Refine
Document Type
- Conference Proceeding (16)
- Contribution to a Periodical (11)
- Working Paper (9)
- Part of a Book (6)
- Report (6)
- Article (2)
- Book (2)
- Lecture (2)
- doctorallecture (1)
- Doctoral Thesis (1)
- Internet Paper (1)
Language
- German (33)
- English (23)
- Multiple languages (1)
Is part of the Bibliography
- no (57)
Keywords
- 02 (1)
- 3D-Druck (1)
- AR (1)
- Additive Fertigung (1)
- Additive manufacturing (1)
- After-Sales (1)
- Arbeit 4.0 (1)
- Arbeitsgestaltung (1)
- Arbeitswelt 4.0 (1)
- As-a-Service (1)
Institute
Customer Lifetime Value
(2020)
Das Projekt LBM²-Load Based Monitoring and Maintenance erforschte die Einsatzfähigkeit einer kostengünstigen Lastsensorik zur Messung und Analyse von Restlebensdauerdaten für Großkomponenten an Windenergieanalgen (WEA). Da aktuell im Einsatz befindliche Condition-Monitoring-Systeme zur Überwachung von WEA oft teuer in der Anschaffung sind und lediglich vergangenheitsorientierte Informationen liefern, sobald ein kritischer Zustand bereits eingetreten ist, besteht der Bedarf insbesondere für KMU in der WEA-Branche für eine kostengünstige, proaktive Alternative. Hierzu wird im Projekt LBM² der Einsatz einer kostengünstigen, auf Dehnungsmessstreifen basierenden Messtechnologie erforscht, die über einen langen Zeitraum in einem Testwindpark betrieben wird. Die Erkenntnisse zu den Herausforderungen in der Spezifikation der Messtechnologie für den WEA-Typ sowie in der kontinuierlichen Datenerfassung und –auswertung adressieren ein aktuell hochrelevantes Themenfeld. Die Implikationen der Erkenntnisse gehen damit weit über die Branche der Windenergie hinaus. Mittels der gewonnenen Daten über die Lasten bzw. Restlebensdauern von Großkomponenten der WEA (z.B. Getriebe, Hauptwelle oder Hauptlager) wurden zudem deren Einsatzpotenziale für eine proaktivere, vorausschauende Instandhaltung von WEA untersucht. Die Instandhaltung ist der Hauptkostentreiber im Betrieb einer WEA und bietet demnach großes Potenzial für einen kosteneffizienteren Betrieb, der speziell für KMU in einem umkämpften Strommarkt mit wegfallenden EEG-Zulagen notwendig ist. Hierzu wurden im Projekt LBM² Instandhaltungsprozesse für WEA-Großkomponenten aufgenommen. Diese wurden in einer Simulationsumgebung hinsichtlich verschiedener, kosteneffizienter Instandhaltungsstrategien untersucht. Dazu wurde der Einfluss von Restlebensdauern auf spezifische Instandhaltungsstrategien abgebildet. Weiterhin wurden die Projektergebnisse in einen Softwaredemonstrator überführt, der den Anwendern und speziell KMU eine Möglichkeit an die Hand gibt, die Daten der kostengünstigen Lastsensorik in Zukunft übersichtlich visualisiert und mit relevanten Handlungsempfehlungen für eine optimierte Instandhaltung hinterlegt zu nutzen.
Die digitale Vernetzung ist von großer Bedeutung für das Servicegeschäft im Maschinen- und Anlagenbau. Durch neue Möglichkeiten der wirtschaftlichen Datenerfassung, -speicherung und –verarbeitung können auf die Kundenbedürfnisse ausgerichtete Smart Services entwickelt werden. Diese Smart Services stellen die höchste Form datenbasierter Geschäftsmodelle dar. Unternehmen müssen diese Potenziale erkennen und relevante Handlungsfelder im Unternehmen weiterentwickeln, um erfolgreich in der Smart-Service-Welt zu agieren.
Industrial service is currently undergoing tremendous changes, largely driven by the development of new technologies, in particular the advancing digitalization. Never before have organizations had more comprehensive and insightful data assets - and never before have the opportunities to fully exploit this potential been better. However, most companies are unaware of how they can make use of this potential and which development steps are necessary to react to the current situation. To change this, a maturity-based approach was developed which describes four development stages of an industrial service company from a technological, organizational and cultural point of view. The maturity model makes it possible to develop a digital roadmap that is tailormade to each company, which helps to introduce Industrie 4.0 and transform industrial service companies into learning, agile organizations.
