Filtern
Erscheinungsjahr
- 2021 (22) (entfernen)
Dokumenttyp
Sprache
- Englisch (11)
- Deutsch (10)
- Mehrsprachig (1)
Gehört zur Bibliographie
- nein (22) (entfernen)
Schlagworte
- AR (1)
- Arbeit 4.0 (1)
- Arbeitsgestaltung (1)
- As-a-Service (1)
- Business model (1)
- Crisis management (1)
- Customer Success Management (1)
- Data Analytics (1)
- Data Ecosystems (1)
- Data Products (1)
Institut / FIR-Bereiche
Industrial manufacturers faced and mastered several economic challenges and disruptive changes in the past. In particular, changes to business models emerge very slowly, whereas crises such as the banking crisis or covid-19 outbreak lead to significant short-term effects and are difficult to manage.
Over the past year, the world experienced an unprecedented form of disruption due to the global covid-19 pandemic. Compared to former economic crises, the implications of social distancing, lockdowns, and supply chain shortages triggered a rapid economic and societal disruption at a global scale, which impacted all sectors and levels of society.
For a holistic understanding of the impact of the current and former crises on industrial manufacturers, the Institute for Industrial Management at RWTH Aachen and BearingPoint conducted a survey as well as expert interviews to investigate the scope and type of affects for industrial manufacturers with a strong focus on service business. Based on this a framework to successfully address these new challenges and – also – opportunities was developed.
Subscription-Geschäftsmodelle (SGM) spielen eine wesentliche Rolle bei der Monetarisierung von Industrie 4.0 Potenzialen für produzierende Unternehmen. Durch die Vernetzung von Maschinen und digitalen Produkten können dem Kunden völlig neue Leistungen geboten werden, die durch ein rein transaktionsbasiertes Geschäftsmodell nicht möglich wären. Der folgende Beitrag widmet sich der Charakterisierung von Subscription-Geschäftsmodellen und zeigt vier Handlungsfelder auf, die bei ihrer Umsetzung berücksichtigt werden müssen.
Das Projekt LBM²-Load Based Monitoring and Maintenance erforschte die Einsatzfähigkeit einer kostengünstigen Lastsensorik zur Messung und Analyse von Restlebensdauerdaten für Großkomponenten an Windenergieanalgen (WEA). Da aktuell im Einsatz befindliche Condition-Monitoring-Systeme zur Überwachung von WEA oft teuer in der Anschaffung sind und lediglich vergangenheitsorientierte Informationen liefern, sobald ein kritischer Zustand bereits eingetreten ist, besteht der Bedarf insbesondere für KMU in der WEA-Branche für eine kostengünstige, proaktive Alternative. Hierzu wird im Projekt LBM² der Einsatz einer kostengünstigen, auf Dehnungsmessstreifen basierenden Messtechnologie erforscht, die über einen langen Zeitraum in einem Testwindpark betrieben wird. Die Erkenntnisse zu den Herausforderungen in der Spezifikation der Messtechnologie für den WEA-Typ sowie in der kontinuierlichen Datenerfassung und –auswertung adressieren ein aktuell hochrelevantes Themenfeld. Die Implikationen der Erkenntnisse gehen damit weit über die Branche der Windenergie hinaus. Mittels der gewonnenen Daten über die Lasten bzw. Restlebensdauern von Großkomponenten der WEA (z.B. Getriebe, Hauptwelle oder Hauptlager) wurden zudem deren Einsatzpotenziale für eine proaktivere, vorausschauende Instandhaltung von WEA untersucht. Die Instandhaltung ist der Hauptkostentreiber im Betrieb einer WEA und bietet demnach großes Potenzial für einen kosteneffizienteren Betrieb, der speziell für KMU in einem umkämpften Strommarkt mit wegfallenden EEG-Zulagen notwendig ist. Hierzu wurden im Projekt LBM² Instandhaltungsprozesse für WEA-Großkomponenten aufgenommen. Diese wurden in einer Simulationsumgebung hinsichtlich verschiedener, kosteneffizienter Instandhaltungsstrategien untersucht. Dazu wurde der Einfluss von Restlebensdauern auf spezifische Instandhaltungsstrategien abgebildet. Weiterhin wurden die Projektergebnisse in einen Softwaredemonstrator überführt, der den Anwendern und speziell KMU eine Möglichkeit an die Hand gibt, die Daten der kostengünstigen Lastsensorik in Zukunft übersichtlich visualisiert und mit relevanten Handlungsempfehlungen für eine optimierte Instandhaltung hinterlegt zu nutzen.
Through data-based insights into customer behavior, products and service offers can be improved. For manufacturing companies, smart product-service systems (SPSS) offer the possibility to collect customer data during the usage phase of the product. As the focus on customer analytics is too often on sales and marketing, SPSS are overlooked as a source of customer data. However, manufacturing companies need to integrate data from all interactions with their customers along the complete customer journey to achieve a holistic data-based view of the customers. To identify these interactions and the customer data derived from them, the concept of a digital shadow will be applied to the customer journey. The projected results for the presented work in progress are a reference process model for the customer journey in manufacturing and a data model of the customer data created along this process.
