Dienstleistungsmanagement
Refine
Year of publication
Document Type
- Contribution to a Periodical (174)
- Conference Proceeding (72)
- Lecture (54)
- Part of a Book (53)
- doctorallecture (32)
- Doctoral Thesis (30)
- Book (27)
- Report (27)
- Working Paper (23)
- Internet Paper (14)
Language
- German (380)
- English (93)
- Multiple languages (34)
- Spanish (2)
Is part of the Bibliography
- no (509)
Keywords
- 01 (24)
- 02 (15)
- 03 (7)
- 04 (3)
- 3-Phasen-Konzept (1)
- 3D-Druck (1)
- AGCO (1)
- AI (2)
- AR (3)
- Aachener Lean-Services-Zyklus (3)
Institute
- Dienstleistungsmanagement (509)
- FIR e. V. an der RWTH Aachen (509)
- Produktionsmanagement (20)
- Business Transformation (14)
- Informationsmanagement (14)
Die vorliegende erste Version der Normungsroadmap 'Innovative Arbeitswelt' zeigt zunächst einen Überblick zu potenziell relevanten Themenfeldern und nennt Impulse für die Normung und Standardisierung in Form von initialen Handlungsempfehlungen. Zugleich benennt sie, wo andere Gestaltungssysteme wie beispielsweise Gesetzgeber oder Sozialpartner Vorrang haben.
Die Roadmap bietet somit einen ersten Überblick zum Thema Innovative Arbeitswelt und Normung und Standardisierung. Sie ist jedoch gleichzeitig als lebendes Dokument zu verstehen, das mit fortlaufenden Entwicklungen auch angepasst werden muss. Sämtliche Akteure sind aufgefordert, sich an der weiteren Gestaltung der Normungsroadmap zu beteiligen.
(Quelle: https://www.din.de/de/din-und-seine-partner/presse/mitteilungen/roadmap-innovative-arbeitswelt-erschienen-788762 )
Unternehmen der deutschen Investitionsgüterindustrie stehen aufgrund stagnierender Märkte und steigenden internationalen Wettbewerbs vor der Herausforderung, sich gegenüber der Konkurrenz durch das Angebot einzigartiger Leistungen zu differenzieren. Die Integration von Dienstleistungen in das Angebot bietet dabei eine große Chance, da sich die Sachgüter im Wettbewerb hinsichtlich ihrer technischen Leistungsfähigkeit kaum unterscheiden lassen.
Das FIR an der RWTH Aachen widmet sich gemeinsam mit dem Forschungskonsortium, bestehend aus dem Fraunhofer ILT, der DMG Mori Spare Parts GmbH, der Materialise GmbH, der TOP Mehrwert-Logistik GmbH und der Software AG, der Entwicklung einer unternehmensübergreifenden Softwareplattform zur Realisierung eines Wertschöpfungsnetzwerks für eine agile Logistiklösung zu Herstellung von Neu- und Ersatzteilen unter Nutzung der additiven Fertigung. Ziel ist die Entwicklung und prototypische Implementierung einer unternehmensübergreifenden softwarebasierten Plattform, die die zentralen Koordinationsfunktionen bereitstellt.
Die digital vernetzte industrielle Produktion verspricht schnellere und effizientere Prozesse - in Entwicklung und Produktion wie auch in Service, Marketing und Vertrieb oder bei Anpassung ganzer Geschäftsmodelle. Agil zu handeln und in Echtzeit Veränderungen vorzunehmen, wird in der Industrie 4.0 zur strategischen Erfolgseigenschaft eines Unternehmens. Voraussetzung dafür ist der Aufbau einer immer breiteren Datenbasis. Ob deren Potenzial effektiv genutzt wird, hängt jedoch auch wesentlich von der Organisationsstruktur und Kultur eines Unternehmens ab.
Die vorliegende acatech STUDIE stellt ein neues Instrument vor, mit dem produzierende Unternehmen den Weg zum lernenden, agilen Unternehmen individuell gestalten können. Der acatech Industrie 4.0 Maturity Index ist als sechsstufiges Reifegradmodell aufgebaut und analysiert die in der digitalisierten Industrie benötigten unternehmerischen Fähigkeiten in den Gestaltungsfeldern Ressourcen, Informationssysteme, Kultur und Organisationsstruktur. Jede erreichte Entwicklungsstufe verspricht produzierenden Unternehmen einen konkreten Zuwachs an Nutzen. Das Modell wurde in der praktischen Anwendung in einem mittelständischen Betrieb validiert.
