtlas – KODE®. Internet: https://www.kodekonzept.com/wissensressourcen/kode-kompetenzatlas/. Accessed 24 October 2023 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  96. [28] Guerin, K.; Lea, C.; Paxton, C.; Hager, G.: A framework for end-user instruction of a robot assistant for manufacturing, 2015 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  97. [29] Goodall, P.; Rosamond, E.; Harding, J.: A review of the state of the art in tools and techniques used to evaluate remanufacturing feasibility 81, p. 1, 2014 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  98. [30] Ferguson, M .E.; Fleischmann, M.; Souza, G.C.: A Profit-Maximizing Approach to Disposition Decisions for Product Returns* 42, p. 773, 2011 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  99. [31] Chen, W. H.; Wegener, K.; Dietrich, F.: A robot assistant for unscrewing in hybrid human-robot disassembly, in 2014 IEEE International Conference on Robotics and Biomimetics (ROBIO 2014), IEEE, p. 536, 2014 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  100. [32] DIN EN ISO 10218–1:2012–01, Industrieroboter_- Sicherheitsanforderungen_- Teil_1: Roboter (ISO_10218–1:2011); Deutsche Fassung EN_ISO_10218–1:2011. Berlin: Beuth Verlag GmbH Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  101. [33] ISO/TS 15066:2016, Roboter und Robotikgeräte – Kollaborierende Roboter. Berlin: Beuth Verlag GmbH, 2016 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  102. [34] Filip, F. G.: Decision support and control for large-scale complex systems 32, p. 61, 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  103. [35] Gerbers, R.; Mücke, M.; Dietrich, F.; Dröder, K.: Simplifying Robot Tools by Taking Advantage of Sensor Integration in Human Collaboration Robots 44, p. 287, 2016 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-28
  104. [1] Trovarit AG: ERP-Marktspiegel. Aachen: Trovarit AG 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  105. [2] Schubert, P.; Winkelmann, A.: Betriebswirtschaftliche Anwendungssysteme. Enterprise Resource Planning. Heidelberg: Springer Gabler 2023 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  106. [3] Hutzschenreuter, T.: Allgemeine Betriebswirtschaftslehre. Wiesbaden: Springer Fachmedien 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  107. [4] Schlick, J.; Stephan, P.; Loskyll, M. et al.: Industrie 4.0 in der praktischen Anwendung. In: Vogel-Heuser, B.; Bauernhansl, T.; Hompel, M. ten (Hrsg.): Handbuch Industrie 4.0. Band 2. Heidelberg: Springer 2017, S. 3–29 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  108. [5] Ellen MacArthur Foundation: Towards the Circular Economy Vol.1: An economic and business rationale for an accelerated transition. Stand: 2013. Internet: www.ellenmacarthurfoundation.org/towards-the-circular-economy-vol-1-an-economic-and-business-rationale-for-an. Zugriff am 05.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  109. [6] Fischer, M.: Implementierung von Manufacturing Execution Systems basierend auf Industrie-4.0-Reifegradmodellen. Aachen: Apprimus Wissenschaftsverlag 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  110. [7] Krcmar, H.: Informationsmanagement. Heidelberg: Springer 2015 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  111. [8] Back, A.; Link, B.: Systemic Differences between SaaS- and On-Premise-ERP. An Overview of a Qualitative Option Calculation Scheme. AIS Transaction on Enterprise Systems (2013) 1, pp. 11–23 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  112. [9] Link, B.: Software as a Service oder on premise? Controlling & Management Review 61 (2017) 5, pp. 72–77 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  113. [10] Sontow, K.; Liestmann, V.; Treutlein, P.: ERP in der Praxis. Anwenderzufriedenheit, Nutzen und Perspektiven. Aachen: Trovarit AG 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  114. [11] Aloini, D.; Dulmin, R.; Mininno, V.: Risk assessment in ERP projects. Information Systems 37 (2012) 3, pp. 183–199 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  115. [12] Fruhlinger, J.; Weilgum, T.; Maier, F.: Die schlimmsten ERP-Katastrophen. Stand: 13.09.2017. Internet: www.cio.de/a/die-schlimmsten-erp-katastrophen,3331223. Zugriff am 04.