Through data-based insights into customer behavior, products and service offers can be improved. For manufacturing companies, smart product-service systems (SPSS) offer the possibility to collect customer data during the usage phase of the product. As the focus on customer analytics is too often on sales and marketing, SPSS are overlooked as a source of customer data. However, manufacturing companies need to integrate data from all interactions with their customers along the complete customer journey to achieve a holistic data-based view of the customers. To identify these interactions and the customer data derived from them, the concept of a digital shadow will be applied to the customer journey. The projected results for the presented work in progress are a reference process model for the customer journey in manufacturing and a data model of the customer data created along this process.
This chapter addresses the market launch and sales of smart services. It opens with an introduction of the new challenges that the market launch of smart services creates for companies. Then follows the discussion of a four-phase approach to the market launch of smart services. Subsequently, successful practices are presented for this approach along eight design fields of the market launch. [https://link.springer.com/chapter/10.1007/978-3-030-58182-4_8]
Durch den Einsatz additiver Fertigungsverfahren werden Wertschöpfungsketten zu Wertschöpfungsnetzwerken in denen produzierende Unternehmen, industrielle Dienstleister sowie Softwareanbieter auf digitalen Plattformen kooperieren. Die Arbeitsteilung zwischen Produzenten, Zulieferern und Dienstleistern sowie die zugrundeliegenden Geschäftsmodelle unterliegen einem radikalen Wandel. Dabei müssen die Veränderungen vor allem als Potenzial für neue Geschäftsmodelle genutzt werden. An dieser Stelle setzt das Forschungsvorhaben 'Add2Log' an.
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.
Damit Unternehmen die Potenziale von Smart Services nutzen können, müssen intelligente Objekte, technische Infrastruktur und Geschäftsmodelle kombiniert werden. Smart Services sind datenbasiert und erfordern daher eine integrierte Berücksichtigung von Hard- und Software. Sie stellen die höchste Ausbaustufe digitaler, datenbasierter Geschäftsmodelle dar. Für die erfolgreiche Entwicklung von Smart Services bedarf es daher anderer Ansätze als bei der klassischen industriellen Dienstleistungsentwicklung. In einem breit angelegten Benchmarking konnte diese Erkenntnis bestätigt werden. Als Kernergebnis wurden fünf Prinzipien für die erfolgreiche Entwicklung von Smart Services abgeleitet.
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.
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.
Operating and maintenance costs, which account for 25% of total costs, are a powerful lever in reducing the electricity generation costs of onshore wind turbines (WT). These costs can be reduced by a condition-orientated maintenance approach. A condition-oriented maintenance strategy optimizes maintenance tasks by executing them with varying levels of detail and focus depending on the system and life cycle phase. OEMs evaluate operating data and structured data from the maintenance history for this purpose, but SMEs lack the capacity for this evaluation. In particular, the unstructured descriptive comments in the maintenance reports generated by service technicians remain unused. In this work, we propose a framework to incorporate this information from the maintenance reports along with the status records from the SCADA system. For this purpose, a mechanism has to be developed to make the contents of the service reports machine-evaluable. The mechanism used in this approach is an ontology, which enables the codification of implicit knowledge such as the experience knowledge of the service technicians. The ontology’s purpose is to link status codes of onshore WT with historical maintenance reports and thereby enabling an automated evaluation. Using an API (application programming interface), the ontology can be integrated into an algorithm to analyse status data and maintenance documents. In this manner, recommendations for actions can be derived and maintenance tasks can be optimized.
Agilität gilt als zentrale unternehmerische Fähigkeit, um Veränderungen proaktiv zu erkennen und diese schnell und effektiv zu vollziehen. Industrie 4.0 bietet Unternehmen das Potenzial dies zu beherrschen und schnell auf Ereignisse zu reagieren. Die Vision ist ein agiles, lernendes Unternehmen, welches in der Lage ist, sich einer wandelnden Umwelt kontinuierlich anzupassen. Dies bedeutet für Unternehmen die Nutzung von Optimierungspotentialen durch eine durchgängige, intelligente Vernetzung von Menschen, Maschinen und Objekten. Dabei wächst die Bedeutung der Instandhaltung, indem sie die Funktionsfähigkeit immer stärker vernetzter und technisch komplexer werdenden Anlagen sicherstellt. Die technologischen Elemente von Industrie 4.0 kombiniert mit einer zukunftsfähigen Instandhaltung befähigen den Wandel zu einem agilen, lernenden Unternehmen.
Die Umsetzung der Potenziale, die mit Industrie 4.0 einhergehen, werden von den Unternehmen erkannt und nehmen vielfach ein strategisches Zukunftsfeld ein. Allerdings erreicht ein Großteil, der in diesem Kontext definierten technologie-basierten Projekte nicht die gewünschten Resultate. Der Hauptgrund für das Scheitern der Transformationsprojekte besteht in kulturellen Hürden. Die digitale Transformation hat keinesfalls nur eine überwiegend technologische Dimension, sondern vor allem eine kulturelle und soziale Dimension, die über den Erfolg der digital induzierten Veränderung endscheidet.
