Refine
Year of publication
Document Type
- Contribution to a Periodical (554)
- Doctoral Thesis (370)
- Master's Thesis (288)
- Conference Proceeding (234)
- doctorallecture (209)
- Bachelor Thesis (170)
- Part of a Book (152)
- Lecture (100)
- Report (70)
- Working Paper (63)
Language
- German (1827)
- English (400)
- Multiple languages (116)
- Spanish (2)
Is part of the Bibliography
- no (2345)
Keywords
- 1 (3)
- 2 (1)
- 3 (2)
- 3 PhasenKonzept (1)
- 3-Phasen-Konzept (2)
- 3D Druck (1)
- 3D-Druck (5)
- 3GPP (1)
- 3PhasenKonzept (7)
- 5G (23)
Institute
- FIR e. V. an der RWTH Aachen (2343)
- Produktionsmanagement (544)
- Dienstleistungsmanagement (482)
- Informationsmanagement (342)
- Business Transformation (197)
Chatbot statt Berater?
(2018)
Im Silicon Valley wird deutlich, dass sich etablierte Technologien und Berufsbilder durch Kollaborationsplattformen ersetzen lassen. Können so selbst Beratungen für Industrie-4.0-Systeme effizienter und effektiver ausfallen? Wie solche Plattformlösungen aussehen können, zeigt der CPS-Matchmaker, der gerade in Aachen entwickelt wird.
Das Projektvorhaben 'eStep Mittelstand - Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von eBusiness-Standards in komplexen Lieferkettenprozessen' zielt darauf ab, die Nutzung von eBusiness-Standards zu erleichtern und das unternehmersiche Risiko für KMU zu reduzieren. In seinem Arbeitsplan stellte das Projekt in einem ersten Schritt eine grundlegende Analyse der Ausgangssituation und die Erhebung von Anforderungen an den Einsatz von eBusiness-Standards in KMU seinen Folgearbeiten im Projekt als Basis für die Lösungsentwicklung im weiteren Verlauf voran.
Der vorliegende Schlussbericht zu IGF-Vorhaben Nr. 18982 beschreibt das Projekt zum Thema "EIH - Energy Innovation Hub". Die Forschungsvereinigung, bestehend aus dem FIR e.V. und dem Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik in Chemnitz, beschäftigte sich hierzu mit der Vernetzung energierelevanter Informationen zwischen produzierenden KMU, Energieversorgern (EVU) und Maschinenbauern. Ziel ist die Konzeption einer Kommunikationsplattform, des Energy-Information-Hubs (EIH), für den Austausch energierelevanter Informationen zwischen KMU, EVU und Maschinenbauern. Durch eine ganzheitliche Betrachtung aller am Verbrauch beteiligten Akteure soll eine energieeffiziente Produktion erreicht werden.
Electricity generated by wind turbines (WT) is a mainstay of the transition to renewable energy. In order to economically utilize WT is, operating and maintenance costs, which account for 25% of total electricity generation costs in onshore WT’s, are a focus of cost reduction activities. Implementing a data-driven prescriptive maintenance approach is one way to achieve this. So far, various approaches for prescriptive maintenance for onshore WT’s have been suggested.
However, little research has addressed the practical implementation considering sociotechnical aspects. The aim of this paper is therefore to identify success factors for the successful implementation of such a maintenance strategy with clear and holistic guidance on how existing knowledge on prescriptive maintenance from science can be transferred to business practice. These recommendations are developed through case study research and classified in the four structural areas of Acatech’s Industry 4.0 Maturity Index: Resources, Information Systems, Organizational Structure and Culture.
„myOpenFactory“ ist ein Standard für den elektronischen Datenaustausch zwischen verschiedenen ERP/PPS (Enterprise Resource Planning / Produktionsplanungs- und -steuerungs)-Systemen zur Koordination der überbetrieblichen Auftrags- und Projektabwicklung. Ziel ist es, den Aufwand zum Informationsaustausch zwischen Unternehmen zu reduzieren. Der Standard besteht aus einem Prozess- und Datenmodell, das bereits in verschiedenen ERP/PPS-Systemen implementiert wurde, und ist frei verfügbar. Für Kleinstanwender ohne eigenes System existiert ein „Web-Cockpit“, das als einzige Voraussetzung eine Internetverbindung benötigt.
Produktions- und Logistiksysteme sind komplex. Eingriffe in geplante oder bereits bestehende Systeme ziehen Konsequenzen nach sich, die nicht ohne weiteres in vollem Umfang erfasst werden können. Hilfestellung
bieten auf das spezifische System ausgelegte, maßgeschneiderte Simulationsstudien, die es Unternehmen ermöglichen, vollumfänglich positive wie auch negative Auswirkungen geplanter Änderungseingriffe
ins System zu erkennen.
Aufgrund kürzer werdender Produktlebenszyklen, steigender Produktvielfalt und höherer Produktkomplexität stehen Unternehmen der Fertigungsindustrie vor der Herausforderung, eine zunehmende Anzahl komplexer Serienanläufe in immer kürzeren Zeitabschnitten zu planen und umzusetzen. Dies stellt produzierende Unternehmen vor massive Probleme, welche bis heute nur unzureichend gelöst sind. Eine Methodik aus der Softwarebranche stellt nun aktuelle Prozesse und Verfahren der Entwicklung wie auch des Anlaufs von physischen Produkten infrage.
Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzinitiative geförderte „Graduiertenkolleg Anlaufmanagement“ (GRK 1491/2) befasst sich mit der Optimierung des Serienanlaufs. Um die Komplexität und die Instabilität des Anlaufes vor und während der Produktion zu beherrschen, forschen Wissenschaftler unterschiedlicher Institute der RWTH Aachen aus den Fachbereichen der Ingenieur- und Wirtschaftswissenschaft an interdisziplinären Lösungsansätzen. Der Fokus ist in erster Linie darauf gerichtet, wie produzierende Unternehmen im Rahmen des Serienanlaufs eine höhere Entscheidungsqualität und damit einen stabileren Serienanlauf erlangen können.
Kürzer werdende Produktlebenszyklen, steigende Produktvielfalt und höhere Produktkomplexität stellen fertigende Unternehmen und deren Supply-Chains vor die Herausforderung, eine zunehmende Anzahl komplexer Serienanläufe in immer kürzeren Zeitabschnitten planen und umsetzen zu müssen. Dies stellt produzierende Unternehmen und die Mitarbeiter in den Serienanläufen vor bisher nur unzureichend gelöste Schwierigkeiten. Ein Ansatz, welcher insbesondere die direkt im Anlaufgeschehen involvierten Mitarbeiter unterstützen soll, basiert auf der Annahme, dass sich unternehmerische Fragestellungen spielerisch erlernen lassen: Serious Gaming. Das von der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzinitiative geförderte „Graduiertenkolleg Anlaufmanagement“ (GRK 1491/2) befasst sich mit der Optimierung des Serienanlaufs. Um die Komplexität und die Instabilität des Anlaufs vor und während der Produktion zu beherrschen, forschen Wissenschaftler unterschiedlicher Institute der RWTH Aachen aus den Fachbereichen der Ingenieur- und Wirtschaftswissenschaft an interdisziplinären Lösungsansätzen. Der Fokus liegt in erster Linie darauf, wie produzierende Unternehmen im Rahmen des Serienanlaufs eine höhere Entscheidungsqualität und damit einen stabileren Serienanlauf erlangen können.
eStep Mittelstand: Analyse der Nutzung und Verbreitung von E-Business-Standards bei Unternehmen
(2016)
Im Forschungsprojekt »eStep Mittelstand – Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von E-Business-Standards in komplexe Lieferkettenprozesse« (im Folgenden kurz „eStep Mittelstand“ genannt) werden Lösungen erarbeitet, um den Einsatz von E-Business-Standards in den Geschäftsprozessen von kleinen und mittleren Unternehmen (KMU) zu stärken und auszubauen. Dazu werden geeignete Methoden und Modelle entwickelt, welche es KMU erlauben, E-Business-Projekte trotz hoher Komplexität erfolgreich umzusetzen. Die Umstellung auf standardbasierte, elektronische Geschäftsprozesse wird durch das Self-Assessment-Tool
(SAT), den Entscheidungsbaum (EB) und die Middleware (MW) erheblich erleichtert. Eine DIN SPEC, welche in Zusammenarbeit mit dem Deutschen Institut für Normung (DIN) e. V. erarbeitet wurde, stellt nun auch einen Leitfaden zur Weiterentwicklung und zum Ausbau der Funktionalität des SATs und des EBs bereit. Das Förderprojekt "eStep Mittelstand" ist Teil der Förderinitiative "eStandards: Geschäftsprozesse standardisieren, Erfolg sichern", die im Rahmen des Förderschwerpunkts "Mittelstand-Digital – IKT-Anwendungen in der Wirtschaft" vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert wird.
Industrie 4.0 schafft die Grundlage zur effizienten Planung und echtzeitfähigen Steuerung der Produktion. ERP-Systeme können dabei eine zentrale Rolle spielen. Hierfür müssen ERP-Systeme folgende Anforderungen erfüllen: Datenvolumen, Analysefähigkeit + Prognoseverfahren, Geschwindigkeit + Latenzzeiten, Sicherheitsanforderungen, Flexibilität + Schnittstellen.
Die Kapitalbindungsdauer im Maschinenbau fällt im nationalen Branchenvergleich besonders hoch aus. Durch kundenindividuelle Entwicklung und Produktion ergeben sich lange Auftragsabwicklungszeiten, welche eine längerfristige Kapitalüberbrückung erfordern. Betroffene Unternehmen müssen über ausreichend liquide Mittel verfügen, um ihren Umsatz und ggf. auch Wachstum vorfinanzieren zu können und nicht der Gefahr von Zahlungsunfähigkeit ausgesetzt zu werden. Damit einhergehend gibt es im Maschinen-und Anlagenbau besonders große Potenziale in der Optimierung des eingesetzten Kapitals.
Der Erfolg produzierender Klein- und mittelständischer Unternehmen in Deutschland ist in einer hohen Innovations- und Gestaltungsfähigkeit sowie Reaktionsgeschwindigkeit auf veränderte Marktanfragen begründet. Die derzeitige Entwicklung zu kundenindividuellen Produkten bei kleinen Losgrößen setzt flexible und wandlungsfähige Produktionssysteme voraus. Um diesen Herausforderungen zu begegnen, bedarf es neben technologischer sowie organisatorischer Exzellenz vor allem gut ausgebildeter und kompetenter Mitarbeitender auf allen Qualifikations stufen.