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  116. [13] Zielenbach, F.; Schröer, T.; Baumann, P.: ERP-Systeme in einem dynamischen Umfeld effizient nutzen. IT-Matchmaker.guide ERP-Lösungen (2023) 4, S. 18–21 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  117. [14] Schröer, T.; Engländer, J.: Anforderungsmanagement für den nachhaltigen ERP-Betrieb. Wie gelingt der effiziente ERP-Einsatz in einer sich ständig wandelnden Organisation? IT-Matchmaker.guide ERP-Lösungen (2020) 2, S. 31–33 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  118. [15] Tiemeyer, E.: IT-Anforderungsmanagement. In: Tiemeyer, E. (Hrsg.): Handbuch IT-Management. Konzepte, Methoden, Lösungen und Arbeitshilfen für die Praxis. München: Hanser Verlag 2017, S. 431–460 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  119. [16] Helfferich, C.: Leitfaden- und Experteninterviews. In: Baur, N.; Blasius, J. (Hrsg.): Handbuch Methoden der empirischen Sozialforschung. Wiesbaden: Springer Fachmedien Wiesbaden 2022, S. 875–892 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  120. [17] Mayring, P.; Fenzl, T.: Qualitative Inhaltsanalyse. In: Baur, N.; Blasius, J. (Hrsg.): Handbuch Methoden der empirischen Sozialforschung. Wiesbaden: Springer Fachmedien Wiesbaden 2022, S. 691–706 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  121. [18] Krüger, D.; Riemeier, T.: Die qualitative Inhaltsanalyse – eine Methode zur Auswertung von Interviews. In: Krüger, D.; Parchmann, I.; Schecker, H. (Hrsg.): Methoden in der naturwissenschaftsdidaktischen Forschung. Heidelberg: Springer 2014, S. 133–145 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  122. [19] Heutschi, R.: Serviceorientierte Architektur. Architekturprinzipien und Umsetzung in die Praxis. Berlin, Heidelberg: Springer 2007 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  123. [20] SAP: SAP-Dokumentation. User-Exits. Internet: https://help.sap.com/doc/01f7a1a185364dc4b958cf88ecd723de/IS-H%20618%20SP%20006/de-DE/frameset.htm?4dc7fc6eaec15e98e10000000a15822b.html. Zugriff am 04.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  124. [21] Hensen, U.: ERP-Lösungen auf Low-Code-Basis. IT-Matchmaker.guide ERP-Lösungen (2024) 4, S. 26–29 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  125. [22] Gronau, N.: ERP-Systeme: Architektur, Management und Funktionen des Enterprise Resource Planning, Berlin: De Gruyter Oldenbourg 2021, doi.org/10.1515/9783110663396 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-35
  126. [1] Olsen, P.; Borit, M.: How to define traceability. Trends in Food Science & Technology 29 (2013) 2, pp. 142–150 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  127. [2] GS1:GS1 Global Traceability Standard. GS1‘s framework for the design of interoperable traceability systems for supply chains. Stand: 2017. Internet: www.gs1.org/standards/gs1-global-traceability-standard/current-standard. Zugriff am 26.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  128. [3] McFarlane, D.; Sheffi, Y.: The Impact of Automatic Identification on Supply Chain Operations. The International Journal of Logistics Management 14 (2003) 1, pp. 1–17 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  129. [4] Ivanov, D.; Dolgui, A.: Viability of intertwined supply networks: extending the supply chain resilience angles towards survivability. A position paper motivated by COVID-19 outbreak. International Journal of Production Research 58 (2020) 10, pp. 2904–2915 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  130. [5] Santana, S.; Ribeiro, A.: Traceability Models and Traceability Systems to Accelerate the Transition to a Circular Economy: A Systematic Review. Sustainability 14 (2022) 9, #5469, doi.org/10.3390/su14095469 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  131. [6] Ellen Macarthur Foundation (ed.): Building a circular supply chain. Achieving resilient operations with the circular economy. Stand: 2023: Internet: ore.exeter.ac.uk/repository/bitstream/10871/134944/1/Building%20a%20circular%20supply%20chain.pdf. Zugriff am 26.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  132. [7] Kirchherr, J.; Yang, N.