Dienstleistungsmanagement
Filtern
Erscheinungsjahr
- 2019 (53) (entfernen)
Dokumenttyp
- Zeitschriftenartikel (19)
- Konferenzveröffentlichung (8)
- Beitrag in Sammelbänden/Enzyklopädien (7)
- Abschlussbericht (5)
- Buch (Monographie/Herausgeberwerk/FIR-Editionsband/DIN-SPEC) (4)
- Vortrag Industrie/Forschung (3)
- Whitepaper/Positionspapier/Expert-Paper (3)
- Doktorvortrag (2)
- Dissertationsschrift (2)
Gehört zur Bibliographie
- nein (53)
Schlagworte
- After-Sales (1)
- Agile (1)
- Agile Development (1)
- Agile Entwicklung (1)
- Agrarproduktion (1)
- Arbeit 4.0 (3)
- Arbeitsgestaltung (4)
- Ausführungsprozess (1)
- Automotive (3)
- Best Practices Instandhaltung (1)
Institut / FIR-Bereiche
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]
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.
Smart Service Engineering
(2019)
In our digitalized economy, many traditional service engineering models lack flexibility, efficiency and adaptability. As today’s market differs significantly from the market of the late 20th century, service engineering models must meet different requirements today than they had to meet in the past. The present paper starts off by providing an overview of the requirements that modern service engineering models need to fulfill in order to succeed in today’s economic environment. Afterwards, three promising models that meet several of these requirements will be introduced.
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.
Service Engineering Models
(2019)
Since the field of service engineering emerged in the late 20th century, the service industry has undergone drastic changes. Among the reasons for these changes is the increasing digitalization, which has made it difficult for companies to successfully develop new service offerings. While numerous service engineering models are available to provide guidance during the design of new services, many of them cannot keep up with the requirements of today’s economic environment. The present paper examines the requirements that service engineering models need to meet in order to be suitable guidelines for the digital age. To this end, the introduction illustrates how digitalization has changed the service industry. Afterwards, selected service engineering models and related norms are presented. Finally, a set of requirements for modern service engineering models derived from best practices from recent years is introduced.
Digitale Technologien gewinnen für kleine und mittlere Unternehmen (KMU) des Maschinenbaus zunehmend an Bedeutung, da durch deren Einsatz bestehende Ressourcenengpässe minimiert und ungenutzte Potenziale aufgedeckt werden können. Besonders relevant ist der Einsatz digitaler Technologien zum Ausbau von After-Sales-Dienstleistungen, da bedingt durch sinkende Margen im Neumaschinengeschäft Dienstleistungen zunehmend zum entscheidenden Faktor zur Realisierung von Umsatzpotenzialen werden. Trotz der wachsenden Bedeutung von After-Sales-Dienstleistungen im Maschinenbau sind insbesondere KMU oftmals nicht in der Lage, ihr Kerngeschäft durch Dienstleistungen auszubauen. Grund hierfür sind vorrangig mangelnde Ressourcen wie beispielsweise Personalengpässe, begrenzte finanzielle Möglichkeiten sowie fehlendes Know-how. Damit Unternehmen des Maschinenbaus, die zum größten Teil KMU darstellen, die Potenziale im Dienstleistungsgeschäft voll ausschöpfen und somit ihre Wettbewerbsfähigkeit langfristig sichern können, bedarf es KMU-gerechter Methoden und Lösungen zur Auswahl sowie Bewertung und Implementierung digitaler Technologien. Das Forschungsprojekt ScaleUp liefert als Kernergebnis einen dreimoduligen Softwaredemonstrator, der es KMU ermöglicht, digitale Technologien für die Digitalisierung ihrer After-Sales-Dienstleistungsprozesse zu identifizieren (1. Modul) und im Hinblick auf Kosten und Nutzen (2. Modul) sowie des zur Nutzung notwendigen Kompetenzprofils der Mitarbeiter (3. Modul) zu bewerten. Im Rahmen des ersten Moduls findet eine Bewertung von Schwachstellen im Leistungserbringungs- bzw. Kommunikationsprozess statt. Anhand der Bewertung können schwachstellenspezifisch digitale Technologien ausgewählt und mittels dreier Bewertungskriterien miteinander verglichen werden. Zusätzlich werden weiterführende Informationen zu Stärken/Schwächen sowie Anbietern dieser Technologien bereitgestellt. Für das zweite Modul liefert der Demonstrator ein Modell, dass es ermöglicht, digitale Technologien aus Kosten- und Nutzensicht zu bewerten. Zur vereinfachten Anwendung werden sowohl eine schriftliche als auch eine visuelle Anleitung zu Verfügung gestellt. In letzter Instanz können im dritten Modul aktuelle Mitarbeiterkompetenzen ermittelt und Soll-Profile für die erfolgreiche Nutzung der ausgewählten digitalen Technologien gegenübergestellt werden. Mittels eines bereitgestellten Entwicklungsplans können diese Lücken zielgerichtet geschlossen werden. ScaleUp gibt somit KMU einen Leitfaden an die Hand, den diese nutzen können, um ihre eigenen After-Sales-Prozesse effizienter zu gestalten und somit ihren Ressourceneinsatz zu optimieren und ihre Wettbewerbssituation langfristig zu verbessern.
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.
In order to achieve a holistic cost management approach, the maintenance and service costs should already be assessed during the development of machines and equipment. The required information in the company, like PLM, process and test data, are commonly not available or vague, especially in early development phases. This paper introduces a feasible method for an early assessment of maintenance and service costs during product development. In doing so, appropriate cost assessment methods are selected, based on the availability and quality of the existing information in the individual development phases. The evaluations of these methods are aggregated in a software tool, so that the respective cost information is displayed with a maximum, minimum and most probable value. The developed software tool was validated in cooperation with a new electric vehicle manufacturer.
Instandhaltungs-Roadmap
(2019)
Die Instandhaltung unterliegt, bedingt durch ein sich permanent veränderndes Umfeld, einem anhaltenden Wandel. Neue, vielversprechende digitale Technologien, wie z. B. Predictive Maintenance oder Data-Analytics, prallen auf gewachsene Organisationsstrukturen und Unternehmenskulturen. Die Transformation zur Smart Maintenance, bei der Wissen datenbasiert und bedarfsgerecht zur Verfügung steht, wird damit zu einer wichtigen Aufgabe, um das volle Potential einer intelligenten Instandhaltungsorganisation ausschöpfen zu können. Die Experten des VDI Fachausschusses Instandhaltung setzen sich im Rahmen ihrer Richtlinienarbeit kontinuierlich mit diesen Entwicklungen auseinander und tauschen Erfahrungen über Aktivitäten zu aktuellen Themenstellungen aus. Anlässlich der fortschreitenden Erfahrungen, die auf diesem Weg gesammelt werden, haben die Experten des VDI-Fachausschusses Instandhaltung die bisherige Instandhaltungsroadmap auf den Prüfstand gestellt. Neben einem neuen Ordnungsrahmen wurden aktuelle Themen hinsichtlich ihrer Implikationen auf die Aufgaben einer Instandhaltungsorganisation ergänzt. Die überarbeitete Instandhaltungsroadmap des VDI-Fachausschusses Instandhaltung dient somit als Orientierungshilfe für Unternehmen auf dem Weg zur Smart Maintenance und wurde bereits im Rahmen des 40. VDI-Forums Instandhaltung am 04.06.2019 in Duisburg dem Fachpublikum vorgestellt.