Vor diesem Hintergrund besteht das Ziel der Dissertationsschrift in der Gestaltung von Reifegraden der Unternehmenskultur für die Entwicklung eines agilen, lernenden Unternehmens und deren Anwendung am Beispiel der Instandhaltung. Dazu werden die technologischen Entwicklungsstufen einer Instandhaltungsorganisation im Kontext von Industrie 4.0 beschrieben. Hierzu wird der Einfluss technischer Entwicklungen auf die Kern- und Supportprozesse einer Instandhaltungsorganisation untersucht. Ergebnis ist eine Beschreibung der Instandhaltung auf vier Entwicklungsstufen bis zur agilen, lernenden Instandhaltungsorganisation. Basierend auf dieser Beschreibung wird die Unternehmenskultur ausgestaltet, die zur Realisierung der technologisch-induzierten Potenziale notwendig ist. Abschließend wird mithilfe geeigneter Instrumente ein Kulturentwicklungsprozess abgeleitet, welcher eine erfolgreiche Entwicklung und das kontinuierliche Management der Unternehmenskultur zur Steigerung der Agilität im Kontext von Industrie 4.0 ermöglicht.
Industrie 4.0 ist in den Bilanzen deutscher Industrieunternehmen aktuell noch nicht angekommen. Seit der Einführung des Begriffs „Industrie 4.0“, als Bezeichnung für die massenhafte Verbindung von Informations- und Kommunikationstechnologien mit der industriellen Produktion, wird das Thema national wie international in Wirtschaft und Forschung in zahlreichen Initiativen und Projekten behandelt. Enorme wirtschaftliche Potenziale wurden und werden in diversen Studien beziffert, um den revolutionären Charakter dieser Entwicklung zu unterstreichen.
Monetizing Industry 4.0: Design Principles for Subscription Business in the Manufacturing Industry
(2019)
Subscription business models have a major role for monetizing products and services for manufacturing companies in the age of Industry 4.0. As the manufacturing industry has difficulties generating revenues through digitalization, the implementation of innovative business models are essential to remain successful. Physical assets are often capital-intensive and require a more complex manufacturing process than subscription business models. Moreover, subscription models can focus on the individual customer benefit and a consistent service transformation, constituting a unique selling proposition and a competitive advantage. Hence, the following paper provides a management model that enables manufacturing companies to successfully realize the transformation towards a subscription business model. The management model presents four major fields of action, each matched with one design principle that must be considered when dealing with subscription models in the manufacturing industry. These principles were determined by an in-depth case study analysis among various manufacturing companies. Opportunities, challenges and recommendations for action were then systematically derived and integrated into the management model.
The rapid developments in information and communication technology enable new bus iness models that are based on digital platforms. Marketplaces such as Amazon or Airbnb have already adapted this business model to connect previously unconnected supply-side and demand-side to conduct a business transaction via a digital platform. Due to Industrie 4.0 and the rapid technological development that comes with it, digital platforms have entered the market within the area of the mechanical engineering. Different platform types exist, such as marketplaces for machine equipment or digital data platforms for connected machines. Although numerous companies claim to offer platform-based bus iness models, they often lack knowledge on individual business model components. To close this gap, this paper structures a variety of existing platforms based on their detail characteristics. Within this paper, existing typologies of digital platforms from other industry areas are analyzed. Case study research ofplatforms within the mechanical engineering is used to adjust these typologies and create a new one for digital platforms within the mechanical engineering.
Industrial food production represents one of the largest industries, accounting for a share of ten percent of the world’s gross domestic product. Simultaneously, it is responsible for 26 percent of global greenhouse gas emissions. Due to increasing CO2 taxes and population’s call for sustainability and CO2 reduction, it is facing challenges in terms of economic profitability and stakeholder demands. These challenges could partly be overcome by participating in data ecosystems in which data are refined as data products, understood, exchanged and monetized as economic goods. Despite large amounts of data, collected parenthetically along the value chain in food production, potentials of data analytics and data ecosystems are only marginally exploited. Food production mainly focuses on traditional, product-centric business models. This work shows the conceptualization of a data ecosystem for food production, enabling data-based business models. Therefore, resources, ac- tors, roles and underlying relationships of future ecosystem are analyzed. Building on these, corresponding architectural and analytical artifacts that support data ecosystem exploitation are presented. A food production data ecosystem is exemplified by applying data analytics to compressor data, which reveals high potentials for CO2 reduction.