Achtung:
Der Termin am 21.06.2022 von 8-12 Uhr findet im AIB Raum 1040/1050 Poolraum statt

Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

Gemeinsame Begrüßung aller neuen Studierenden des Fachbereichs Produktionstechnik aus den Studiengängen M.Sc. Produktionstechnik, M.Sc. Wirtschaftsingenieurwesen Produktionstechnik, M.Sc. Systems Engineering, M.Sc. Space Engineering und B.Sc. Berufliche Bildung

Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

Achtung: Teilnehmerzahl ist auf 18 begrenzt!
(Bitte verbindl. Anmeldung über Stud.IP durchführen!)
Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

Die Veranstaltung kann nur gemeinsam mit "Ökobilanzen" belegt werden.

Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

Ort: Fraunhofer-Institut IFAM, Hörsaal Ecotec 4, in der Wilhelm-Herbst-Str. 12

Beginn jeweils s.t.

ehemals "Supply Chain Financing & Logistikimmobilien", teilnahmebeschränkt auf 20 Personen

For further information:

https://www.uni-bremen.de/gscm

Um die Studierbarkeit zu gewährleisten ist die Teilnehmeranzahl dieser Veranstaltung auf 25 Personen beschränkt.
Des Weiteren können nur Studierende der folgenden beiden Studienrichtungen teilnehmen:

• Wirtschaftsingenieurwesen, Master, Vertiefungsrichtung Produktion und Logistik
• Produktionstechnik, Master, Vertiefungsrichtung Industrielles Management

Wer zur ersten Veranstaltung nicht erscheint macht damit automatisch Platz für Nachrücker.

Weitere Hinweise, s. http://www.bik.uni-bremen.de/lehre_01.php

1. Termin: Mittwoch, 20.04.2022 – 15-16Uhr – PRÄSENZ plus remote Selbstlernzeit
2. Termin: Mittwoch, 04.05.2022 – 12-16Uhr – remote Online
3. Termin: Mittwoch, 18.05.2022 – 12-16Uhr – remote Online
4. Termin: Mittwoch, 15.06.2022 – 12-16Uhr – remote Online
5. Termin: Mittwoch, 29.06.2022 – 12-16Uhr – remote Online

NADH ist einer der wichtigsten Elektronenüberträger in
energieerzeugenden Bioprozessen. Seine industrielle
elektrochemische Regeneration könnte den Weg zu einer
nachhaltigeren Chemieproduktion ebnen.
In diesem Projekt werden mehrere Experimente zur Untersuchung der
elektrochemischen Regeneration von NADH aus NAD+ durchgeführt.
Ziel solcher Experimente ist es, zunächst ein Systemverständnis zu
erlangen und anschließend die Relevanz verschiedener Parameter für
die faradaysche Effizienz und Produktionsausbeute des Systems zu
bestimmen.

Motivation:
Nachhaltigkeit gewinnt in der Luftfahrtindustrie zunehmend an Bedeutung und entlang des gesamten Produktlebenszyklus werden neue Methode und Vorgehensweisen zur Verbesserung der Umweltbilanz von Flugzeugen erforscht. Das Flugzeugrecycling spielt im Zuge der Umweltbilanz eine große Rolle und rückt weiter in den Fokus. Die Prozesse des Recyclings sind derzeit allerdings nicht ausreichend erforscht-

Zielstellung:
Ziel des Projekts ist die Anforderungsermittlung sowie Prozessanalyse der Flugzeugrecyclingprozesse. Basierend auf dieser Analyse soll eine Technologieauswahl für ein technisches Assistenzsystem erfolgen. Abschließend erfolgt die Validierung mittels eines Versuchsaufbaus im Laborumfeld Hierzu sind folgende Schritte im Projekt zu bearbeiten:
Prototypische Validierung der Auswahl mittels Laborversuch

Motivation:
Nachhaltigkeit gewinnt in der Luftfahrtindustrie zunehmend an Bedeutung und entlang des gesamten Produktlebenszyklus werden neue Methode und Vorgehensweisen zur Verbesserung der Umweltbilanz von Flugzeugen erforscht. Die Darstellung von Ökobilanzen ist bisher auf Experten beschränkt. Zur

Zielstellung:
Ziel des Projekts ist die Entwicklung eines luftfahrtspezifischen Ökoblianzdashboards. Hierzu sollen zunächst typische Umweltindikatoren analysiert und abstrahiert werden. Ferner soll eine Anforderungsanalyse auf Basis von User-Stories durchgeführt werden. Abschließend erfolgt die Umsetzung von Anforderungen und Abstraktion der Umweltindikatoren in einem Dashboard.

Auf einem Automobil-Terminal werden Fahrzeuge zwischen verschiedenen Verkehrsträgern (Schiffe, Bahn und LKWs) umgeladen, wofür sogenannte Auftragspools erstellt werden, die in festen Schichten von Mitarbeitern abgearbeitet werden. Diese Auftragspools sollen möglichst so zusammengestellt werden, dass
eine schnelle und effiziente Abarbeitung gewährleistet ist. Dazu gibt es einerseits statische Merkmale wie z.B. die räumliche Verteilung der Fahrzeuge, die Auftragslänge, andererseits auch dynamische Merkmale wie z.B. die Laufzeit der Mitarbeiter*innen. Diese Kennzahlen sind wichtig, um eine Vorhersage über die Entwicklung einer Schicht treffen zu können.
Zielsetzung: In diesem Lehrprojekt sollen einerseits diese statischen wie auch dynamischen Merkmale als Metriken identifiziert und erarbeitet werden, um dann daraus die Kennzahlen für beispielhafte Schichten ableiten zu können. Dazu soll ein Tool entwickelt werden, welches automatisch die Schichtdaten aus Textdateien einliest und die Kennzahlen berechnet bzw. graphisch visualisiert.
Die Gruppe kann wählen, welches Framework/Programmiersprache sie einsetzt. Betreuung kann jedoch nur für MATLAB/Octave, C++/Qt oder Python gewährleistet werden.

