Refine
Document Type
- Article (1)
- Book (1)
- Part of a Book (2)
- Conference Proceeding (4)
- Contribution to a Periodical (16)
- Doctoral Thesis (1)
- Lecture (3)
- Internet Paper (4)
- Report (1)
- Working Paper (7)
Language
- German (27)
- English (11)
- Multiple languages (2)
Is part of the Bibliography
- no (40)
Keywords
- 02 (1)
- 04 (1)
- AR (2)
- AR-Format (1)
- AR-Plattform (1)
- AR-Technologie (1)
- Abschlussbericht (1)
- Anreizsysteme (1)
- Asset Management (1)
- Auction Mechanism (1)
Institute
Eine Steigerung des Wertbeitrags der Instandhaltung kann nur im Zusammenspiel mit der Belegschaft sowie internen und externen Anspruchsgruppen geschehen.
Dabei bieten digitale Technologien eine Möglichkeit, Prozesse und Entscheidungen punktuell effizienter und besser zu machen. Eine nachhaltige Transformation muss jedoch nicht nur technologisch, sondern vor allem auch methodisch gestaltet werden.
Dabei müssen bewährte Methoden der zuverlässigkeitsorientierten
Instandhaltung und des Lean Managements mit den digitalen Technologien zusammenspielen, um den größtmöglichen Effekt für das Unternehmen zu erzielen.
Augmented reality seems to offer great potential benefits in the field of industrial services. However, the question of the exact benefits, both monetary and qualitative, is difficult to evaluate, as is the case with IT investments in gen-eral. Within the framework of the DM4AR research project, an evaluation model was therefore developed. Based on group discussions and interviews on potential AR use cases, a list of monetary and qualitative benefits was compiled to form the basis for selecting suitable evaluation modules in the existing literature. These include an impact chain analysis in the form of a strategy map, a monetary eval-uation as a calculation of the return on investment, based on the assumptions of the use case as well as existing studies, and a qualitative evaluation in the form of a utility analysis. The outcome is an evaluation model in the form of a multi-perspective approach that considers the impact of AR in the four perspectives of the balanced scorecard (financial, customer, internal business processes, learning and growth). The results of the qualitative and monetary evaluation can be sum-marized in a 2D matrix to support decision-making.
Augmented Reality (AR) bietet ein großes Nutzenpotenzial im Bereich der industriellen Dienstleistungen. Der genaue monetäre und qualitative Nutzen ist jedoch, wie bei IT-Investitionen im Allgemeinen, schwer zu bewerten. Im Rahmen des Forschungsprojekts Datenmanagement for Augmented Reality (DM4AR) wurde aus diesem Grund ein Bewertungsmodell entwickelt, welches den Nutzen von AR im industriellen Service messbar macht.
Ziel des Forschungsprojekts ‚DM4AR‘ war es zum einen, eine AR-Plattform (Datenintegration, Schnittstellen und Datenmodell) zu schaffen, die der automatisierten Aufbereitung und Umwandlung der Daten in ein gängiges AR-Format dient. Zum anderen sollten die Mitarbeitenden mit geeigneten Ziel- und Anreizsystemen sowie Referenzprozessen in der Bereitstellung von implizitem Wissen unterstützt werden.
Durch die Ergebnisse des Projekts ‚DM4AR‘ kann zukünftig die wesentliche Barriere für die flächendeckende und produktive Nutzung der AR-Technologie durch die Etablierung eines plattformbasierten und automatisierten Ansatzes zur Datenaufbereitung überwunden werden. Dabei steht die einfache Integration in den operativen Serviceprozess im Vordergrund, um den Nutzen zu maximieren und die Umstellung der Serviceprozesse zu vereinfachen. Die ‚DM4AR‘-Ergebnisse ermöglichen somit die Sicherung und den gezielten Einsatz des im Unternehmen vorhandenen Wissens.
Das Projekt ´DM4AR`, welches am 1. Juni gestartet ist, hat sich zum Ziel gesetzt, die automatische Generierung von Augmented Reality Inhalten aus verschiedenen Datenquellen zu ermöglichen. Hierbei wird eine AR-Plattform zur automatisierten Aufbereitung und Umwandlung von Daten geschaffen und den Mitarbeitern ermöglicht über diese Plattform auf vorhanden Informationen und generierten Inhalte zu zugreifen. So können notwendige Informationen während des Leistungsprozesses kontextbezogen abgerufen werden. Dabei müssen die Mitarbeiter mit geeigneten Ziel- und Anreizsystemen sowie Referenzprozessen in der Bereitstellung von implizitem Wissen unterstützt werden. Die informationstechnische Realisierung erfolgt in Kooperation mit der oculavis GmbH und der Software AG. Die Erhebung der Anforderungen und Validierung der Forschungsergebnisse erfolgt mit der TOP Mehrwert-Logistik GmbH & Co. KG, thyssenkrupp Industrial Solutions AG und der YNCORIS GmbH & Co. KG.. Das Projekt wird durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert und durch den Projektträger Karlsruhe (PTKA) betreut.
