Refine
Document Type
- Book (5)
- Part of a Book (9)
- Contribution to a Periodical (11)
- Doctoral Thesis (1)
- Lecture (1)
- Report (3)
- Working Paper (3)
Language
- German (33) (remove)
Is part of the Bibliography
- no (33)
Keywords
- Agrarproduktion (1)
- Arbeitssystem (1)
- Bahntechnik (1)
- Baugewerbe (1)
- Best Practices Instandhaltung (1)
- CSS 2.0 (1)
- Customer-Service-Scorecard (1)
- Daten (1)
- Datenbasierte Dienstleistungen (1)
- Dienstleister (1)
Institute
Die Instandhaltung, konsequent zu Ende gedacht, ist ein zentraler Treiber für den Unternehmenswert und wird damit für viele produzierende Unternehmen zum strategischen Erfolgsfaktor. Da für die meisten Unternehmen ein umfangreicher Mitarbeiter- und Ressourcenaufbau nicht in Frage kommt, stehen diese Unternehmen vor der Herausforderung, den Wertbeitrag vorhandener Mitarbeiter und Ressourcen zu maximieren. Dies führt zum Konzept Return on Maintenance (RoM). Der Wertbeitrag der Instandhaltung geht dabei über die reine Herstellung von Verfügbarkeit zu möglichst geringen Kosten weit hinaus. Zielgrößen wie Ausschussrate, Energieeffizienz, Materialeffizienz aber auch die Minimierung von Rüstzeiten zeigen die vielfältigen Zielgrößen der Instandhaltung auf.
Der Wandel vom traditionellen zum digitalen Dienstleister ist nicht ohne weiteres zu vollziehen. So ist der digitale Reifegrad vieler Industrieunternehmen noch zu gering, um diese digitalen Service-Innovationen erfolgreich am Markt zu platzieren.
Ein Problem der Dienstleistungsentwicklung ist die zunehmende Einbindung von Informations- und Kommunikationstechnologie in die Dienstleistungsentwicklung und -durchführung. Die zusätzliche Technologie lässt die Innovationsprozesse für Dienstleistungen auf Seiten der Hersteller immer komplexer werden, indem unterschiedliche interne und externe Stakeholder einbezogen werden müssen (z. B. IT-Partner, Datenschutzbeauftragte oder die Produktentwicklung). Zudem erfordern datenbasierte Dienstleistungen den Aufbau neuer Kompetenzen beim Hersteller (z. B. Data-Scientists), um die gewonnenen Kundendaten zur Steigerung der Maschinenproduktivität nutzen und neue Geschäftsmodelle anbieten zu können. Darüber hinaus müssen Industrieunternehmen, welche erfolgreich datenbasierte Dienstleistungen anbieten wollen, neue Markteinführungsstrategien entwickeln, um bei den Kunden ein hohes Maß an Akzeptanz und Vertrauen zu schaffen und so an relevante Daten zu gelangen. Diese und weitere Herausforderungen lassen die Erfolgsquote von Unternehmen bei der Entwicklung neuer, industrieller Dienstleistungen stetig schrumpfen. Im vorliegenden Whitepaper werden sechs Prinzipien aufgezeigt, die Industrieunternehmen als Hilfestellung bei der Entwicklung neuer, datenbasierter Dienstleistungen dienen.
Baustelle der Zukunft
(2017)
Der Handwerker auf der Baustelle bereitet einen Durchbruch für ein Abwasserrohr vor. Per Virtual-Reality-Brille misst er die Wand aus und bekommt den Punkt markiert, an dem er die Bohrmaschine ansetzen muss. Das entsprechende Werkzeug wurde ihm kurz zuvor per Drohne zu seinem Arbeitsplatz transportiert. Jene ist nun mit weiterem Zubehör auf dem Weg zu seinem Kollegen auf der anderen Seite der Baustelle. Nach erfolgter Bohrung hört er per Headset seine neuesten Arbeitsaufträge, die sein Vorgesetzter ihm vorliest, während er dabei sein Werkzeug zusammenpackt. Nebenan trägt derweil ein mobiler Roboter per 3D-Druckverfahren eine Wand im Trockenbau auf. Gleichzeitig liefert am Tor ein Lkw das Abwasserrohr an, das eine Stunde später in dem gebohrten Loch verbaut werden soll. Was auf den ersten Blick nach Science-Fiction klingt, könnte in ein paar Jahren auf den meisten Baustellen tatsächlich Wirklichkeit werden.