Auf einem Automobil-Terminal werden Fahrzeuge zwischen verschiedenen Verkehrsträgern (Schiffe, Bahn und LKWs) umgeladen, wobei eine Auftragssteuerung zum Einsatz kommt, die basierend auf dem aktuellen Zustand (Position der Mitarbeiter*innen, Shuttle, Auftragslage) den Mitarbeiter*innen und Shuttle die nächsten Aufträge zuweist. Die Auftragssteuerung basiert auf einem Optimierungsproblem, was zeitabhängig in festen Intervallen gelöst wird. Die Lösung ist für Menschen ohne Kenntnisse in mathematischer Optimierung nicht immer greifbar und soll daher graphisch zugänglich aufbereitet werden. Um die Lösungsberechnung plausibel und nachvollziehbar zu gestalten, soll ein Visualisierungstool entwickelt werden, welches die Lösung graphisch auf einem Terminalmodell abbildet.
Zielsetzung: In diesem Lehrprojekt soll eine Visualisierung entwickelt werden, die basierend auf einem Optimierungsproblem die erhaltende Lösung graphisch aufbereitet und die Entwicklung der Auftragslage sowie der angewendeten Lösung graphisch aufbereitet. Hierbei soll die Zuweisung aus Mitarbeitersicht möglichst mit einer Terminal-Draufsicht in einer 2D-Ansicht oder optional auch in einer 3D-Ansicht realisiert werden und auch die numerischen Ergebnisse in dieser Ansicht mit untergebracht werden. Ergänzend sollen auch weitere Kennzahlen in weiteren Diagrammen aufbereitet werden.

n diesem Lehrprojekt soll für ein Flughafenszenario aus historischen Daten eine Steuerung für die Terminal- und Gatebelegung entworfen, implementiert und evaluiert werden.
Hierbei werden parallel die Grundlagen der diskreten Simulation anhand des Entwurfs und der Implementierung des Szenarios vermittelt. Zur Steuerung sollen Methoden aus dem Bereich des Machine Learnings (z.B. SVM, Neuronale Netze) verwendet werden, die dann mit herkömmlichen Scheduling-Methoden sowie mit den historischen Daten verglichen werden.
Die Implementierung des Grundsystems wurde mit Hilfe des diskreten Event-Simulators adevs in C++/Qt durchgeführt. Natürlich können auch auf Wunsch der Gruppe andere Programmierumgebungen bzw. -sprachen genutzt werden.

Eine vernetzte Produktion ist ein wesentliches Merkmal der Industrie 4.0 und entscheidet zunehmend für langfristige Wettbewerbsvorteile produzierender Unternehmen. Anwendungen in der vernetzten Produktion erzeugen, teilen und verarbeiten große Datenmengen. Diese Daten müssen verschiedene Anforderungen erfüllen, damit sie in betrieblichen Prozessen verwendet werden können – d.h. sie müssen eine hohe Qualität aufweisen. Das Management produktionsbezogener Daten folgt dabei dem gleichen Ansatz, wie das Qualitätsmanagement von Produkten und Dienstleistungen. Daten-Stakeholder müssen dazu zunächst identifiziert und deren aktuelle und zukünftige Anforderungen an die Daten ermittelt werden. Ergänzend müssen die datenbezogenen Prozesse erfasst und anschließend systematisch überwacht werden. So lassen sich Abweichungen in der Anforderungserfüllung erkennen und Maßnahmen zur Vermeidung oder Minimierung der Abweichungen einleiten.
Dieses Lehrprojekt entwickelt ein Konzept für ein Datenqualitätsmanagement für die Industrie 4.0. Dazu sollen (1) datenbezogene Stakeholder und Prozesse herausgearbeitet, (2) Maßnahmen zur Erkennung von Abweichungen identifiziert, und (3) potentielle Korrekturmaßnahmen vorgeschlagen werden. Diese sollen abschließend in einem Managementprozess zusammengeführt und mit Experten qualitative evaluiert werden.

Im Rahmen des Projekts soll ein Konzept entwickelt werden, das die Energieverbräuche eines Produktionssystems unter Verwendung begrenzter Informationen ermittelt. Dazu sollen temporär und mobil erfasste Energieverbräuche mit Produktionsdaten kombiniert und auf Jahresverbräuche hochgerechnet werden. Das Konzept soll in einem industriellen Realprozess evaluiert werden. Der Stand der Technik ist dabei zu berücksichtigen und einzusetzen.

Der Grundgedanke des Lehrprojektes besteht darin, dass die Studierenden in Gruppen an Forschungsprojekten zu aktuellen branchenbezogenen globalen Entscheidungsproblemen im Bereich der Lieferkette arbeiten sollen.
Die Studierenden sollen vertiefte Kenntnisse in vier Bereichen erwerben:
a) Forschung: Die Studenten werden in der Lage sein, solide Probleme sowohl in der Theorie als auch in der Praxis zu identifizieren und zu lösen.
b) Technisch: Sie führen verschiedene Forschungsstudien unter Verwendung verschiedener Techniken der Entscheidungsanalyse durch.
c) Projektmanagement: Außerdem, bekommen die Studenten eine Vorstellung von einem Projekt in der Berufswelt und können ihre Erfahrung im Management verbessern. d) Industrieerfahrung: Die Studierenden sammeln Erfahrungen in der Industrie mit interdisziplinären beruflichen und persönlichen Fähigkeiten.