Refine
Year of publication
Document Type
- Book (6)
- Part of a Book (10)
- Conference Proceeding (21)
- Contribution to a Periodical (11)
- doctorallecture (1)
- Doctoral Thesis (1)
- Lecture (2)
- Report (3)
- Working Paper (6)
Is part of the Bibliography
- no (61)
Keywords
- Additive manufacturing (1)
- Agile (1)
- Agile Development (1)
- Agrarproduktion (1)
- Arbeitssystem (1)
- Auction Mechanism (1)
- Bahntechnik (1)
- Baugewerbe (1)
- Best Practices Instandhaltung (1)
- Business Model (1)
Institute
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.
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)
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.
The change from the traditional to the digital service provider is not easy. The digital maturity level of many industrial companies is still too low to successfully place these digital service innovations on the market. One problem of service development is the increasing involvement of information and communication technology in service development and implementation. The additional technology makes the innovation processes for services on the part of manufacturers increasingly complex by involving different internal and external stakeholders (e.g. IT partners, data protection officers or product development departments). In addition to this, data-driven services also require that manufacturers (e.g. data scientists) develop new competencies in order to use the customer data obtained to increase machine productivity and to offer new business models. Furthermore, industrial companies that want to successfully offer data-driven services must develop new market introduction strategies to create a high degree of acceptance and trust among their customers. This is necessary to get access to relevant data. These and other challenges caused the success rate of companies in regarding the development of new, industrial services to shrink.
To change this, this white paper presents six principles that help industrial enterprises to develop new successful data-driven services.
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.
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.
The FIR at the RWTH Aachen University continuously develops the concept and the principles of RoM further. It is already noticeable that the gap between companies that began preparing their maintenance departments for Industrie 4.0 years ago and those that are still struggling with the mere foundations of a professional maintenance organisation is rapidly increasing.
The first driver of the development sparked by Industrie 4.0 is the collection of and work with condition data. It is used to create a digital shadow of a service, e.g. maintenance measures in a specific
context. In the future, critical machine functions will be monitored continuously within production processes.
Based on these observations, the likelihood of machine failures can be predicted, which makes it possible to prioritize data-based maintenance measures. This means that maintenance activities, i.e. production plans, are based on prognoses regarding machine failures. By doing so, the currently existing separation between inspection, maintenance and reactive measures can be overcome, resulting in a holistic approach to maintenance. Maintenance specialists receive support from assistance systems, which give them access to all relevant information (e.g. machine history, spare part availability, proposals for measures, etc.). As a result, they can take on routine tasks in different areas as well and contribute to the increased flexibility of the production process. Although data is becoming an increasingly important driver of successful maintenance strategies,
maintenance employees continue to be central to specific tasks, machines and systems. In the future, it can be expected that they choose to become experts in a certain field and, ideally, actively share their knowledge with others within an open maintenance culture. Systems for interdisciplinary collaboration will be made part of everyday practice.
The maintenance department will be a center and distributor of knowledge in the agile company of the future.Only through the interaction of the outlined success principles, which amount to a paradigm shift within the maintenance department, the potential
benefit of maintenance as defined by RoM can be fully exploited, creating a long-term competitive advantage for those who consistently follow the path towards Industrie 4.0 in maintenance.
Return on Maintenance
(2017)
Die Instandhaltung, konsequent zu Ende gedacht, ist ein zentraler Treiber für den Unternehmenswert und damit für viele produzierende Unternehmen ein strategischer 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.
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.