Im Bereich der industriellen Dienstleistungen kommt dem produktivitätsorientierten Management eine zentrale Bedeutung zu. Zur Erhaltung der Wettbewerbsfähigkeit müssen industrielle Dienstleister die Produktivität der Dienstleistungsproduktion steigern und gleichzeitig eine hohe Dienstleistungsqualität sicherstellen. Als problematisch erweist sich dabei zunächst, dass das klassische industrielle Produktivitätsverständnis nicht ohne weiteres auf industrielle Dienstleistungen übertragen werden kann. Zusätzlich ist zu berücksichtigen, dass aufgrund des menschlichen Arbeitsverhaltens nichtlineare, sich wechselseitig beeinflussende Wirkungszusammenhänge auftreten. Das übergeordnete Ziel dieser Arbeit besteht darin, Unternehmen zu befähigen, die Produktivität in der Dienstleistungsproduktion zu steigern. Das konkrete Ziel dieser Arbeit besteht in der Erklärung des Verhaltens von Dienstleistungsproduktionssystemen unter Berücksichtigung des menschlichen Arbeitsverhaltens und der Abbildung der Wirkungsweise auf Basis von Kennlinien. Als Grundlage für die Entwicklung des Kennlinienmodells wurden die Anforderungen der industriellen Dienstleistungsproduktion an ein Kennlinienmodell in Form eines geeigneten Zielsystems ermittelt. Darauf aufbauend wurde ein produktionstheoretisches Modell der industriellen Dienstleistungsproduktion entwickelt. Das Modell stellt den notwendigen produktionstheoretischen Rahmen für die nachfolgende Erklärung des Systemverhaltens dar. Anschließend wurde ein systemdynamisches Modell entwickelt, welches die Ursache-Wirkungsbeziehungen der Dienstleistungsproduktion unter Berücksichtigung des menschlichen Arbeitsverhaltens erklärt. Durch die Überführung des Modells in ein ablauffähiges Simulationsmodell konnten die erklärten Effekte quantifiziert und anschließend in mathematische Näherungsgleichungen eines Kennlinienmodells überführt werden. (Quelle: Apprimus Verlag)
Ziel des Forschungsvorhabens CSS 2.0 war es, kleine und mittlere Unternehmen (KMU) dabei zu unterstützen, die Effizienz und Effektivität ihres Kundenservices durch den Einsatz von Social Media zu verbessern. Hierfür wurde ein Self-Assessment-Tool zur Bewertung und Prognose des Nutzenbeitrags des Social-Media-Einsatzes im Kundenservice entwickelt. Der Fokus des Forschungsvorhabens lag auf der Betrachtung des externen Social-Media-Einsatzes an der Schnittstelle zwischen Unternehmen und Kunden.
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.
Vor dem Hintergrund der zunehmenden Bedeutung und der besonderen Herausforderungen beim Betrieb von Offshore-Windenergieanlagen war das übergeordnete Ziel des Forschungsvorhabens DispoOffshore die Steigerung der Verfügbarkeit und Rentabilität von Offshore-Windparks. Der Fokus des Forschungsvorhabens lag auf der Entwicklung eines intelligenten und effizienten Dispositionswerkzeugs für die interaktive und dynamische Aufgaben- und Ressourcensteuerung in Offshore-Windparks, das zum Ziel hat, die anfallenden Aufgaben in einen Offshore-Windpark möglichst effizient zu disponieren. Hierbei kam der Betrachtung der Ablauf- und Aufbauorganisation der Instandhaltungsorganisation eines Windparks und die ergonomische Gestaltung der Software eine besondere Bedeutung zu.
Kleine und mittlere Unternehmen (KMU) stehen zunehmend vor der Herausforderung, im Wettbewerb immer komplexer und volatiler werdenden Leistungen des After-Sales-Service zu bestehen. Ein Erfolgsfaktor ist die Veränderungsfähigkeit bzw. die stetige Adaption des eigenen Serviceportfolios. Um KMU bei der Identifikation notwendiger Anpassungen ihres Serviceportfolios, bei deren Bündelung, Management und Umsetzung zu unterstützen, wurde das Forschungsprojekt „ReleasePro" gestartet. Im Zuge dieses Vorhabens erfolgt die Entwicklung eines systematischen Service-Release-Managements für KMU.
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.