-H. N.; Schulze-Spüntrup, F. et al.: Conceptualizing the Circular Economy (Revisited): An Analysis of 221 Definitions. Resources, Conservation and Recycling 194 (2023), #107001 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  133. [8] Potting, J.; Hekkert, M. P.; Worrell, E. et al.: Circular economy: measuring innovation in the product chain. Planbureau voor de Leefomgeving, PBL publication number: 2544. The Hague: PBL Netherlands Environmental Assessment Agency 2017 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  134. [9] Götz, T.; Berg, H.; Jansen, M. et al.: Digital product passport: The ticket to achieving a climate neutral and circular European economy? Stand: 2022: Internet: circulareconomy.europa.eu/platform/sites/default/files/cisl_digital_products_passport_report_v6.pdf. Zugriff am 26.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  135. [10] Jensen, S. F.; Kristensen, J. H.; Adamsen, S. et al.: Digital product passports for a circular economy: Data needs for product life cycle decision-making. Sustainable Production and Consumption 37 (2023), pp. 242–255 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  136. [11] Adisorn, T.; Tholen, L.; Götz, T.: Towards a Digital Product Passport Fit for Contributing to a Circular Economy. Energies 14 (2021) 8, ‘2289; doi.org/10.3390/en14082289 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  137. [12] Plociennik, C.; Pourjafarian, M.; Nazeri, A. et al.: Towards a Digital Lifecycle Passport for the Circular Economy. Procedia CIRP 105 (2022), pp. 122–127 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  138. [13] Pourjafarian, M.; Plociennik, C.; Rimaz, M. H. et al.: A Multi-Stakeholder Digital Product Passport Based on the Asset Administration Shell. 2023 IEEE 28th International Conference on Emerging Technologies and Factory Automation (ETFA), Sinaia, Romania, 2023, pp. 1–8 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  139. [14] Kuenster, N.; Dietrich, F.; Palm, D.: Opportunities And Challenges Of The Asset Administration Shell For Holistic Traceability In Supply Chain Management. Hannover: publish-Ing 2023 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  140. [15] Ungen, M.; Louw, L.; Palm, D.: Multi-Sensor Identification Of Unmarked Piece Goods. Hannover: publish-Ing 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  141. [16] Hippenmeyer, H.; Moosmann, T.: Automatische Identifikation für Industrie 4.0. Heidelberg: Springer Vieweg 2016 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  142. [17] Wilsky, P.; Franke, F.; Fischer, D. et al.: Technologiekombinationen zur Identifikation und Lokalisierung in der Produktion. Zeitschrift für wirtschaftlichen Fabrikbetrieb 117 (2022) 11, S. 768–772 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  143. [18] Statler, S.: Barcodes, QR Codes, NFC, and RFID. In: Statler, S. (Hrsg.): Beacon Technologies. Berkeley, CA: Apress 2016, pp. 317–331 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  144. [19] Moss, C.; Chakrabarti, S.; Scott, D. W.: Parts quality management: Direct part marking of data matrix symbol for mission assurance. 2013 IEEE Aerospace Conference, Big Sky, MT, USA, 2013, pp. 1–12 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  145. [20] Helmus, M.; Meins-Becker, A.; Laußat, L. et al.: Auto-ID-Systeme neben RFID. In: Helmus, M.; Meins-Becker, A.; Lauß, L. at et al. (Hrsg.): RFID in der Baulogistik. Wiesbaden: Vieweg+Teubner 2009, S. 199–220 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  146. [21] Wigger, B.; Koinzer, I.; Meissner, T. et al.: Robust and fast part traceability in a production chain exploiting inherent, individual surface patterns. Robotics and Computer-Integrated Manufacturing 63 (2020) #101925 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  147. [22] Wigger, B.: Inhärente Oberflächenstrukturen als Identifikationsmerkmal zur markierungsfreien Einzelteilverfolgung. Dissertation, Universität Stuttgart, 2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  148. [23] Takahashi, T.; Kudo, Y.; Ishiyama, R.: Mass-produced parts traceability system based on automated scanning of “Fingerprint of Things”. 2017 Fifteenth IAPR International Conference on Machine Vision Applications (MVA), Nagoya, Japan, 2017, pp. 202–206 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  149. [24] Schmid-Schirling, T.; Förste, A.: Track4Quality – markierungsfreie Einzelteilverfolgung in anspruchsvoller Produktionsumgebung zur Prozessverbesserung und Qualitätssicherung : Schlussbericht zum Vorhaben : Projektlaufzeit: 01.12.2015–31.05.2018. Freiburg: Fraunhofer IPM, 2018 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  150. [25] Wigger, B.; Meissner, T.; Winkler, M. et al.: Label-/tag-free traceability of electronic PCB in SMD assembly based on individual inherent surface patterns. International Journal of Advanced Manufacturing Technology 98 (2018) 9–12, pp. 3081–3090 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  151. [26] Ishiyama, R.; Kudo, Y.; Takahashi, T.: mIDoT: Micro identifier dot on things — A tiny, efficient alternative to barcodes, tags, or marking for industrial parts traceability. 