Refine
Year of publication
- 2019 (217) (remove)
Document Type
- Contribution to a Periodical (78)
- Master's Thesis (35)
- Conference Proceeding (26)
- Part of a Book (13)
- Working Paper (13)
- Report (12)
- Bachelor Thesis (10)
- Book (8)
- Lecture (7)
- Doctoral Thesis (6)
Language
- German (164)
- English (51)
- Multiple languages (2)
Is part of the Bibliography
- no (217)
Keywords
- 5G (5)
- 5G mobile communication (1)
- 5G.NRW (1)
- AM4Industry (2)
- Aachener Implementierungsmodell (1)
- Abweichungsbewältigung (1)
- Abweichungsmanagement (2)
- Adaptation models (1)
- Additive/Rapid Manufacturing (AM) (1)
- After-Sales (1)
Institute
- FIR e. V. an der RWTH Aachen (217)
- Produktionsmanagement (61)
- Dienstleistungsmanagement (53)
- Informationsmanagement (46)
- Business Transformation (19)
Reifegradmodell zur Bestimmung der Auswirkungen von Industrie 4.0 auf den industriellen Service
(2019)
Due to Digital Transformation, also called Industry 4.0 or the Industrial Internet of Things, the barrier for implementing data collecting technology on the shop floor has decreased dramatically in the past years – leading to an increasingly growing amount of data from a multitude of IT systems in production companies worldwide. Despite that, the production controller still relies heavily on intrinsic knowledge and intuition for the management of disruptions in production. Thanks to advances in the fields of production control and artificial intelligence, potentials for the collected data for disruption management arise. However, in order to transform data into usable information and allow drawing conclusions for disruption management in production, the relevant data-objects, disturbances and alternative actions must be known. Thus, the decision-making can be supported, reducing the decision latency and increasing benefit of alternative actions. Therefore, the goal of this paper is to discuss the prerequisites necessary to perform a data based disruption management and the methodology itself, serving as an approach to allow companies to build a data basis, classify disruptions and alternative actions in order to improve decision making in the future. [https://link.springer.com/chapter/10.1007/978-3-030-28464-0_13]
Smart-Service-Plattformen
(2019)
Smart-Service-Plattformen können einen Lösungsbaustein darstellen, um die steigende Weltbevölkerung ressourcenschonend zu ernähren. Durch die Aggregation von Daten und kontextsensitive datenbasierte Dienstleistungen können Landwirte präzise während der gesamten landwirtschaftlichen Produktion unterstützt werden, um bei gleichbleibender Versorgungsfläche den steigenden Nahrungsmittelbedarf zu decken. Die Entwicklung und der erfolgreiche Betrieb einer Smart-Service-Plattform stellen viele Unternehmen, nicht nur in der Landwirtschaft, jedoch vor große Herausforderungen, da sich die Geschäftsmodelle und -logiken einer Plattform grundlegend von herkömmlichen Produkten unterscheiden. Um Unternehmen praxisnahe Gestaltungsempfehlungen für den Erfolg einer Smart-Service-Plattforum zu geben, wurden für diesen Beitrag insgesamt 25 bereits bestehende Plattformen aus den Bereichen Smart Farming und Smart Production sowie branchenübergreifende Plattformen mittels einer Case-Study-Research hinsichtlich ihres Geschäftsmodells und ihrer jeweiligen Erfolgskriterien untersucht. Basierend auf den Ergebnissen der unterschiedlichen Case-Studys werden insgesamt neun Gestaltungsempfehlungen für den erfolgreichen Betrieb einer Smart-Service-Plattform vorgestellt, die jeweils auf die Besonderheiten der Branche eingehen und so ein umfassendes Bild für den Erfolg einer Smart-Service-Plattform geben. [https://link.springer.com/chapter/10.1007/978-3-662-59517-6_29]
Unternehmen, die ihre Prozesse durch maschinelles Lernen unterstützen wollen und hierfür auf externe Dienstleister und Produkte zurückgreifen müssen, fehlen die qualifizierten Anhaltspunkte für die Auswahl eines Machine-Learning-Anbieters.
Aus dieser Motivation heraus ist die vorliegende Marktstudie Industrial Machine Learning entstanden. Sie bietet Unternehmen die Grundlage, eine fundierte Entscheidung für oder gegen den Einsatz von Machine Learning im Unternehmen zu
treffen.
Die Darstellung von realen Usecases in der vorliegenden Marktstudie veranschaulicht die konkrete Anwendbarkeit. Insbesondere damit leistet die Studie ihren Beitrag, das Thema Maschine Learning verständlich und anschaulich darzustellen.
Die Marktstudie bietet einen umfassenden Überblick über unterschiedliche Arten von Anbietern und Lösungsmöglichkeiten.
Ein Anspruch auf Vollständigkeit wird dabei nicht erhoben und wäre für die Zielsetzung nicht angebracht.