Unser Projekt ‚Sales-Service‘ sollte dazu dienen, ein Vorgehen zu entwickeln, um Servicetechniker in den aktiven Vertrieb von Services und Produkten integrieren zu können und damit Unternehmen Wege aufzuzeigen, das Vertriebspotenzial aus der regelmäßigen und intensiven Kundeninteraktion der Servicetechniker stärker und gewinnbringender als bis dato zu nutzen. Hierzu gestalteten wir eine Analyticsbasierte Vertriebsunterstützung für Servicetechniker (in Form von Algorithmen für Open-Source-Software), mithilfe derer Unternehmen künftig die notwendigen Vertriebsinformationen bereitgestellt werden können. Zudem entwickelten wir Aufbau- und Ablauforganisation (Blueprints & Referenzprozesse) sowie die entsprechenden Managementinstrumente(Balanced Scorecard- & Anreizsystem) für einen vertriebsorientierten Service.
Vertrieb von Smart Services
(2019)
Durch die Digitalisierung werden die vertriebenen Leistungen und somit auch die Aufgaben für die Vertriebs- und Servicemitarbeiter komplexer. Zunehmend werden Produkte, Dienstleistungen und Software nicht mehr isoliert, sondern als integrierte Leistung-as-a-Service angeboten. Dieser Wandel betrifft das gesamte Unternehmen und die Art und Weise wie das Unternehmen agiert und hat großen Einfluss auf die Vertriebsorganisation. Der Kunde und dessen Nutzen rückt immer stärker in den Fokus der Aktivitäten von Unternehmen und sowohl Kundenkontakt als auch langfristige Kundenbindung werden zu einem zentralen Wettbewerbsfaktor.
Ausgehend von dem 2017 vom FIR unter dem Dach der acatech erarbeiteten
Industrie 4.0 Maturity Index wurde der bestehende Instandhaltungscheck (IH-Check) am FIR weiterentwickelt und gezielt ergänzt. Das Ergebnis ist ein dreiphasiges Vorgehen zur Gestaltung eines ganzheitlichen, zukunftsorientierten Konzepts für die Instandhaltungsorganisation. Durch das Assessment werden zunächst Ansatzpunkte innerhalb der Organisation identifiziert, um darauf aufbauend mithilfe methodischer und technologischer Maßnahmen den Wertbeitrag der Instandhaltung zu maximieren.
Einen spannenden Einblick in die Systematik und den Projektablauf liefert dabei nachfolgend das Projekt bei der Drägerwerk AG & Co. KGaA (Dräger) in Lübeck.
Industry 4.0 and Smart Maintenance represent a great opportunity to make manufacturing and maintenance more effective, safer, and reliable. However, they also represent massive change and corresponding challenges for industrial companies, as many different options and starting points have to be weighed and the individual right paths for achieving Smart Maintenance need to be identified. In our paper, we describe our approach to evaluating maintenance organizations in a case study for the oil and gas industry, developing a shared vision for the future, and deriving economical and effective measures. We will demonstrate our approach, by showcasing a specific example from the oil and gas industry, where a need for action on HSE-relevant critical flanges in the company's piping systems was identified. We describe the steps, that were taken to identify the need for action, the specifications of the project and the criticality analysis of the piping system. This resulted in the derivation of a digitalization measure for critical flanges, which was first commercially analyzed and then the flanges were equipped with a continuous monitoring solution. Finally, a conclusion is drawn on the performed procedure and the achieved improvements.