2016 IEEE International Conference on Industrial Technology (ICIT), Taipei, 2016, pp. 781–786 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  152. [27] Kim, J.; Yun, J. M.; Jung, J. et al.: Anti-counterfeit nanoscale fingerprints based on randomly distributed nanowires. Nanotechnology 25 (2014) 15, #155303 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  153. [28] Babu, H.; Stork, W.; Rauhe, H.: Anti-counterfeiting using reflective micro structures – Based on random positioning of microstructures. 2010 OSA-IEEE-COS Advances in Optoelectronics and Micro/Nano-Optics (AOM 2010), Guangzhou, 2010, pp. 1–5 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  154. [29] Ali, R.; Liu, R.; He, Y. et al.: Systematic Review of Dynamic Multi-Object Identification and Localization: Techniques and Technologies. IEEE Access 9 (2021), pp. 122924–122950 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  155. [30] Steffen, R.; Preißinger, J.; Schöllermann, T. et al.: Near Field Communication (NFC) in an Automotive Environment. 2010 Second International Workshop on Near Field Communication, Monaco, Monaco, 2010, pp. 15–20 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  156. [31] Coppens, D.; Shahid, A.; Lemey, S. et al.: An Overview of UWB Standards and Organizations (IEEE 802.15.4, FiRa, Apple): Interoperability Aspects and Future Research Directions. IEEE Access 10 (2022), pp. 70219–70241 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  157. [32] Memon, S.; Memon, M. M.; Shaikh, F. K. et al.: Smart indoor positioning using BLE technology. 2017 4th IEEE International Conference on Engineering Technologies and Applied Sciences (ICETAS), Salmabad, 2017, pp. 1–5 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  158. [33] GS1: EAN/GTIN & Barcode. Internet: www.gs1-germany.de/ean-gtin-barcode/. Zugriff am 26.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  159. [34] Barteková, E.; Börkey, P.: Digitalisation for the transition to a resource efficient and circular economy. OECD Environment Working Papers (2022) #192, doi.org/10.1787/6f6d18e7-en Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  160. [35] Dietrich, F.; Kuenster, N.; Louw, L. et al.: Review of Blockchain-based Tokenization Solutions for Assets in Supply Chains. Hannover: publish-Ing 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  161. [36] Dietrich, F.; Louw, L.; Palm, D.: Blockchain-Based Traceability Architecture for Mapping Object-Related Supply Chain Events. Sensors 23 (2023) 3, doi.org/10.3390/s23031410 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  162. [37] World Wide Web Consortium: Decentralized Identifiers (DIDs) v1.0. Stand: 19.07.2022. Internet: https://www.w3.org/TR/did-core/. Zugriff am 26.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  163. [38] Berg, H.; Kulinna, R.; Stöcker, C. et al.: Overcoming Information Asymmetry in the Plastics Value Chain with Digital Product Passports. Wuppertal: Wuppertal Papers 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  164. [39] Babakian, A.; Huston, G.; Braun, R. et al.: Internet Identifiers: A Survey of History, Challenges, and Future Perspectives. IEEE Access (2024), pp. 51919–51941, doi.org./10.1109/ACCESS.2024.3382115. p. 1, doi.org./10.1109/ACCESS.2024.3382115 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  165. [40] Gross, T.; MacCarthy, B. L.; Wildgoose, N.: Introduction to dynamics of manufacturing supply networks. Chaos 28 (2018) 9, #93111 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  166. [41] Puhl, P.; Roloff, M.; Märkel, C. et al.: Digitale Identitäten als Fundament des Web 3.0. WIK Diskussionsbeitrag Nr. 503, Bad Honnef: WIK 2023. Internet: https://hdl.handle.net/10419/280932. Zugriff am 26.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  167. [42] Pauer, A.; Nagel, L.; Fedkenhauser, T. et al.: Data exchange as a first step towards data economy. Stand: 2018: Internet: www.pwc.de/en/digitale-transformation/data-exchange-as-a-first-step-towards-data-economy.pdf. Zugriff am 29.04.2024 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-42