[CIRP Encyclopedia of Production Engineering:]
This high quality reference work has been written and reviewed by members of The International Academy for Production Engineering, also known as CIRP. This Academy is recognized worldwide to represent the highest standards in research on production engineering, which includes design, optimization, control, management of processes, machines, and systems. One key concept behind this Encyclopedia is that apart from covering fundamental concepts in the field of production engineering, it also closely follows recent developments and emerging concepts. In particular this renewed print edition covers a wide range of new topical entries such as Hybrid Processes, High Performance Grinding, Biomimetic Design, Cold Spray, Sheet-bulk Metal Forming, Ecodesign, Cyber Physical System, Nano Technology, or Geometrical Product Specification. The second edition also comprises reviewed entries from the first version, which have been updated to reflect new standards or developments. The target audience primarily comprises researchers, engineers, managers, graduate students, and many others whose day-to-day work gravitates around production engineering technologies in the global market.
Patterns of Digitization
(2019)
This article describes the results of a survey designed to assess how companies are implementing digital transformation, including the various strategies they employ and the actions they take to achieve large-scale transformations. While a few companies seem to reach front-runner status, the majority seem to lag behind. This phenomenon is a top concern of boardrooms worldwide and motivated the development of this study. To help these organizations, we highlight differentiated strategic principles and characteristics of the companies' design processes digitally mature companies undertake to transform their businesses. These insights should help lagging companies understand what is involved in implementing a digital transformation and what they need to do to enforce this transformation.
Current supply chain structures in the spare parts logistics are changing profoundly due to the influence of digitalization and additive manufacturing (AM). In particular the Logistics Service Provider (LSP) is influenced by the change, as the physical transport of goods could become redundant due to the digital transmission of production data. This leads to a reduction of the LSP’s share in the value chain. Conceptualizing a new role for the LSP for additively manufactured spare parts is necessary. Therefore, five different scenarios are identified in which the LSP serves as a transport carrier, digital distributor, an AM decision maker, a selector of the manufacturer and as an AM service provider.
Smart Service Engineering
(2019)
In our digitalized economy, many traditional service engineering models lack flexibility, efficiency and adaptability. As today’s market differs significantly from the market of the late 20th century, service engineering models must meet different requirements today than they had to meet in the past. The present paper starts off by providing an overview of the requirements that modern service engineering models need to fulfill in order to succeed in today’s economic environment. Afterwards, three promising models that meet several of these requirements will be introduced.
Many industrial companies face their digital transformation. In addition to an existing portfolio of products and services, new digital services are being developed to offer a portfolio of smart product service systems (Smart PSS). While the development of new digital services is rarely a problem for the companies, the organization of sales and distribution of Smart PSS in particular is a key issue. The sales of Smart PSS differs considerably from the sales of only products or services and must therefore be designed differently in order to meet customer requirements and successfully commercialize the developed Smart PSS. This paper therefore describes how the sales organization of Smart PSS should be designed successfully in various forms. The network thinking methodology is used in combination with a case study research approach to describe the connection between the offered portfolio, the customer requirements and the different elements of a sales organization. Furthermore, four different types of a sales organization for Smart PSS are described. This paper gives a recommendation for companies on a design of their sales organizations on which practical implications may be developed.
Service Engineering Models
(2019)
Since the field of service engineering emerged in the late 20th century, the service industry has undergone drastic changes. Among the reasons for these changes is the increasing digitalization, which has made it difficult for companies to successfully develop new service offerings. While numerous service engineering models are available to provide guidance during the design of new services, many of them cannot keep up with the requirements of today’s economic environment. The present paper examines the requirements that service engineering models need to meet in order to be suitable guidelines for the digital age. To this end, the introduction illustrates how digitalization has changed the service industry. Afterwards, selected service engineering models and related norms are presented. Finally, a set of requirements for modern service engineering models derived from best practices from recent years is introduced.