Das Projekt Sales-Service hat zum Ziel, Servicetechniker in den aktiven Vertrieb von Services und Produkten zu integrieren und damit das Vertriebspotenzial aus ihrer regelmäßigen und intensiven Kundeninteraktion zu nutzen. Hierzu wird eine Analytics-basierte Vertriebsunterstützung für Servicetechniker (Algorithmen für Open-Source-Software) gestaltet, die ihnen die notwendigen Vertriebsinformationen bereitstellt. Zudem werden Aufbau- und Ablauforganisation (Blueprints & Referenzprozesse) sowie die entsprechenden Managementinstrumente (Balanced Scorecard & Anreizsystem) für einen vertriebsorientierten Service entwickelt. Das IGF-Vorhaben 19829 N des FIR e. V. an der RWTH Aachen wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung und -entwicklung (IGF) vom Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Die beschriebenen unterschiedlichen Ausprägungen der sechs Gestaltungsfelder im Rahmen der Smart-Maintenance-Roadmap stellen Meilensteine dar, die Unternehmen bei der eigenen Transformationen ihrer Instandhaltungsorganisation unterstützen. Smart Maintenance sollte jedoch nicht als eine endgültige Entwicklungsstufe betrachtet werden. Vielmehr beschreibt Smart Maintenance das Verständnis um den dazugehörigen Transformationsprozess selbst: erfolgreiche Smart-Maintenance-Unternehmen kennen also die Zusammenhänge, die zwischen den jeweiligen Entwicklungsphasen bestehen und können diese für die Umsetzung der folgenden Transformationsschritte ihrer Instandhaltung aber auch angrenzender Organisationseinheiten nutzen. Dabei hilft eine zyklische Betrachtung der nachfolgenden vier Schritte, um den Weg zur Smart Maintenance aktiv und zielgerichtet zu gestalten:
1. Entwicklung eines gemeinsamen Zielverständnisses
2. Regelmäßige Bestimmung der eigenen Position im Smart-Maintenance-Transformationsprozess
3. Ableitung und Sortierung der Entwicklungsschritte in einer individuellen Roadmap
4. Umsetzung der nächsten Entwicklungsschritte auf Basis der zuvor erledigten "Hausaufgaben"
Today, maintenance exceeds this definition, it is significantly more.
In many companies, it plays the role of an incubator for development
and drives digital transformation forward. The very essence of
Industrie 4.0 is the optimisation of the flow of information within as
well as outside of a company to accelerate the adjustment of company
organisations in the context of increasing competitive pressure.
Because of the variety of interfaces, information and data that
is available as well as its service character, maintenance lends itself easily as the area of choice for a company to make Industrie 4.0 real. Whilst doing so, the aim is not to equip employees with the
latest “gimmick“ for order processment or to be the company with
the highest number of lighthouse projects. Instead, maintenance
ensures reliable and cost-efficient production and, consequently,
the primary creation of added value of the manufacturing company.
Those who were identified as top performers during the “Smart
Maintenance“ consortium benchmarking by FIR at RWTH Aachen
University gain particular useful ideas twice as often as other follower companies directly from staff, thus releasing the right potential.
Information and data help to reach these goals and transfer the
vision of smart maintenance into actual pratice. But what is smart
maintenance exactly and how far along are you in the development
of your individual smart maintenance concept?
In Germany’s transition to a more sustainable industrial landscape, electricity generated by wind turbines (WT) remains a mainstay of the energy mix. Operating and maintenance costs, which account for roughly 25% of electricity generation costs in onshore WTs make improvements of maintenance activities a key lever in the economic operation of WTs. Prescriptive maintenance is a possible approach for improved maintenance activities. It is a concept where asset condition data is used to recommend specific actions and has great potential for the operation of wind parks. However, especially small, but also large wind park operators, and maintenance service providers often struggle with the implementation of such a new maintenance approach. As a part of the research project ReStroK, a learning game has been developed to support the training and familiarization of maintenance technicians with the concepts and underlying principles of this maintenance approach. In this paper, the concept for the development of a learning game will be presented. Multiple scenarios for its usage and their corresponding requirements will be discussed and an overview over the game will be given.
Der Wandel des Servicetechnikers zum wichtigsten Ansprechpartner des Kunden und wichtigsten Vertriebskanal des Unternehmens erfordert einen nachhaltigen Wandel des gesamten Unternehmens. Doch die Anstrengung lohnt sich. Diese Erkenntnis ist in vielen Unternehmen bereits angekommen, jedoch fehlt häufig eine klare Vorstellung davon, wie sehr solch ein Wandel bestehende Strukturen infrage stellt. Eine grundlegende Veränderung des Unternehmens ist dabei nur möglich, wenn alle Ebenen und Abteilungen die Notwendigkeit erkannt und eine klare Vorstellung von ihrer künftigen Unternehmenskultur haben. Dazu reicht es nicht aus, die neuen Werte des Unternehmens auf eine Folie zu schreiben, sondern jeder Mitarbeiter muss seine eigene zukünftige Rolle verstehen und annehmen können.
Lean Services ist ein am FIR an der RWTH Aachen entwickeltes Managementkonzept, das die Vermeidung von Verschwendung und die konsequente Ausrichtung der Serviceprozesse an der Erzielung eines möglichst hohen Kundennutzens fokussiert. Konkret bedeutet dies, die Gestaltung schlanker Prozesse bei gleichzeitig komplexer werdenden Markt- und Kundenanforderungen zu berücksichtigen.