  168. [1] Flaute, M.; Reuschel, S.; Stöver, B.: Volkswirtschaftliche Folgekosten durch Klimawandel: Szenarioanalyse bis 2050 – Studie im Rahmen des Projektes Kosten durch Klimawandelfolgen in Deutschland. Gesellschaft für Wirtschaftliche Strukturfoschung (GWS) mbH, Dez. 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  169. [2] Endenergieverbrauch 2022. Zugriff am 7. März 2024. Internet: https://www.umweltbundesamt.de/bild/endenergieverbrauch-2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  170. [3] Khan, A. A; Abonyi, J.: Information sharing in supply chains – Interoperability in an era of circular economy. Cleaner Logistics and Supply Chain, Bd. 5, S. 100074, Dez. 2022, DOI: https://doi.org 10.1016/j.clscn.2022.100074 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  171. [4] Freichel, S.; Rütten, P.; Wörtge, J.: Challenges of supply chain visibility in distribution logistics: a literature review. EV, Bd. 35, Nr. 2, S. 453–466, 2022, DOI: https://doi.org/10.51680/ev.35.2.1 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  172. [5] Alsaadi, N.: Modeling and Analysis of Industry 4.0 Adoption Challenges in the Manufacturing Industry“, Processes, Bd. 10, Nr. 10, S. 2150, Okt. 2022, DOI: https://doi.org/10.3390/pr10102150 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  173. [6] Grüner, S.; Neidig, J.; Orzelski, A.; Pollmeier, S.: ASSET ADMINISTRATION SHELL READING GUIDE. Industrial Digital Twin Association e.V., Nov. 2022 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  174. [7] AAS Spezifikationen Archiv. Zugriff am 12. März 2024. Internet: https://industrialdigitaltwin.org/content-hub/aasspecifications Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  175. [8] Teilmodelle – Industrial Digital Twin Association e. V. Zugriff am 12. März 2024. Internet: https://industrialdigitaltwin.org/content-hub/teilmodelle Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  176. [9] Industrial Digital Twin Association e.V.: IDTA 02023–0–9 Carbon Footprint Submodel Template of the Asset Administration Shell v0.9, Nov. 2023. Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  177. [10] European Commission: Press Release: New proposals to make sustainable products the norm. Zugriff am 12. März 2024. Internet: https://ec.europa.eu/commission/presscorner/detail/en/ip_22_2013 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  178. [11] DIN EN ISO 14064–1:2019–06, Treibhausgase – Teil 1: Spezifikation mit Anleitung zur quantitativen Bestimmung und Berichterstattung von Treibhausgasemissionen und Entzug von Treibhausgasen auf Organisationsebene (ISO_14064–1:2018); Deutsche und Englische Fassung EN_ISO_14064–1:2018. Beuth Verlag GmbH. DOI: https://dx.doi.org/10.31030/2863919 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  179. [12] DIN EN ISO 14067:2019–02, Treibhausgase – Carbon Footprint von Produkten_- Anforderungen an und Leitlinien für Quantifizierung (ISO_14067:2018); Deutsche und Englische Fassung EN_ISO_14067:2018, Beuth Verlag GmbH. doi: 10.31030/2851769. Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  180. [13] PAS 2050:2011: Specification for the assessment of the life cycle greenhouse gas emissions of goods and services. British Standards Institution, 2011. Zugriff am 18. März 2024. Internet: https://www.beuth.de/de/norm/bs-pas-2050/147783269 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  181. [14] Corporate Value Chain (Scope 3) Accounting and Reporting Standard – Supplement to the GHG Protocol Corporate Accounting and Reporting Standard, World Resources Institute and World Business Council for Sustainable Development, 2011. Zugriff am 18. März 2024. Internet: https://ghgprotocol.org/sites/default/files/standards/Corporate-Value-Chain-Accounting-Reporing-Standard_041613_2.pdf Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  182. [15] Universität Potsdam, S. Lewandowski, A. Ullrich, und N. Gronau, Normen zur Berechnung des CO₂-Fußabdrucks“, I40M, Bd. 2021, Nr. 4, S. 17–20, Aug. 2021. DOI: https://doi.org/10.30844/I40M_21–4_S17–20 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  183. [16] DIN EN 16258:2013–03, Methode zur Berechnung und Deklaration des Energieverbrauchs und der Treibhausgasemissionen bei