This chapter addresses the market launch and sales of smart services. It opens with an introduction of the new challenges that the market launch of smart services creates for companies. Then follows the discussion of a four-phase approach to the market launch of smart services. Subsequently, successful practices are presented for this approach along eight design fields of the market launch. [https://link.springer.com/chapter/10.1007/978-3-030-58182-4_8]
Operating and maintenance costs, which account for 25% of total costs, are a powerful lever in reducing the electricity generation costs of onshore wind turbines (WT). These costs can be reduced by a condition-orientated maintenance approach. A condition-oriented maintenance strategy optimizes maintenance tasks by executing them with varying levels of detail and focus depending on the system and life cycle phase. OEMs evaluate operating data and structured data from the maintenance history for this purpose, but SMEs lack the capacity for this evaluation. In particular, the unstructured descriptive comments in the maintenance reports generated by service technicians remain unused. In this work, we propose a framework to incorporate this information from the maintenance reports along with the status records from the SCADA system. For this purpose, a mechanism has to be developed to make the contents of the service reports machine-evaluable. The mechanism used in this approach is an ontology, which enables the codification of implicit knowledge such as the experience knowledge of the service technicians. The ontology’s purpose is to link status codes of onshore WT with historical maintenance reports and thereby enabling an automated evaluation. Using an API (application programming interface), the ontology can be integrated into an algorithm to analyse status data and maintenance documents. In this manner, recommendations for actions can be derived and maintenance tasks can be optimized.
Agilität gilt als zentrale unternehmerische Fähigkeit, um Veränderungen proaktiv zu erkennen und diese schnell und effektiv zu vollziehen. Industrie 4.0 bietet Unternehmen das Potenzial dies zu beherrschen und schnell auf Ereignisse zu reagieren. Die Vision ist ein agiles, lernendes Unternehmen, welches in der Lage ist, sich einer wandelnden Umwelt kontinuierlich anzupassen. Dies bedeutet für Unternehmen die Nutzung von Optimierungspotentialen durch eine durchgängige, intelligente Vernetzung von Menschen, Maschinen und Objekten. Dabei wächst die Bedeutung der Instandhaltung, indem sie die Funktionsfähigkeit immer stärker vernetzter und technisch komplexer werdenden Anlagen sicherstellt. Die technologischen Elemente von Industrie 4.0 kombiniert mit einer zukunftsfähigen Instandhaltung befähigen den Wandel zu einem agilen, lernenden Unternehmen.
Die Umsetzung der Potenziale, die mit Industrie 4.0 einhergehen, werden von den Unternehmen erkannt und nehmen vielfach ein strategisches Zukunftsfeld ein. Allerdings erreicht ein Großteil, der in diesem Kontext definierten technologie-basierten Projekte nicht die gewünschten Resultate. Der Hauptgrund für das Scheitern der Transformationsprojekte besteht in kulturellen Hürden. Die digitale Transformation hat keinesfalls nur eine überwiegend technologische Dimension, sondern vor allem eine kulturelle und soziale Dimension, die über den Erfolg der digital induzierten Veränderung endscheidet.
Vor diesem Hintergrund besteht das Ziel der Dissertationsschrift in der Gestaltung von Reifegraden der Unternehmenskultur für die Entwicklung eines agilen, lernenden Unternehmens und deren Anwendung am Beispiel der Instandhaltung. Dazu werden die technologischen Entwicklungsstufen einer Instandhaltungsorganisation im Kontext von Industrie 4.0 beschrieben. Hierzu wird der Einfluss technischer Entwicklungen auf die Kern- und Supportprozesse einer Instandhaltungsorganisation untersucht. Ergebnis ist eine Beschreibung der Instandhaltung auf vier Entwicklungsstufen bis zur agilen, lernenden Instandhaltungsorganisation. Basierend auf dieser Beschreibung wird die Unternehmenskultur ausgestaltet, die zur Realisierung der technologisch-induzierten Potenziale notwendig ist. Abschließend wird mithilfe geeigneter Instrumente ein Kulturentwicklungsprozess abgeleitet, welcher eine erfolgreiche Entwicklung und das kontinuierliche Management der Unternehmenskultur zur Steigerung der Agilität im Kontext von Industrie 4.0 ermöglicht.
Industrial food production represents one of the largest industries, accounting for a share of ten percent of the world’s gross domestic product. Simultaneously, it is responsible for 26 percent of global greenhouse gas emissions. Due to increasing CO2 taxes and population’s call for sustainability and CO2 reduction, it is facing challenges in terms of economic profitability and stakeholder demands. These challenges could partly be overcome by participating in data ecosystems in which data are refined as data products, understood, exchanged and monetized as economic goods. Despite large amounts of data, collected parenthetically along the value chain in food production, potentials of data analytics and data ecosystems are only marginally exploited. Food production mainly focuses on traditional, product-centric business models. This work shows the conceptualization of a data ecosystem for food production, enabling data-based business models. Therefore, resources, ac- tors, roles and underlying relationships of future ecosystem are analyzed. Building on these, corresponding architectural and analytical artifacts that support data ecosystem exploitation are presented. A food production data ecosystem is exemplified by applying data analytics to compressor data, which reveals high potentials for CO2 reduction.