Um langfristig in einem Umfeld zunehmenden Wettbewerbs durch internationale Anbieter erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, so dass die Markterschließung durch Exporte vollständig montierter Erzeugnisse häufig ausscheidet. Um dennoch die Handelshemmnisse zu umgehen, hat sich in der Automobilindustrie die Completely Knocked Down (CKD)-Strategie durchgesetzt, bei der Erzeugnisse teilzerlegt in die Märkte exportiert und dort lokal endmontiert werden. Zielsetzung des von der Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Guericke“ e. V. (AiF) geförderten Forschungsvorhaben „CKDCHAIN“ ist die Übertragung dieses Konzeptes auf Unternehmen des Maschinen- und Anlagenbaus, in dem eine simulationsbasierte Gestaltungsunterstützung für den Aufbau einer geeigneten Supply Chain entwickelt werden soll.
Da die heutigen Logistiknetzwerke den Anforderungen nicht mehr gerecht werden, rückt das Supply-Chain-Risk-Management von Wertschöfungsketten zunehmend in den Mittelpunkt unternehmerischer Überlegungen. Störungen in Logistiknetzwerken treten wegen unzureichender Datenmengen, -qualität und -integration der realen Welt nicht in den Informationssystemen auf. Eine echtzeitfähige Reaktion auf diese Störungen und proaktive Korrekturmaßnahmen innerhalb der Logistikprozesse sind folglich unmöglich. Daher kann ein erhöhter Bedarf an ganzheitlicher Transparenz innnerhalb der Logistiknetzwerke abgeleitet werden. Mit diesem Thema beschäftigt sich das Forschungsprojekt Smart-Logistic-Grids.
Industrie 4.0 und SCM
(2016)
Smart-Logistic-Grids
(2016)
Ziel des Forschungsvorhabens Smart-Logistic-Grids ist die Entwicklung eines Systems, welches, basierend auf einer erhöhten Informationsverfügbarkeit, Handlungsalternativen aufzeigt und ökonomisch bewertet. Hierfür ist eine barrierefreie Integration unterschiedlicher Akteure innerhalb eines Logistiknetzwerks notwendig. Das Ergebnis dieses Systems eröffnet den Nutzern nicht nur Effizienzsteigerungen und eine erhöhte Robustheit des Gesamtsystems, sondern auch die Reduzierung der CO2 –Emissionen.
Im Forschungsprojekt BigPro wird die Frage beantwortet, wie Big Data aus der Produktion genutzt werden können, um das Störungsmanagement zu unterstützen. Dazu wurde ein Vorgehen entwickelt, das sicherstellt, dass die erforderlichen Informationen in der richtigen Form zu Verfügung stehen und das System zielgerichtet auf- und eingesetzt werden kann. Das Projekt „BigPro“ wird
über das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprogramms IKT 2020 – Forschung für Innovationen mit dem Förderkennzeichen 01IS14011 gefördert
Vor dem Hintergrund des unvorhersehbaren Unternehmensumfelds gewinnt das Risiko-Management in Produktionsnetzwerken zunehmend an Bedeutung. Um den dynamischen Anforderungen gerecht zu werden, ist der Aufbau von Flexibilitätspotenzialen besonders wichtig. Da jedoch für die auftragsspezifische Fertigung keine Sicherheitsbestände aufgebaut werden können, ist ein alternativer Ansatz zur Flexibilitätssicherung zu finden. Im diesem Artikel wird ein Ansatz zur Bewertung des Nutzens der Bestellflexibilität vorgestellt.
Der strategische Wandel von einem reinen Sachgüterhersteller hin zu einem Lösungsanbieter mit einem individuellen Dienstleistungsangebot geht einher mit umfangreichen Veränderungen hinsichtlich der Aktivitäten, des Verhaltens und der Strukturen des Unternehmens. Dies stellt insbesondere kleine und mittlere Unternehmen (KMU) vor Herausforderungen. So müssen beispielsweise neue Kompetenzen aufgebaut, das eigene Rollenverständnis des Personals neu definiert und der Wille zur Veränderung in der Organisation verankert werden. Damit KMU geeignete Maßnahmen zur Veränderung des Unternehmens ableiten und bewerten können, muss bereits vor Beginn des eigentlichen Transformationsprozesses klar sein, inwiefern ein Unternehmen dazu in der Lage ist, strategische, organisatorische sowie prozessuale Veränderungen zu planen und umzusetzen. Das im Projekt fit4solution entwickelte Transformations-Assessmentwerkzeug unterstützt KMU bei der Identifikation relevanter Stellhebel und dient gleichzeitig der Wirksamkeitsbewertung der zu entwickelnden Maßnahmen
Der Bereich der intelligenten Gebäudetechnik bietet großes Potenzial zur Entwicklung von datenbasierten Dienstleistungen und innovativen Geschäftsmodellen. Mithilfe moderner Sensor- und Kommunikationstechnologien können bspw. Energiereinsparpotenziale bei der Gebäudenutzung realisiert oder das Wohlbefinden der Nutzer gesteigert werden. Nicht nur große Unternehmen, sondern auch kleine und mittelständische Unternehmen (KMU) aus dem Bereich technischer Gebäudeausrüstung (TGA) haben dieses Potenzial erkannt. Zunächst gilt es daher, das Geschäftsfeld Smart Building zu strukturieren, mögliche Geschäftsmodelle zu identifizieren und durch eine Umfeldanalyse Transparenz für die Hersteller von TGA zu gewährleisten und so eine potenzielle Neuausrichtung der Geschäftstätigkeiten zu erleichtern.