Transportdienstleistungen (Güter- und Personenverkehr); Deutsche Fassung EN_16258:2012. Beuth Verlag GmbH. DOI: https://dx.doi.org/10.31030/1894795 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  184. [17] Smart Freight Centre. Zugriff am 18. März 2024. Internet: https://www.smartfreightcentre.org/en/our-programs/global-logistics-emissions-council/calculate-report-glec-framework/ Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  185. [18] DIN EN ISO 14083:2023–11, Treibhausgase – Quantifizierung und Berichterstattung über Treibhausgasemissionen von Transportvorgängen (ISO_14083:2023); Deutsche Fassung EN_ISO_14083:2023. Beuth Verlag GmbH. DOI: https://dx.doi.org/10.31030/3447231 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-48
  186. [1] Hellwig, W.; Kolbe, M.: Spanlose Fertigung Stanzen. Integrierte Fertigung komplexer Präzisions-Stanzteile. Wiesbaden: Vieweg+Teubner Verlag 2012 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  187. [2] Molitor, D. A.; Kubik, C.; Hetfleisch, R. H. et al.: Was Bauteile über den Verschleiß genutzter Stanzwerkzeuge verraten. Zeitschrift für wirtschaftlichen Fabrikbetrieb 116 (2021) 12, S. 903–907 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  188. [3] Behrendt, A.; de Boer, E.; Kasah, T.; Mohr, N.; Richter, G.: Industrielles IoT und führende Technologien als Treiber der digitalen Transformation in der Produktion. Wie es gelingt, Geschäftsbereiche, Organisation und Technologie zur Skalierung der Wertschöpfung aufeinander abzustimmen, McKinsey and Company, 2021 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  189. [4] Yinan Miao, Y.; Jun Young Jeon; Gyuhae Park: An image processing-based crack detection technique for pressed panel products. Journal of Manufacturing Systems 57 (2020), S. 287–297 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  190. [5] Hoppe, F.; Hohmann, J.; Knoll, M. et al.: Feature-based Supervision of Shear Cutting Processes on the Basis of Force Measurements: Evaluation of Feature Engineering and Feature Extraction. Procedia Manufacturing 34 (2019), S. 847–856 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  191. [6] Kubik, C.; Knauer, S. M.; Groche, P.: Smart sheet metal forming: importance of data acquisition, preprocessing and transformation on the performance of a multiclass support vector machine for predicting wear states during blanking. Journal of Intelligent Manufacturing 33 (2022) 1, S. 259–282 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  192. [7] Niessner, S.; Liewald, M.: Identification of methods for the in-situ measurement of cutting forces in a tool-bound punching machine. IOP Conference Series: Materials Science and Engineering 967 (2020) 1, S. 12025 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  193. [8] Schuh, G.; Kelzenberg, C.; Lange, J. de et al.: Predictive Maintenance. Entwicklung vorausschauender Wartungssysteme für Werkzeugbaubetriebe und Serienproduzenten : WerkPriMa. Aachen: RWTH Aachen University 2020 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  194. [9] Barthau, M.; Liewald, M.: New approach on controlling strain distribution manufactured in sheet metal components during deep drawing process. Procedia Engineering 207 (2017), S. 66–71 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  195. [10] Farioli, D.; Kaya, E.; Fumagalli, A. et al.: A Data-Based Tool Failure Prevention Approach in Progressive Die Stamping. Journal of Manufacturing and Materials Processing 7 (2023) 3, S. 92 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  196. [11] Drossel, W.-G.; Gebhardt, S.; Bucht, A. et al.: Performance of a new piezoceramic thick film sensor for measurement and control of cutting forces during milling. CIRP Annals 67 (2018) 1, S. 45–48 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56
  197. [12] Zhou, D.; Kamlah, M.; Munz, D.: Effects of uniaxial prestress on the ferroelectric hysteretic response of soft PZT. Journal of the European Ceramic Society 25 (2005) 4, S. 425–432 Google Scholar öffnen DOI: 10.37544/1436-4980-2024-04-56

Zitation

Download RIS Download BibTex

Downloads

Download Kapitel (PDF)

Hinweis

Dieses Werk ist urheberrechtlich geschützt und darf nur nach den Vorgaben der Nutzungs- und Lizenzvereinbarung genutzt werden. Jede darüber hinaus gehende Nutzung des Werkes ist ausdrücklich untersagt und wird verfolgt.

Per E-Mail teilen

Medien