Im Mittelpunkt von Industrie 4.0 steht die echtzeitfähige und Intelligente Vernetzung von Menschen, Maschinen und Software, mit dem Ziel, komplexe Systeme transparent zu gestalten und dynamisch zu managen. Industrie 4.0 kann somit als Ergänzung des Lean-Services-Ansatzes dazu beitragen, die zunehmende Komplexität in der Leistungserbringung beherrschbar zu machen. Die Potenziale digitaler Technologien müssen dabei allerdings zunächst durch die Anwendung grundlegender Lean-Prinzipen "nutzbar" gemacht werden. Der Lean-Services-4.0-Zyklus gibt vor, wie Unternehmen diesen Weg gestalten können, indem die fünf Phasen des bewährten Aachener Lean-Services-Zyklus, ergänzt durch die drei übergeordneten Schalen Technologische Enabler, 'Lean Services 4.0'-Methoden und Potenziale von Lean Services 4.0 durchlaufen werden.
Eine Vielzahl innovativer, digitaler Technologien, wie z. B. Machine Learning und AR/VR, drängen derzeit auf den Markt. Die Nutzung dieser Technologien eröffnet der Instandhaltung das große Potential, die bedarfsgerechte Verfügbarkeit von Maschinen/Anlagen datenbasiert, effektiver und effizienter gewährleisten zu können. Folglich gewinnt die Instandhaltung künftig einen noch höheren Stellenwert hinsichtlich ihres Beitrags zum Unternehmenswert. Die Basis hierfür bilden digital verfügbare Daten, genauer Betriebs-, Zustands, und Ereignisdaten. Als ein vielversprechender Use Case hat sich hier in den letzten Jahren das Konzept „Predictive Maintenance“ hervorgetan, bei dem mittels Prognosemodellen Ausfallzeitpunkte von Maschinen/Anlagen bzw. deren Komponenten vorhergesagt und entsprechende Instandhaltungsbedarfe abgeleitet werden können. Die resultierende prädiktive Instandhaltungsstrategie zählt zu einem wichtigen Bestandteil der Smart Maintenance. Einblicke in die Praxis zeigen jedoch, dass es vielen Unternehmen aktuell noch schwerfällt, die notwendigen Technologien mit der bestehenden Instandhaltungsorganisation zusammenzuführen. Die dafür notwendigen Entwicklungsschritte, wie sie z. B. der „acatech Indsturie 4.0 Maturity Index“1 beschreibt, sind Unternehmen häufig unbekannt. Zudem fehlen oftmals praxisnahe Einblicke, die über die eigenen Unternehmensgrenzen hinausgehen. Entsprechend neigen viele Unternehmen dazu, auf dem Weg zur Etablierung von Predictive Maintenance das Rad für sich stets neu zu erfinden.
Vor diesem Hintergrund hat das FIR an der RWTH Aachen eine umfangreiche Konsortialstudie zum Thema Smart bzw. Predictive Maintenance erstellt2. Zusammen mit sieben Partnern aus Industrie und Forschung (u.a. Daimler, Evonik und thyssenkrupp Industrial Solutions) konnten vielversprechende Ansätze von erfolgreichen Unternehmen (Top-Performer) identifiziert und durch zusätzliche Fallstudien sowie Unternehmensbesuche, übergeordneten Erfolgsprinzipien definiert werden. Die Ergebnisse unterstützen somit Unternehmen bei der Gestaltung ihrer Aktivitäten.
Die Studie konnte zeigen, dass für die Anwendung datenbasierter Instandhaltungskonzepte, wie Predictive Maintenance, zunächst eine geeignete Basis geschaffen werden muss. Diese setzt sich aus einer (detaillierten) digitale Anlagenstruktur sowie dem systematischen Erfassen von Betriebs-, Zustands- und Ereignisdaten zusammen. Hier konnte den Ergebnissen der Studie entnommen werden, dass Top-Performer viel Aufwand in eine klare, prozessorientierte Datenerfassung investieren und bevorzugt auf vorhandene Standards (z. B. OPC UA) zurückgreifen. Das Abarbeiten dieser „Hausaufgaben“ im ersten Schritt ist für Top-Performer unerlässlich, bevor mit dem Aufbau prädiktiver Fähigkeiten begonnen werden kann. Für das Meistern des nächsten Entwicklungsschrittes, im Sinne des Industrie 4.0 Maturity Index, bedarf es anlagespezifischer Prognosemodelle, mit deren Hilfe potentielle Störungen oder kritische Ereignisse frühzeitig identifiziert werden können. Auch hier hat die Studie angesetzt und konnte so unter anderem die Aufarbeitung schwerwiegender Störungen als einen Haupt-Anwendungsfall für die Datenanalyse identifizieren. Zusätzlich konnte gezeigt werden, dass erfolgreiche Instandhaltungsorganisationen häufig langfristige Partnerschaften mit IT-/Data-Analytics-Dienstleistern eingehen, um so die neuen Technologien agil und flexibel an die eigenen Bedürfnisse anpassen zu können. Hierdurch können Top-Performer sowohl vorhandene Kapazitäts- als auch Know-How-Engpässe auffangen.