Eines der grundlegenden Geschäftsmodelle im Umfeld der digitalen Technologien stellt eine der größten Bedrohungen der Privatsphäre von Kunden dar: die Monetarisierung sensitiver Daten, ermöglicht durch das Sammeln und die Speicherung von Nutzerdaten. Unternehmen haben verschiedene Anwendungsfelder für die Verwendung von personenbezogenen Daten identifiziert, sei es die Berechnung von Absatzmärkten, die Prognose von Kundenverhalten oder das individuelle Pricing eines Produkts. Gleichzeitig sind sich Kunden zwar bewusst darüber, dass ihre privaten Daten gespeichert und verwertet werden, sie wissen jedoch überraschend wenig über die Art der Daten und den Umfang, in welchem die Verwertung stattfindet. Zentraler Bestandteil des geplanten Forschungsprojekts myneData ist ein Datencockpit, das Unternehmen und Kunden hilft, den vorliegenden Zielkonflikt zwischen der Nutzbarkeit von Daten und den Privatsphäreanforderungen zu überwinden und einen völlig neuen Gestaltungsspielraum für Technologien und (Daten-)Wirtschaft zu ermöglichen.
In Zeiten der Digitalisierung und vor dem Hintergrund stetig steigender Energiepreise wollen viele Unternehmen ihr Bürogebäude
möglichst intelligent und kosteneffizient steuern. Moderne Sensor- und Kommunikationstechnologien können heute dabei helfen, Energiesparpotenziale auszuschöpfen. Im Bereich der intelligenten Gebäudetechnik werden daher datenbasierte Dienstleistungen und innovative Geschäftsmodelle immer wichtiger. Deshalb hat sich das FIR an der RWTH Aachen gemeinsam mit dem International Performance Research Institute (IPRI) aus Stuttgart im Projekt „Smart Building“ (Förderkennzeichen: 18858 N) zur Aufgabe gemacht, Hersteller technischer Gebäudeausrüstung dabei zu unterstützen, ihre bisherigen Geschäftsmodelle um datenbasierte Dienstleistungen zu erweitern.
Die zentrale Herausforderung vieler Unternehmen besteht derzeit darin, den Prozess der Transformation im Sinne einer grundlegenden Neugestaltung zentraler Prozesse oder gar des gesamten Unternehmens zu bewältigen. Im Mittelpunkt steht die Frage, wie Unternehmen die mit dem Umfang einer Transformation und den notwendigen inhaltlichen Veränderungen einhergehende Komplexität bewältigen und die Effizienz und den Erfolg der Transformation gewährleisten können. Die Herausforderung besteht darin, zeitgleich auf der Sachebene neue Strukturen und Systeme zu gestalten und zudem etablierte Verhaltensmuster aufuzubrechen und neue Forderungen zu ertablieren. Der vorliegende Beitrag leistet einen konkreten Mehrwert zur Lösung der dargestellten Herausforderungen, indem er einen Ordnungsrahmen für die Bewältigung der mit einer Transformation einhergehenden Managementaufgaben liefert.
Personal user data is collected and processed at large scale by a handful of big providers of Internet services. This is detrimental to users, who often do not understand the privacy implications of this data collection, as well as to small parties interested in gaining insights from this data pool, e.g., research groups or small and middle-sized enterprises. To remedy this situation, we propose a transparent and user-controlled data market in which users can directly and consensually share their personal data with interested parties for monetary compensation. We define a simple model for such an ecosystem and identify pressing challenges arising within this model with respect to the user and data processor demands, legal obligations, and technological limits. We propose myneData as a conceptual architecture for a trusted online platform to overcome these challenges. Our work provides an initial investigation of the resulting myneData ecosystem as a foundation to subsequently realize our envisioned data market via the myneData platform.
Das vorherrschende Geschäftsmodell führender Internetfirmen besteht darin, persönliche Daten in großem Maße zu sammeln und in bare Münze zu verwandeln. Die weitreichende Erfassung und Verarbeitung von (persönlichen) Daten lässt zwar einerseits „den Rubel rollen“ und kann zudem hilfreich sein bei der Unterstützung der Behörden im Rahmen der Verbrechensbekämpfung, kann aber andererseits für den Einzelnen mehr von Schaden als von Nutzen sein – zumal er oder sie häufig keinerlei Kontrolle über das jeweilige Maß an gewahrter Privatsphäre hat, oft in völliger Unkenntnis über die Weiterverarbeitung und ggf. -veräußerung der Datenbestände gehalten und selten an dem aus seinen oder ihren Daten erwirtschafteten Gewinn beteiligt wird. Eine gesetzliche Regelung, mittels derer die Interessen beider Seiten berücksichtigt werden, ist bisher nicht in Sicht.
Durch die digitale Transformation der Wirtschaft verfügen insbesondere Unternehmen des Maschinenbaus über eine Vielzahl an bisher ungenutzten Daten. Darauf aufbauend ist zunehmend die Anwendung von Business-Analytics in den verschiedenen Bereichen der Unternehmen zu erkennen. Im Dienstleistungsgeschäft von Unternehmen des Maschinenbaus ist bisher aktuell nur eine geringe Anzahl der Unternehmen in der Lage, Daten so zu analysieren, dass hieraus ein Mehrwert generiert wird. Vor diesem Hintergrund werden im Forschungsvorhaben ServiceAnalytics geeignete Analytics-Algorithmen entwickelt, evaluiert und in ein für kleine und mittlere Unternehmen (KMU) geeignetes Implementierungsvorgehen überführt, um die Profitabilität und Innovationsfähigkeit des Geschäftsfeldes industrieller Dienstleistungen in KMU des Maschinenbaus zu steigern. Das IGF-Vorhaben 19164 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen, Campus-Boulevard 55, 52074 Aachen wurde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses
des Deutschen Bundestages gefördert.
