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.
Das Ziel des Forschungsprojekts ToMiC war die Entwicklung einer Typologie zum lebenszyklusorientierten Management unternehmensinterner Communitys wissensintensiver Dienstleister. Jene befähigt insbesondere kleine und mittlere Unternehmen erstmals dazu, die aktuelle Lebensphase der eigenen Social-Software-basierten Community zu bestimmen. Die vorliegende Veröffentlichung ist der Abschlussbericht dieses Projekts.
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?
Increasing productivity in product-service systems is a vital success factor for industrialized economies and individual businesses. The service production is typically described as an integrated value chain setting, in which the provider and the customer are co-creators.
This paper embraces a characteristic curve model in order to illustrate the influence of the customer on the productivity of service production. The characteristic curves are derived from a system dynamics simulation model for a synchronized takt-based service production. In conclusion this research leads to designs recommendations for service production systems in order to reduce lead times and increase adherence to delivery dates.
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.
Nowadays, providing purchasable goods is not enough for a company to survive on the global market. Because of competitive prices and a large range of products available, companies need to offer additional benefits to their customers in order to create a unique selling point. They add services to their product portfolio and offer clients the opportunity to acquire an additional service solution to go with it. The offered services need to fit to the customer's needs, resulting in a variety of available services, great complexity of the service range and decreasing transparency of the resource utilization. This paper addresses the problem by identifying variant-creating factors in product service systems, transferring them into an organizational framework and verifying their significance.
KVD-Service-Studie 2017
(2017)
Eine der bedeutendsten Domänen der digitalen Transformation sind Daten. Für Unternehmen ist die Generierung von Informationen und Wissen aus Daten ein zentraler Erfolgsfaktor. Wer weiterhin wettbewerbsfähig sein will, muss ihren Wert erkennen und diese für sein Geschäftsmodell nutzbar machen. Welche Auswirkungen ergeben sich daraus für die Serviceorganisation? Um die aktuellen Trends der Datennutzung im Service zu analysieren, liegt der Schwerpunkt der diesjährigen Service-Studie, die vom KVD zusammen mit dem FIR durchgeführt wurde, auf dem Themenkomplex "Datennutzung und -potenziale im Service".
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]
This chapter examines the question of the contribution of smart services for companies and the implications this has for the management of these business models. The chapter starts by outlining the different terminology used to describe smart services and introduces a business-driven view on the digitalization strategy of a company. The characteristic features of digital business models are explained as well as their implications for the management of smart service organizations. [https://link.springer.com/chapter/10.1007/978-3-030-58182-4_4]
Process Characteristics and Process Performance Indicators for Analysis of Process Standardization
(2018)
Industrial service companies deliver technically complex services (inspection, maintenance, repair, improvement, installation) for an enormous variety of technical assets in the chemical, steel, food and pharmaceutical industry. This variety of assets leads to a corresponding variety of service processes. To ensure competitiveness, the management of industrial service companies aims to increase the service process efficiency, especially through service process standardization. However, decision-makers struggle to make knowledge-based decisions on service process standardization because ex-ante the cost-benefit ratios of process standardization are unknown. The missing understanding of cost-benefit ratios of process standardization is caused by a missing understanding, which interdependencies exist between process characteristics and process performance indicators. Thus, the objective of this paper is to determine suitable characteristics and performance indicators to measure the way service provision processes are executed in the industrial service sector. The results represent the basis for executing an empirical questionnaire study focusing on the execution of service provision processes and identifying the cause-effect relations of process standardization.
Smart Maintenance
(2018)
Für die industrielle Produktion haben sich im Verlauf der letzten Jahrzehnte einige Tendenzen ausgebildet, die umfangreiche Veränderungen hervorrufen werden. Die momentane Entwicklung ist vor allem durch die zunehmende Dynamik der Produktlebenszyklen und die Durchdringung industrieller Wertschöpfung mit neuen Technologien geprägt. Hierfür ist die hoch flexible, verfügbare und zuverlässige Produktion zwingende Voraussetzung. Zur Bewältigung dieser Herausforderungen der Industrie 4.0 steht die Smart Factory im Mittelpunkt. Intelligente digital anschlussfähige Maschinen und Produkte sind miteinander vernetzt und können aktiv kommunizieren. Dadurch werden Anlagen technisch immer komplexer und neue Kommunikationssysteme immer umfangreicher. [https://link.springer.com/chapter/10.1007/978-3-662-53135-8_24]