Neben der Entwicklung digitaler Kompetenzen liegt das Hauptaugenmerk aus Unternehmenssicht auf dem wirtschaftlichen Potential von Predictive Maintenance – insbesondere in der Einsparung indirekter Instandhaltungskosten (z. B. Ausfallfolgekosten). Allerdings zeigt die Studie, dass erst wenige Unternehmen solche indirekten Kosten – bspw. entgangene Deckungsbeiträge durch Produktionsausfall/Qualitätsverluste oder erhöhte Aufwände für die Neu-/Umplanung des Produktions-/Instandhaltungsprogramms – messen können. Trotzdem können Unternehmen durch den Erfahrungsgewinn im Bereich Datenerfassung/-analyse auf dem Weg zu Predictive Maintenance bereits andere Nutzenpotentiale realisieren, die wiederum zur Steigerung von Produktivität oder Qualität genutzt werden können. In diesem Sinne leistet die Transformation zu Predictive Maintenance vor allem hier einen wichtigen Wertbeitrag für produzierende Unternehmen, der über die reine Vorhersage von Ausfallzeitpunkten hinausgeht.
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Störungen lassen sich auch nicht durch Power-Point-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben. Was dieser Artikel jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
The transformation of the service technician into the customer's most important contact person and the company's most important sales channel requires a sustainable change of the entire company. But the effort is worth it. This insight has already reached many companies, but there is often a
lack of a clear idea of how much such a change challenges existing structures. A fundamental change of the company is only possible if all levels and departments recognize the necessity and have a clear idea of their future corporate culture. It is not enough to write down the new values of the company on a piece of foil, each employee must be able to understand and accept his or her own future role.
Predictive Maintenance ist überall: in den Vorstandsebenen, in unzähligen Veröffentlichungen und auf Messeständen, die vollgepackt mit Softwareapplikationen und Sensorik sind. Der einzige Ort, an dem Predictive Maintenance noch nicht angekommen ist, ist der Shopfloor. Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder - ehrlicherweise - durch diese zweiteilige Artikelreihe beheben. Das FIR an der RWTH Aachen wird jedoch eine Perspektive zeigen, die Entscheider befähigt, eine "informierte" Entscheidung für eine effiziente und effektive Weiterentwicklung ihres Service zu treffen. [Florian Defer, FIR e. V. an der RWTH Aachen]
The maintenance department is an incubator for further developments in many companies and drivers for digital transformation. The basic essence of industry 4.0 is the optimisation of the information flows within and outside the company for accelerated adjustment of corporate organisations in the context of increasing competitive pressure. Due to the multitude of interfaces, information and data streams as well as their service characteristic, the maintenance department is ready to take the next step towards industry 4.0 and smart maintenance.
Despite endless publications and advertisements, the promise of smart maintenance is not technology but productivity. To achieve sustainable transformation, use cases need to be transformed into business cases. For that matter, lighthouse projects are not the key to success but transforming your departments, processes, data management, reporting and so on is. Another big misconception of industry 4.0: Transformational change does not happen with sensors or dashboards but with people. Therefore, companies which already invested in their people, culture and in lean six sigma have a head start. Nevertheless, it is no reason to rest. The journey to smart maintenance is long and no company can truly say that they achieved it already. In order to advance in industry 4.0 a digitisation roadmap is the best tool to show the big picture and at the same time link this vague vision to concrete measures. It is the only way to justify investment in infrastructure and guide your people into change.
But the first two questions on your way to smart maintenance are always the hardest:
1. What do I aim to achieve and how can industry 4.0 contribute to my goals?
What measure am I already pursuing to reach that goal and how do they further my aspirations?
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben. Was diese dreiteilige Reihe jedoch kann, ist, Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können. Um zu verstehen, warum von Predictive Maintenance so viel auf
Folien und so wenig in der Realität sehen ist, ist es wichtig, den Begriff und die Zusammenhänge, die dahinterstehen, zu verstehen. Predictive Maintenance bedeutet Zustandsprognose und hat zum Ziel, die Frage zu klären, wie der Zustand einer Maschine oder Anlage in der Zukunft sein
wird. In diesem einen Wörtchen ‚wird‘ liegt auch die besondere Herausforderung bei der Zustandsprognose. Fangen wir aber vorne an und klären, wie sich die Technologie beziehungsweise das ‚Buzzword‘ Predictive Maintenance in die Industrie 4.0 einfügt. Die Zustandsprognose wird in den Industrie 4.0 Maturity Index der Acatech in die Reifegradstufe 5 ‚Prognosefähigkeit‘ eingeordnet. Die Stufen des Reifegradmodells beruhen darauf, dass jede Stufe mit einer Fähigkeit verbunden ist, welche notwendig für das Erreichen der darauffolgenden ist. Im Folgenden werden daher zusätzlich die Stufen 3 ‚Sichtbarkeit‘ und 4 ‚Transparenz‘ erläutert, da diese aufeinander aufbauen, die Differenzierung der Stufen erleichtern und die Logik des I 4.0 Maturity Index verdeutlichen.