Laut BITKOM stehen reine Hersteller von Anlagen vor einem Wandel hin zu Dienstleistern und damit vor der Herausforderung einer steigenden Bedeutung von Service und Support.
Der Einsatz und die Integration von Sensorik innerhalb der Anlagen liefern kontinuierlich Daten über den Zustand ihrer Komponenten (bspw. Verschleiß, Warnungen, Störungsmeldungen, Fehlercodes, Ereignismeldungen, aber auch Umgebungsdaten wie Temperatur, Feuchtigkeit, etc.). Auf diese können die Hersteller nun mit Hilfe des Internets zugreifen und damit ihr Dienstleistungsportfolio erweitern. Die Daten können auf Ereignisse hin untersucht werden und mit bekannten Daten verglichen werden. So können bspw. Nutzungsprofile angelegt oder präventive Wartungsmaßnahmen durchgeführt werden. Um die generierten Daten zu nutzen, müssen sich Unternehmen neu orientieren und das Geschäftsfeld der datenbasierte Dienstleistungen für Smart Buildings aufbauen. Dabei durchlaufen die Unternehmen einen Transformationsprozess, der durch maßgebliche Herausforderungen gekennzeichnet ist. So stoßen die potenziellen Anbieter der datenbasierten Dienstleistungen während des Wandels auf eine dynamische Unternehmensumwelt. Wechselnde Kundenbedürfnisse, schnell reagierende Wettbewerber und sich rasant wandelnde Technologien sind nur einige der Faktoren, die auf die Unternehmen wirken. Diese Herausforderungen gilt es durch geeignete Instrumente zu adressieren und das neue Geschäftsfeld datenbasierter Dienstleistungen gezielt aufzubauen.
Das IGF-Vorhaben 18858 N der Forschungsvereinigung FIR e.V. an der RWTH Aachen Forschungsinstitut für Rationalisierung, Campus-Boulevard 55, 52074 Aachen würde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Smart Building
(2017)
Wenige Entwicklungen wurden bisher in der TGA so häufig und kontrovers diskutiert, wie das Themenfeld Smart Building. Dieser Umstand ist nicht zuletzt dem Sachverhalt geschuldet, dass der Begriff zwar vielfach definiert, sich bisher jedoch kein allgemeingültiges und anerkanntes Begriffsverständnis durchgesetzt hat. Zudem sind die Anwendungsszenarien zahlreich und die beteiligten Branchenakteure stark heterogen. Nicht zuletzt durch eine steigende Anzahl oftmals technologieorientierter Start-ups wird dieser Umstand noch verschärft. In diesem Spannungsfeld besteht die Frage, welche Rolle TGA-Fachplaner zukünftig spielen und wie sie sich optimal im Bereich Smart Building positionieren können.
Als Reaktion auf den Wandel richten produzierende Unternehmen ihr Augenmerk nun verstärkt auf die Bereitstellung von Dienstleistungen und hybride Lösungen aus physischem Produkt, traditioneller und digitaler Dienstleistung. Sie ermöglichen es, sich von Mitbewerbern abzuheben und gleichzeitig die eigenen Margen zu erhöhen. Das Angebot und den Verkauf solcher Produkt-Dienstleistungs-Kombinationen bezeichnet man als Lösungsverkauf oder Solution-Selling. Am Beispiel der Automobilindustrie wird deutlich, wie vielfältig Lösungsangebote sein können, die über das traditionelle Produktgeschäft hinausgehen.
Das Forschungsprojekt ‚DiCES‘ bringt verschiedene Industriepartner zusammen, um gemeinsam ein datenbasiertes, integriertes Wertschöpfungssystem für eine nachhaltige, multidimensionale Kreislaufwirtschaft zu entwickeln. Zur Sicherstellung der Praxisnähe des Projekts fanden Workshops mit Industriepartnern aus unterschiedlichen Industriezweigen statt. Dabei wurden Anforderungen an IT-Systeme, Produktkonfigurationen, Geschäftsmodelle und Produktionskonzept behandelt. Alle erhobenen Anforderungen wurden anschließend für die Kategorisierung aufbereitet.
Der Digitale Produktpass (DPP) ist ein Konzept zur Erfassung und Bereitstellung produktbezogener Informationen während des gesamten Produktlebenszyklus, um Transparenz bezüglich Herkunft, Zusammensetzung und End-of-Life-Behandlungsoptionen zu schaffen. Somit bildet er eine wesentliche Grundlage für die Kreislaufwirtschaft. Es existieren bereits Ansätze für die inhaltliche Konzeption eines DPP für verschiedene Branchen, Datenstandards zur Erfassung von Produktinformationen und mehrere Marktlösungen zur praktischen Umsetzung. Allerdings sind Unternehmen nicht ausreichend auf die Umsetzung von DPP vorbereitet. Eine Herausforderung besteht darin, die relevanten Daten zur Deckung des Informationsbedarfs im Kontext der Kreislaufwirtschaft zu identifizieren und diese Daten mithilfe der bereits vorhandenen IT-Systemlandschaft zu konsolidieren. Die Analyse eines MES liegt hierbei im Fokus, da neben Bauteildaten auch die in der Produktion anfallenden Prozessdaten von Bedeutung sind.