Digitale Technologien gewinnen für kleine und mittlere Unternehmen (KMU) des Maschinenbaus zunehmend an Bedeutung, da durch deren Einsatz bestehende Ressourcenengpässe minimiert und ungenutzte Potenziale aufgedeckt werden können. Besonders relevant ist der Einsatz digitaler Technologien zum Ausbau von After-Sales-Dienstleistungen, da bedingt durch sinkende Margen im Neumaschinengeschäft Dienstleistungen zunehmend zum entscheidenden Faktor zur Realisierung von Umsatzpotenzialen werden. Trotz der wachsenden Bedeutung von After-Sales-Dienstleistungen im Maschinenbau sind insbesondere KMU oftmals nicht in der Lage, ihr Kerngeschäft durch Dienstleistungen auszubauen. Grund hierfür sind vorrangig mangelnde Ressourcen wie beispielsweise Personalengpässe, begrenzte finanzielle Möglichkeiten sowie fehlendes Know-how. Damit Unternehmen des Maschinenbaus, die zum größten Teil KMU darstellen, die Potenziale im Dienstleistungsgeschäft voll ausschöpfen und somit ihre Wettbewerbsfähigkeit langfristig sichern können, bedarf es KMU-gerechter Methoden und Lösungen zur Auswahl sowie Bewertung und Implementierung digitaler Technologien. Das Forschungsprojekt ScaleUp liefert als Kernergebnis einen dreimoduligen Softwaredemonstrator, der es KMU ermöglicht, digitale Technologien für die Digitalisierung ihrer After-Sales-Dienstleistungsprozesse zu identifizieren (1. Modul) und im Hinblick auf Kosten und Nutzen (2. Modul) sowie des zur Nutzung notwendigen Kompetenzprofils der Mitarbeiter (3. Modul) zu bewerten. Im Rahmen des ersten Moduls findet eine Bewertung von Schwachstellen im Leistungserbringungs- bzw. Kommunikationsprozess statt. Anhand der Bewertung können schwachstellenspezifisch digitale Technologien ausgewählt und mittels dreier Bewertungskriterien miteinander verglichen werden. Zusätzlich werden weiterführende Informationen zu Stärken/Schwächen sowie Anbietern dieser Technologien bereitgestellt. Für das zweite Modul liefert der Demonstrator ein Modell, dass es ermöglicht, digitale Technologien aus Kosten- und Nutzensicht zu bewerten. Zur vereinfachten Anwendung werden sowohl eine schriftliche als auch eine visuelle Anleitung zu Verfügung gestellt. In letzter Instanz können im dritten Modul aktuelle Mitarbeiterkompetenzen ermittelt und Soll-Profile für die erfolgreiche Nutzung der ausgewählten digitalen Technologien gegenübergestellt werden. Mittels eines bereitgestellten Entwicklungsplans können diese Lücken zielgerichtet geschlossen werden. ScaleUp gibt somit KMU einen Leitfaden an die Hand, den diese nutzen können, um ihre eigenen After-Sales-Prozesse effizienter zu gestalten und somit ihren Ressourceneinsatz zu optimieren und ihre Wettbewerbssituation langfristig zu verbessern.
Lernen aus Daten
(2019)
Die Verfügbarkeit von Daten in Unternehmen ist in den vergangenen Jahren stark angestiegen und wird aufgrund der vernetzten Digitalisierung immer weiterwachsen. Unternehmensintern werden Daten in verschiedensten Abteilungen für die verschiedensten Prozesse in unterschiedlichsten Formaten und Qualitäten erzeugt: Klickdaten im Marketing, Testdaten in der Entwicklung, Maschinendaten in der Produktion oder Kundennutzungsdaten der eigenen Produkte und Services. Die Verwertung der Daten beschränkt sich heute oft auf abteilungsinterne Fälle. Das liegt daran, dass andere Abteilungen weder Transparenz über verfügbare Daten haben noch diese erhalten. Eine zusätzliche Herausforderung besteht darin, dass einige Anwendungssysteme eine übergreifende Datennutzung nicht zulassen, weil sie Daten in proprietären Formaten anbieten. Unternehmen fehlen damit die Voraussetzungen für optimierte Prozesse, moderne Kundenkommunikation und durchgängig datenbasierte Services. Es muss daher eine unternehmenseinheitliche Strukturierung der Datenverwaltung geschaffen werden.
Industrial Smart Services: Types of Smart Service Business Models in the Digitalized Agriculture
(2019)
Due to lack of experience of companies with digital business models, agricultural machinery manufacturers and agricultural service companies are facing a positioning problem in their ecosystem. Smart services are getting more important for these companies and they have issues to define a matching business model for their newly developed smart services. The lack of a framework for smart service business models makes it even harder for companies to successfully develop new services. This paper contributes to a better understanding of business models for smart services and establishes a common morphological framework to define different types of business models for smart services. Six types of business models of industrial smart services were identified during the research based, which was based on a literature review and interviews with leading experts in the field of smart services. The validation of the developed types and its practical application was carried out as part of the German research project Smart-Farming-World and its four developed use cases. This paper gives a detailed description of the application of the framework on the use case nPotato.
Der Marktspiegel "Business Software ERP/PPS 2019/2020" ist ein Werk, welches einen schnellen Überblick über den Markt für ERP/PPS-Software vermittelt. Der einführende Teil schafft Transparenz hinsichtlich des Begriffs ERP/PPS und hinsichtlich der Struktur von Planungsaufgaben innerhalb des Begriffs ERP/PPS. Es folgt eine grundlegende Bewertung der untersuchten ERP/PPS-Software im Hinblick auf die Aufgabenunterstützung. Anschließend werden konkrete Hilfestellungen für die Durchführung eines Projektes zur Auswahl eines ERP/PPS-Systems gegeben. Schließlich bietet der Marktspiegel eine Übersicht über die relevanten ERP/PPS-Anbieter, deren Software-Angebot und typische Implementierungsprojekte.
Smart Operations
(2019)
Ohne Umwege zum Go-Live
(2019)