Predictive Maintenance ist überall: in den Vorstandsebenen, in unzähligen Veröffentlichungen und auf Messeständen, die vollgepackt mit Softwareapplikationen und Sensorik sind. Der einzige Ort, an dem Predictive Maintenance noch nicht angekommen ist, ist der Shopfloor.
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben.
Was diese dreiteilige Reihe jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie dadurch ab. Im ersten Teil der Serie haben wir uns im Artikel "Predictive Maintenance – überall, nur nicht am Shopfloor" angeschaut, was "predictive" im Kontext der Instandhaltung bedeutet. Der Weg zu einer Etablierung von Predictive Maintenance in der Produktion ist noch weit, kann sich aber lohnen. Wie das geht, soll der folgende Artikel dadurch vermitteln, dass er aufzeigt, wie eine effektive Entwicklungsstrategie für die Instandhaltung aussehen kann.
Der Weg zum flächendeckenden Einsatz von Predictive Maintenance ist noch weit. Einzelne Anwendungsfälle können jedoch jetzt schon umgesetzt werden und sich auch wirtschaftlich rentieren. Der Aufwand zur Umsetzung betrieben werden muss ist jedoch sehr hoch, daher sollten Projekte nicht unbedarft angegangen werden.
In den letzten Ausgaben haben wir uns angeschaut, was Predictive Maintenance eigentlich ist und wie eine effektive Weiterentwicklung der Instandhaltung aussehen kann. Der folgende Artikel baut darauf auf und soll ein Gefühl dafür vermitteln, welche Anforderungen an die Infrastruktur und Datengrundlage für Predictive Maintenance gestellt werden und mit welchem Aufwand eine Einführung verbunden ist.
Predictive Maintenance als solches ist noch sehr weit weg von einer Plug-and-Play-Lösung und erfordert einen immensen Aufwand, der nicht angestoßen werden sollte, ohne vorher die eigenen Hausaufgaben gemacht zu haben und sich im Klaren über das Kosten-Nutzen-Verhältnis zu sein.
Erfolgsprinzipien der Smart Maintenance – Was wir von den Besten aus der Praxis lernen können
(2019)
Der Industriestandort Deutschland befindet sich im Wandel. Neue, digitale Technologien ermöglichen es, Betriebs-, Zustands- und Ereignisdaten in stetig steigender Menge zu erfassen, aufzubereiten, zu analysieren und für die industrielle Anwendung nutzbar zu machen. Dieser Nutzen zeichnet sich durch die Beschleunigung der unternehmerischen Entscheidungs- und Anpassungsprozesse aus und stellen damit das eigentliche Potenzial von ‚Industrie 4.0‘ dar. An dieser Stelle stehen Unternehmen heute vor der Herausforderung, die Transformation zur Smart Maintenance effektiv und effizient zu gestalten. Zu häufig neigen Unternehmen dazu, „das Rad wiederkehrend neu zu erfinden“, da Praxiseinblicke über die eigenen Standort- und Unternehmensgrenzen hinweg fehlen. Um eben jene benötigten Praxiseinblicke und Erfahrungswerte liefern zu können, wurde am FIR an der RWTH Aachen gemeinsam mit sechs Industriepartnern sowie dem Fraunhofer IML aus Dortmund das „Konsortial-Benchmarking Smart Maintenance“ durchgeführt. Anhand eines eigenen Ordnungsrahmens wurden zentrale Fragestellungen der Smart Maintenance identifiziert und mittels Fragebogenstudie untersucht. Durch die angeknüpfte statistische Auswertung konnte zwischen sogenannten ‚Top-Performern‘ (TP) und ‚Followern‘ (FL) unterschieden werden. In diesem Beitrag werden ausgewählte Ergebnisse der Studie sowie der Interviews den Ebenen des Ordnungsrahmens folgend vorgestellt.