Das Forschungsziel ist demnach die Überführung der im MES anfallenden Daten zu Informationen, die für einen auf die Ermöglichung von Remanufacturing ausgerichteten DPP relevant sind. Dazu wird zunächst eine Literaturrecherche zur Identifizierung potenziell relevanter Prozessdaten in MES sowie in einem DPP für das Remanufacturing erforderlichen Informationen durchgeführt. Um den aktuellen Stand der Technik zu berücksichtigen und konkrete Datenbedarfe für das Remanufacturing zu erfassen, werden diese Grundlagen mit Experteninterviews im produzierenden Sektor angereichert. Die Gegenüberstellung des Informationsbedarfs eines DPP und Datenangebots eines MES erlaubt die Ableitung einer Methodik zur Überführung relevanter Daten in einen DPP. Diese Methodik wird anschließend in der DFA Demonstrationsfabrik Aachen GmbH prototypisch validiert. Die Ergebnisse sollen produzierende Unternehmen unterstützen, mit ihrer bestehenden IT-Systemlandschaft DPP im Kontext des Remanufacturing umzusetzen.
Business ecosystem analysis of companies undergoing digital transformation - A case study analysis
(2021)
Entwicklung eines Beschreibungsmodells für die Standardisierung industrieller Dienstleistungen
(2016)
In dieser Arbeit wird die Zielsetzung verfolgt, ein Beschreibungsmodell für die Standardisierung industrieller Dienstleistungen zu entwickeln. Das Beschreibungsmodell wird in Form einer Morphologie angelegt und neben der Standardisierung primär die Prozesse der industriellen Diensleistungserstellung fokussieren. Es werden prägende Merkmale von Standardisierungen und Prozessen herausgearbeitet und geeignete Merkmalesausprägungen hergeleitet. Einerseits soll die Morphologie ermöglichen, konkrete Standardisierungsmaßnahmen zu beschreiben und anhand der Merkmalsausprägungen Rückschlüsse auf die Ausrichtung und Wirkweise der Standardisierung zu ziehen zu können. Auf der anderen Seite sollen Prozesse derart beschrieben werden, dass Standardisierungspotenziale erkennbar und die Auswirkungen von Standardisierungsmaßnahmen über veränderte Merkmalsausprägungen der Prozessbeschreibung feststellbar werden.
Entwicklung eines Evaluationswerkzeugs zur Bestimmung des Fits von Anwendungsideen für GAIA-X
(2023)
Die Zielsetzung der vorliegenden Bachelorarbeit ist es, einen Ansatz zur Systematisierung von Reaktionsstrategien für Abweichungssituationen in der Fertigungssteuerung zu entwickeln. Der entwickelte Ansatz soll es ermöglichen, den Reaktionsaufwand für Abweichungssituationen zu reduzieren und somit eine schnellere Reaktion auf Abweichungen in der Fertigungssteuerung zu ermöglichen.
MES-Vertrieb im Anlagenbau
(2018)
Machine Learning methods have shown great potential in production during recent years and have subsequently played a significant role in driving the Industry 4.0 revolution. However, there is still a lack of systematic guidelines for identifying and implementing viable ML use cases in the manufacturing industry . The aim of this work therefore, is to identify whether machine learning classifiers can be used in addition to a traditional process monitoring method (tolerance window) in order to improve quality control of staking processes on an assembly line.
Applied methods:
Extensive literature research will be initially conducted in order to understand ongoing research in this field and to clearly define the research gap. For a scientific and structured execution, CRoss Industry Standard Process for Data Mining (CRISP-DM) method will be used as the backbone of the thesis. The first step of Business Process Understanding would include learning about the staking and quality testing processes. This will be followed by data extraction and Exploratory Data Analysis (EDA) as part of Data Understanding. The Data Preparation step would include cleaning, filtering, feature engineering and scaling in order to use as input for the model.
Preparing the Machine Learning model will include selecting, modeling, training and testing the appropriate classification algorithms e.g. Näive Bayes, XGBoost, Feed Forward Neural Network and Random Forest. Depending on a pre-defined success criteria such as Accuracy, Precision etc. the training and test results will be evaluated and the best performing model will be selected. Further, subject to the model performance and business requirments , possible methods for deployment of the classifier in real time production will be discussed.
Expected results:
This work will help to identify if process curve data from staking processes can be used to train machine learning models and improve quality monitoring on an assembly line. Good model performance will indicate potential to reduce waste and decrease unnecessary processing time at the testing station. Additionally, it will also assist the process experts understand unknown influences on the product quality. A systematic approach to implement machine learning for similar use cases involving curve data of staking processes and will be developed.
Reifegradmodell zur Bestimmung der Auswirkungen von Industrie 4.0 auf den industriellen Service
(2019)
Kürzere Produktlebens- und Innovationszyklen sowie eine zunehmende Kreislaufwirtschaft stellen
Unternehmen vor die Herausforderung, ihre Produktionsprozesse schnell an die sich wandelnden
Anforderungen anzupassen. Entscheidend für die Umsetzung einer anpassungsfähigen Produktion ist
eine flexible Intralogistik. Dabei setzen Unternehmen zunehmend auf autonome mobile Roboter (AMR).
