Refine
Year of publication
Document Type
- Article (4)
- Book (3)
- Part of a Book (22)
- Conference Proceeding (4)
- Contribution to a Periodical (14)
- doctorallecture (1)
- Doctoral Thesis (1)
- Lecture (3)
- Internet Paper (4)
- Report (2)
Language
- German (64) (remove)
Is part of the Bibliography
- no (64) (remove)
Keywords
- 02 (4)
- Aachener PPS-Modell (1)
- Abschlussbericht (1)
- Adherence To Delivery Dates (1)
- After-Sales-Service (1)
- Anlaufmanagement (1)
- Arbeit 4.0 (2)
- Arbeitsgestaltung (2)
- Automobilindustrie (1)
- BITKOM (1)
Institute
In immer komplexer werdenden Wertschöpfungsketten wird die Geschwindigkeit, mit der Informationen weitergegeben und entsprechende Maßnahmen umgesetzt werden können, zu einem entscheidenden Wettbewerbsvorteil. In der Realität kommt es jedoch auf dem Weg zwischen einem Ereignis und einer passenden Reaktion zu verschiedenen zeitlichen Verzögerungen, sogenannten Latenzen, die die Agilität eines Unternehmens erheblich hemmen. Insbesondere das Supply-Chain-Management mit seiner koordinierenden Funktion wird dadurch vor enorme Herausforderungen gestellt. Schlüsseltechnologien im Zeitalter von Digitalisierung und Industrie 4.0 bieten jedoch enorme Potenziale, die verschiedenen Formen von Latenzen zu reduzieren. Der Beitrag untersucht die unternehmensübergreifenden Effekte dieser Verzögerungen entlang der Supply-Chain und beleuchtet darüber hinaus die Potentiale konkreter digitaler Technologien auf selbige.
The development of renewable energies and smart mobility has profoundly impacted the future of the distribution grid. An increasing bidirectional energy flow stresses the assets of the distribution grid, especially medium voltage switchgear. This calls for improved maintenance strategies to prevent critical failures. Predictive maintenance, a maintenance strategy relying on current condition data of assets, serves as a guideline. Novel sensors covering thermal, mechanical, and partial discharge aspects of switchgear, enable continuous condition monitoring of some of the most critical assets of the distribution grid. Combined with machine learning algorithms, the demands put on the distribution grid by the energy and mobility revolutions can be handled. In this paper, we review the current state-of-the-art of all aspects of condition monitoring for medium voltage switchgear. Furthermore, we present an approach to develop a predictive maintenance system based on novel sensors and machine learning. We show how the existing medium voltage grid infrastructure can adapt these new needs on an economic scale.
Es ist davon auszugehen, dass einfache, repetitive Tätigkeiten in absehbarer Zeit in zunehmendem Maße automatisiert werden. Daher wird für Beschäftigte, die maßgeblich mit diesen Tätigkeiten betraut sind, Qualifizierung zu einem zentralen Faktor. Darüber hinaus wird es für einen großen Teil der Höherqualifizierten zu einer deutlichen Verschiebung der Qualifikationsanforderungen sowie zu einer zunehmenden Informatisierung der Arbeit kommen. Der Buchbeitrag von Volker Stich, Gerhard Gudergan und Roman Senderek verdeutlicht, dass angesichts dieser Herausforderungen für die Unternehmen, das arbeitsnahe Lernen eine Möglichkeit darstellt, Menschen und Unternehmen für den aktuellen industriellen Wandel zu befähigen. Hierbei sind nach Ansicht der Autoren jedoch zunächst Arbeits- und Produktionssysteme zu schaffen, die lernförderlich geplant und gestaltet sind. Um dies zu ermöglichen, bedarf es einer Kategorisierung der verfügbaren arbeitsorientierten Lernformen und insbesondere neuer technologiegestützter Lernformen. Darüber hinaus sind die Rahmenbedingungen und Voraussetzungen von Unternehmen zu prüfen und im Hinblick auf die Anwendung der verschiedenen Lernformen zu bewerten. Eine Systematik hierfür und die Erfahrungen bei der Implementierung von arbeitsorientierten Lernformen bei vier Unternehmenspartnern schließen diesen Beitrag ab.
Eine Herausforderung für produzierende Unternehmen in der Entwicklung intelligenter Produkte besteht darin, dass die Zielstellung, die mit einem intelligenten Produkt verfolgt wird, nicht expliziert ist. Zudem ist oftmals nicht spezifiziert, in welchem Anwendungsfall ein intelligentes Produkt agieren soll. Produzierende Unternehmen benötigen Unterstützung, um eine zielorientierte und folglich wirtschaftliche Melioration existierender Produkte zu gewährleisten. Ebendiese Melioration wird im Kontext von intelligenten Produkten als Smartifizierung bezeichnet und stellt damit einen Entwicklungsprozess dar, der ein bestehendes Produkt als Ausgangssituation im Sinne einer Anpassungskonstruktion expliziert. Die originäre Produktfunktion wird folglich nicht verändert, sondern das Produkt um digitale Funktionen und Dienstleistungen erweitert. Der Artikel befasst sich daher erstens mit der Beschreibung generischer Ziele für den Einsatz intelligenter Produkte im Maschinenbau. Eine Zusammenstellung und Erläuterung solcher Ziele unterstützt Unternehmen, eine Präzisierung der Zielfestlegung in der Initiierungsphase eines Smartifizierungsprojekts durchzuführen. Zweitens wird unter Anwendung der Ziel-Mittel-Beziehung ein Anwendungsfall intelligenter Produkte beschrieben. Abschließend werden beide Aspekte in einer Methode zusammengefasst, wie mittels Ziel- und Anwendungsfallbetrachtung Anforderungen abgeleitet und wie diese Elemente in Vorgehensmodelle der Produktentwicklung eingebettet werden können. Exemplarisch wird anhand eines Energiekompensators aufzeigt, wie die Methode und die sich daraus ableitenden Ergebnisse im Smartifizierungsprozess zur Entwicklung eines intelligenten Energiekompensators eingesetzt werden.
Raus aus der Schockstarre!
(2019)
Nie war die Stellung von vermeintlichen Marktführern unsicherer als im Zeitalter der Digitalisierung. Die neuen technischen Möglichkeiten, in innovativen Geschäftsmodellen Wert aus der explodierenden Datenmenge zu schöpfen, wirbeln den Markt durcheinander. Wer mit dem technischen Wandel nicht mitgeht, riskiert, rasch abgehängt zu werden. Die gute Nachricht: Der Weg zur Industrie 4.0 ist ein Weg der kleinen Schritte. Überschaubare Maßnahmen heute sind allemal besser als der ganz große Wurf übermorgen.
Machine Learning
(2019)
Störungen und Änderungen des Produktionssystems führen zu Kosten und Aufwänden, bieten jedoch auch die Chance zur kontinuierlichen Verbesserung.
Um Änderungsanfragen zu erfassen, können etablierte Ansätze genutzt werden. Diese vernachlässigen jedoch die Anforderungen, denen sich ein Produktionssystem im Zeitalter der Digitalisierung ausgesetzt sieht. Der vorliegende Beitrag stellt einen Ansatz zur standardisierten Erfassung von Änderungsanfragen vor, welcher die Ausgangsbasis für die Bewertung von Änderungsanfragen in bestehenden IT-Systemen bietet.