Als größter Berufsverband für Beschäftigte im Kundendienst und im After-Sales-Service innerhalb der DACH-Region verbindet der Kundendienst-Verband Deutschland e. V., kurz KVD, unterschiedliche Akteure im Thema Service, so zum Beispiel aus Wissenschaft und Wirtschaft. Dabei gelingt es dem KVD nicht nur, seine Mitglieder untereinander zu vemetzen, sondern ihnen stets brandaktuelle Inhalte anzubieten. Die enge Kooperation mit Forschungseinrichtungen ermöglicht es dem KVD und seinen Mitgliedern immerwieder, neue Themen und nützliche Werkzeuge für die praktische Anwendung zur Verfügung zu stellen. Schwerpunktmäßig setzt der Verband sich in den letzten Jahren forschungsseitig mit Themen im Bereich einer modernen Serviceorganisation sowie der Digitalisierungvon After-Sales-Services auseinander. Im Forschungskalender auf dieser Doppelseite stellen wir regelmäßig aktuelle Projekte mit KVD-Beteiligung vor und sagen, wie KVD-Mitglieder mitmachen und profitieren können.
Augmented Reality im Service
(2020)
Der gesellschaftliche Umbau zu einer Wissensgesellschaft mit all ihren Implikationen hat Wissen zu dem zentralen Erfolgsfaktor jedes Unternehmens gemacht. Gleichzeitig wird der Fachkräftemangel in den kommenden Jahren immer weiter ansteigen. Schon jetzt sorgt er im Mittelstand für jährliche Umsatzeinbußen von fast 50 Milliarden Euro und gilt als eine der größten Wachstumsbremsen der deutschen Wirtschaft. Die Auswirkungen des Fachkräftemangels zeigen sich insbesondere im technischen Service, wo hoch-individualisierte Maschinen und Anlagen Expertenwissen sowie die Bereitschaft zur stetigen Weiterbildung erfordern.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie ab. In der vorangegangenen Ausgabe haben wir uns im Artikel „Predictive Maintenance: Realitätscheck" angeschaut, was „predictive" im Kontext des technischen Service bedeutet. Der folgende Artikel soll einen Eindruck darüber vermitteln, wie sich dies in einer Servicestrategie einbetten lässt.
Before starting with smart maintenance and machine learning, get things done right. Big data and analytics are a great way to get the most out of your assets, but they are not always the biggest lever and require a solid data foundation. As shown it is possible to get more out of the resources you have with relatively simple tools by applying the right method and bringing together the right people. To turn a computer system into a working tool and take full advantage of the capabilities of modern software solutions, specific steps must be taken, and both management and personnel need to be involved in shaping the future business processes. Only the right processes are able to generate a solid data foundation and enable the RCM method to work and improve asset lifecycle management and overall costs.
Sales-Service - Analytics-basierte Vertriebsunterstützung für Servicetechniker im Maschinenbau
(2020)
Das Projekt hatte zum Ziel, Servicetechniker in den aktiven Vertrieb von Services und Produkten zu integrieren und damit das Vertriebspotenzial aus ihrer regelmäßigen und intensiven Kundeninteraktion zu nutzen. Der Zielstellung standen dabei die in Abbildung 1 dargestellten Hürden gegenüber, welche durch das Projekt gelöst wurden. Hierzu wurde Analytics-basierte Vertriebsunterstützung für Servicetechniker (Algorithmen für Open Source-Software) gestaltet, die ihnen die notwendigen Vertriebsinformationen bereitstellt. Zudem werden Aufbau- und Ablauforganisation (Blueprints & Referenzprozesse) sowie die entsprechenden Managementinstrumente (Balanced Scorecard & Anreizsystem) für einen vertriebsorientierten Service entwickelt. Dabei gliederte sich das Vorgehen in acht Arbeitspakete, welche von den Forschungseinrichtungen nach der beschriebenen Aufteilung, jedoch in enger Verzahnung miteinander, bearbeitet wurden.
In order to cope with the challenges of an increased demand for flexibility, quality and availability of production, maintenance measures provide a major competiveness factor for manufacturing companies. Yet, interdependencies between maintenance and production activities as well as differing target systems within the functional units of an enterprise, especially production and maintenance, raise needs for extended coordination efforts. This paper aims to develop an innovative approach for the coordination between maintenance and production activities for industrial production companies. To achieve this, the novel coordination mechanism is used. It helps to achieve maximised operational availability— for a maximised output of the production system at optimal costs. Based on the developed model, the present paper identifies findings regarding the impact of different maintenance strategies on the medium-term economic efficiency of the production system.
Today, however, agility is seen more than ever as a critical success factor for companies. In times of an increasing degree of digital interconnection and minimum viable products, a mentality is entering the industrial service sector that has so far only been exemplified by Internet companies (e.g. Google): New products and especially digital services are developed in highly iterative processes. To this end, customers are involved in early test phases of development and provide feedback on individual functional modules, which – in contrast to the previous approach – are only gradually assembled into a market-ready “100 percent version”. But especially with the development of new digital services, companies must ensure more than ever that both the existing analog service business and the design of new digital services are geared to effectiveness and efficiency in order to meet the growing demands of customers and competitors.