AMR navigieren selbstständig und können ihre Route an die Umgebungssituation anpassen, ohne einen
Fahrer zu benötigen. In der Praxis werden diese Vorteile jedoch selten genutzt, da AMR nicht hinreichend
in das Produktionssystem eingebunden sind. Die Schwierigkeit dabei liegt in der Generierung von
Transportaufträgen, die auf die Echtzeit-Lage im Produktionssystem angepasst sind und alle relevanten
Daten auf dem Shopfloor berücksichtigen, um so auf unvorhergesehene Veränderungen flexibel und
effizient zu reagieren.
Das Ziel dieser Arbeit ist die Entwicklung eines Datenmodells, welches die Einflüsse auf den Einsatz von
AMR in der Produktion umfasst und die Erstellung von echtzeitfähigen Transportaufträgen ermöglicht.
Dazu wird zunächst eine Literaturrecherche durchgeführt, um relevante Aspekte wie Datenquellen,
-senken, und -flüsse zu identifizieren. Anschließend werden deren Einflüsse auf echtzeitfähige
Transportaufträge mittels der Betrachtung generischer Use-Cases ermittelt und in einem Datenmodell
erfasst. Das entwickelte Modell soll in der DFA Demonstrationsfabrik Aachen Gmbhl validiert werden.
Die Ergebnisse dieser Arbeit sollen Unternehmen bei der effektiven Implementierung von AMR
unterstützen und als Mittel zur Erhöhung der Reaktionsfähigkeit moderner Produktionssysteme dienen
Industry 4.0 and smart factories have brought significant advancements in manufacturing processes, particularly in intralogistics. A key factor which forms the basis for creating smart intralogistics systems is data. However, there exist several data-related issues that hamper the efficiency of the intralogistics process such as data unavailability, poor data quality, inconsistent data, or underutilization of available data. The challenge is to identify, categorize, evaluate, and solve these issues. Overcoming this will help organizations understand the most impactful challenges.
By analysing real-world scenarios and interviewing industry experts, the problems present within the intralogistics process that are caused by the previously mentioned data-related factors are identified. The identified issues are clustered, and the clusters are characterized. A literature review explores the existing solutions or approaches to overcome these limitations. Subsequently finding out if the identified problems can be solved with current technologies and approaches or further research and development is needed. Next, a framework is developed which will act as a guide on the classification, evaluation and prioritization of the identified challenges. In the final part, the framework is validated on an industry specific use case and its limitations and future scope are discussed.
This master thesis emphasizes the significance of data in intralogistics processes by identifying and addressing data-related issues. The outcome on one hand is state-of-the-art solutions for the identified problems and on the other hand is a framework which will support businesses in determining how to tackle data-related issues to gain most benefit with respect to efficiency, productivity, flexibility and quality.
The advancements in Industry 4.0 technologies have provided unprecedented opportunities for optimizing material transportation through various use cases that are possible through rapid technological advance. An important driver for the use cases is data. However, the lack of understanding, which
specific data, from which sources and in what frequency, slows down the implementation of use cases or even reduces their potential benefits. Companies lack the ability to prepare themselves correctly for a use case integration, especially from the data perspective (e.g. data availability, quality, integration).
Therefore, the goal of this thesis is to create a framework for evaluation of Industry 4.0 use cases in the materials' transportation with regard to needed data. The scientific approach employed in this research involves research and analysis of existing frameworks for description or assessment of use cases in different fields and industries. Following, specific use cases related to material transportation in the context of Industry 4.0 will be identified in order to find similarities in the structure and requirements
regarding needed data, and thus identifying common characteristics and key parameters. These parameters will then serve as the foundation for developing a framework that enables companies to systematically analyse and assess potential use cases for material transportation, considering the data requirements and its integration challenges.
The expected result of this thesis is the development of a practical framework that empowers organizations to evaluate and implement Industry 4.0 use cases for material transportation effectively. By providing a structured methodology, this framework will facilitate decision-making processes and support companies in identifying the most suitable use cases based on their specific requirements and
data availability.
The goal of this thesis is to provide startups with a minimal framework for process management that allows them to take the first steps towards Quality Management. Based on existing approaches and methods - with focus on Lean Thinking and Quality Management - the framework should provide a practical guideline to standardize and optimize processes within startups, considering their limited resources and the uncertainty of the environment they operate in.
Different levels of standardization provide an optimal tradeoff between standardization effort and process improvement, while an iterative evaluation process helps to deal with rising numbers and complexity of tasks while maintaining a low overhead. As a result, startups will be able to quickly evaluate if, how and to what degree a process needs standardization, based on available knowledge about the process.
Die Klima- und Energiepolitik führt zu einem schnellen Wandel des deutschen Energieversorgungssystems, wobei der verstärkte Einsatz erneuerbarer Energien neue Herausforderungen für das Stromverteilnetz mit sich bringt. Diese Arbeit untersucht die Notwendigkeit einer dynamischen Netzinfrastruktur, um die fluktuierende Energieerzeugung effizient zu integrieren und neue Verbraucher wie Elektromobilität zu versorgen. Dabei spielen die Vielfalt und das zunehmende Alter der Anlagen im Verteilnetz eine Rolle, ebenso wie der Fachkräftemangel und steigende Netzentgelte. Ein zentraler Ansatz zur Bewältigung dieser Herausforderungen ist die Implementierung von künstlicher Intelligenz und fortschrittlicher Technologie, um eine proaktive Instandhaltung des Netzes zu ermöglichen. Ziel der Arbeit ist es, ein Geschäftsmodell auf Basis künstlicher Intelligenz für die Instandhaltung des Stromverteilnetzes zu entwickeln und damit wirtschaftliche Einsatzmöglichkeiten für solche Konzepte aufzuzeigen. Die Forschungsfragen konzentrieren sich auf die Herausforderungen der Netzbetreiber, ihre Bedarfe und Anforderungen sowie die Möglichkeiten, die künstliche Intelligenz bietet.