To achieve this, companies must not only be familiar with the products currently on the market, but also master the entire product history, which in some cases goes back more than 30 years and varies greatly from one industry to another.
Reliability-centered maintenance for production assets is a well-established concept for the most effective and efficient disposition of maintenance resources. Unfortunately, the approach takes a lot of effort and relies heavily on the knowledge of individuals. Reliability data in Computerized Maintenance Management System (CMMS) is scarce and almost never used well. An automated risk assessment system would have the potential to contribute to the dissemination and effective use of risk information and analysis. The individuality of production setting, however, prevents current systems from being practically relevant for most industries. The presented approach combines ontologies to store and link knowledge, an information logistics model displaying the various information streams, and the Internet of production to take the different user systems and infrastructure layers into account. The provided model of a reference digital shadow for risk information and a detailed information logistics model will help software companies to improve reliability software, standardize and enable assets owners to establish a customized digital shadow for their production networks. [https://link.springer.com/chapter/10.1007/978-3-030-57993-7_2]
Die Potenziale einer Smart Maintenance sind vielseitig und reichen von der Bereitstellung bzw. Steigerung der Produktivität und Qualität bis hin zur langfristigen Sicherung interner Kompetenzen. Im Zuge dieser Entwicklung versteht sich die Instandhaltungsorganisation zunehmend als Inkubator interner, digitaler Transformationsprozesse und wird so zu einem essenziellen Wertschöpfungspartner innerhalb des Unternehmens. Mit Hilfe der Smart Maintenance Roadmap wird dieser Weg für produzierende Unternehmen aufgezeigt und umgesetzt. Nach der Bestimmung des Zielsystems und der Positionsbestimmung mit Hilfe des adaptierten Industrie 4.0 Maturity Index werden in der Roadmap alle Projekte entlang der dafür notwendigen Fähigkeiten verortet und umgesetzt.
Die Smart Maintenance befähigt die Mitarbeitenden in der Instandhaltung dazu, datenbasierte Entscheidungen zu treffen, dabei unternehmensinterne und -externe Anspruchsgruppen zu berücksichtigen und so den unternehmerischen und gesellschaftlichen Wertbeitrag der Instandhaltung und des Service zu steigern. In der Fachgruppe Smart Maintenance am FIR entwickeln Expert:innen Modelle, Methoden und Werkzeuge für die umfassende technologische und organisatorische Transformation der Instandhaltung und des Service.
Um den wachsenden Anforderungen an die globalen Wertschöpfungsnetzwerke in Bezug auf Effizienz und Zuverlässigkeit gerecht zu werden, sehen sich produzierende Unternehmen damit konfrontiert, mit minimalem Ressourceneinsatz höchsten Ansprüchen an Qualität und Versorgungssicherheit gerecht werden zu müssen. Dies rückt die zuverlässigkeitsorientierte Instandhaltung als Mittel für den effizienten Ressourceneinsatz bei gleichzeitiger Minimierung von Risiken für die Verfügbarkeit, die Produktivität und die Qualität der Anlagen in den Mittelpunkt einer auf die Zukunft ausgerichteten Instandhaltungsgestaltung. Eine Möglichkeit, die Aufwände und die Erfolgswahrscheinlichkeit für die Einführung und den Betrieb der zuverlässigkeitsorientierte Instandhaltung zu steigern, bietet sich durch die zunehmende, kostengünstige Verfügbarkeit und Auswertbarkeit von Daten. Dadurch wird ein Beitrag für die nachhaltige Steigerung des Wertbeitrags der Instandhaltung für das gesamte Wertschöpfungsnetzwerk geleistet. Die vorliegende Arbeit dient dem Ziel, praktikable Modelle für eine datenbasierte zuverlässigkeitsorientierte Instandhaltung zu schaffen. Dafür werden die Elemente der zuverlässigkeitsorientierten Instandhaltung beschrieben und ihre Zusammenhänge erklärt. Die Beschreibungs- und Erklärungsmodelle werden durch ein Vorgehensmodell ergänzt, welches die praktische Implementierung der datenbasierten zuverlässigkeitsorientierten Instandhaltung in der produzierenden Industrie ermöglicht. Für die Entwicklung und Validierung der Modelle wurde ein intensiver Austausch mit der Praxis über Experteninterviews, Workshops und Projekten gewährleistet. Die entwickelten praxisnahen Modelle leisten damit einen Beitrag für die Verbesserung und Gestaltung von Instandhaltungsprozessen und -organisationen. Darüber hinaus können die Modelle der Gestaltung von Anwendungssystemen für die Entscheidungsunterstützung in der Instandhaltung dienen.
(Quelle: https://www.apprimus-verlag.de/datenbasierte-zuverlassigkeitsorientierte-instandhaltung-von-produktionsanlagen.html)