Intralogistic Process Optimisation in an Automotive Assembly Line using Plant Lifecycle Simulation
(2022)
Ziel dieser Bachelorarbeit ist, durch die Entwicklung eines methodischen Ansatzes zur Anwendung von Prognoseverfahren zu bewerten, ob die Anzahl von Lufttransporten innerhalb von internationalen Lieferketten trotz starker Bedarfsschwankungen und kurzfristiger Programmänderungen verringert werden kann. Der Fokus dieser Arbeit liegt dabei auf den statistischen Prognoseverfahren, die am häufigsten in der Praxis angewendet werden.
Die vorliegende Arbeit befasst sich mit dem Thema der kapazitätsoptimalen Auslegung von Pressanlagen. Um eine kapazitätsoptimale Belegung der gesamten BMW-Presswerke gewährleisten zu können, ist es erforderlich, in regelmäßigen Abständen die Leistungsparameter aller Anlagen abzufragen und mit den Werken verbindlich zu vereinbaren. Dies wird in der Leistungsvereinbarung über einen bestimmten Planungshorizont hinaus geregelt.
Um langfristig in einem Umfeld zunehmenden Wettbewerbs durch internationale Anbieter erfolgreich zu sein, müssen Unternehmen verstärkt regionale Märkte erschließen. Analog zur Automobilindustrie werden wichtige Wachstumsmärkte zunehmend durch Handelshemmnisse abgeschottet, so dass die Markterschließung durch Exporte vollständig montierter Erzeugnisse häufig ausscheidet. Um dennoch die Handelshemmnisse zu umgehen, hat sich in der Automobilindustrie die Completely Knocked Down (CKD)-Strategie durchgesetzt, bei der Erzeugnisse teilzerlegt in die Märkte exportiert und dort lokal endmontiert werden. Eine grundsätzliche Herausforderung liegt in der situationsgerechten Gestaltung der CKD-Supply Chain. Dazu ist in der Arbeit eine simulationsbasierte Gestaltungsunterstützung entwickelt worden.
In der vorliegenden Masterarbeit soll ein Referenzmodell zur Überführung von Stammdaten in das ERP-System kleiner und mittlerer Unternehmen erarbeitet werden. Aus diesem Grund ist es das Ziel dieser Arbeit, geeignete Prozesse zu definieren, zu bewerten und in ein standardisiertes Modell zu überführen.
Augmented Reality wird schon seit über zehn Jahren großes Potential vorausgesagt. Allerdings finden sich im heutigen Produktionsalltag kaum ausgereifte AR Anwendungen. Die BMW Group entwickelt zusammen mit einer Softwarefirma ein mobiles AR System, welches Soll-Ist Vergleiche ermöglicht und somit zur Qualitätssicherung beitragen soll. Jedoch entspricht die Anwendung noch nicht den hohen Anforderungen des Unternehmens.
Mit Hilfe dieser Arbeit soll ein Bewusstsein für mögliche Fehlerquellen bei der Verwendung des Systems geschaffen werden. Zukünftigen Anwendern soll diese Arbeit zudem eine Schulungsmöglichkeit bieten, um effizienter Fehler zu vermeiden.
Zunächst wird ein Überblick über den aktuellen Stand der Technik in der Augmented Reality gegeben. Die grundlegenden Bausteine der Technologie werden vorgestellt. Zudem werden verschiedene mögliche Anwendungsfälle innerhalb der BMW Group aufgezeigt.
Anschließend wird das Thema vor dem Hintergrund des Qualitätsmanagements eingeordnet. Das System soll zur Qualitätssicherung beitragen. Um ein Verständnis für mögliche Fehlerursachen zu vermitteln wird daraufhin die Funktionsweise des Systems erörtert. Mit Hilfe eines Ishikawa Diagramms werden anschließend systematisch Ursachen für Ungenauigkeiten und Einschränkungen der Aussagefähigkeit herausgearbeitet.
Dabei lassen sich die Faktoren grob in drei Untergruppen gliedern.
Nach Priorisierung der Faktoren werden anschließend die Kategorien „Formhaltigkeit/Skalierung", „Kameraposition" und „Wahl der Referenzpunkte" als wichtigste Themen aufgegriffen und genauer untersucht. Es werden nach Möglichkeit Lösungsvorschläge für die verschiedenen Einflüsse erarbeitet. Im abschließenden Kapitel wird der Fokus auf die Rolle des Mitarbeiters bei der Einführung eines neuen Systems gelegt. Unter Zuhilfenahme eines Technologieakzeptanzmodells werden die unterschiedlichen Einflüsse auf einen Mitarbeiter bei der Einführung neuer Technologien skizziert. Zudem werden Anmerkungen und Feedback von Mitarbeitern bei einem Feldversuch aufgenommen.