Digitally connected industrial production promises faster and more efficient processes - in development and production, services, marketing & sales and for adapting entire business models. Agility and the ability to make changes in real time are strategic chracteristics of successful companies in Industrie 4.0. To acquire these features, it is necessary to create a continuously expanding data base. However, a company's organisational structure and culture also play an important part in determining whether this data's potential is leveraged effectively.
This acatech STUDY describes a new tool for helping manufacturing enterprises to forge their own individual path towards becoming a learning, agile company. The acatech Industrie 4.0 Maturity Index is a six-stage maturity model that analyses the capabilities in the area of resources, information systems, culture and organisational structure that are required by companies operating in a digitalised industrial environment. The attainment of each development stage promises concrete additional benefits for manufacturing companies. The model's practical application was validated in a medium-sized company.
Im Benchmarking zum Themenfeld „Monetizing Smart Products“ können Konzepte für Smarte Produkte und deren Vermarktung mit dem anderer Unternehmen verglichen werden, um wichtige Impulse für die Weiterentwicklung des digitalen Produktportfolios zu erhalten. Ziel des Benchmarkings ist die Identifikation von Unternehmen, die besonders erfolgreich Ansätze im Bereich der Monetarisierung Smarter Produkte umsetzen.
Um vertriebliche Herausforderung systematisch angehen zu können, hat das FIR das Innovationsprojekt „Vertriebsexzellenz für digitale Produkte & Services“ ins Leben gerufen. Im Rahmen dieses Innovationsprojekts werden gemeinsam mit einem branchen-übergreifenden Konsortium von Industriepartnern Strategien, Maßnahmen und Methoden abgeleitet, um einen messbaren Erfolg in der Vermarktung digitaler Produkte und Services zu erzielen.
Der Branchenindikator Instandhaltung ist ein vom FIR an der RWTH Aachen und dem Forum Vision Instandhaltung (FVI) geschaffenes Stimmungsbarometer, dass die konjunkturelle Entwicklung der innerbetrieblichen und industriellen Instandhaltung untersucht. Zusätzlich werden in den quartalsweisen Umfragen aktuelle Sonderthemen adressiert.
Im Rahmen dieses Vortrags während des FVI-Treffens in Dortmund wurden die Ergebnisse der Umfrage aus dem 2. Quartal 2018 vorgestellt. Ein besonderer Fokus lag auf der "Mitarbeiterqualifikation in der Instandhaltung". Hier wurde untersucht, ob die neuen Anforderungen durch Industrie 4.0 auch den Weg in die Entwicklungsprogramme der Instandhaltungsorganisation finden. Dabei konnten unterschiedliche Herangehensweisen aufgezeigt werden: Innerbetriebliche Instandhaltungsorganisationen setzen eher auf das vorhandene Domänenwissen, während industrielle Instandhalter zunehmend auch die Felder Datenanalyse/IT für sich entdecken.
In diesem Vortrag wird dargestellt, wie der Einsatz digitaler Technologie in Kontext Industrie 4.0 dazu beitragen kann, die Instandhaltung als Werttreiber produzierender Unternehmen zu verstehen. Zusätzlich werden Prinzipien aufgezeigt, die Unternehmen dabei helfen können, diesen "Return on Maintenance" für ihreInstandhaltungsorganisation und ihr Unternehmen zu maximieren.
Return on Maintenance
(2018)
This presentation will show how the use of digital technology in the context of industry 4.0 can contribute to understanding maintenance as a value driver for manufacturing companies. In addition, principles that can help companies to maximize this "return on maintenance" for their maintenance organization and company will be presented.
Industrie 4.0 trägt dazu bei, das Unternehmen vermehrt in der Lage sind, Entscheidungen deutlich schneller und durch eine dahinter liegende Datenbasis auch zuverlässiger zu Treffen. Auch für die Instandhaltung nimmt die Entscheidungsgeschwindigkeit zu. Um die Wettbewerbsfähigkeit produzierender Unternehmen nachhaltig zu steigern, ist es wichtig die Instandhaltung als Werttreiber eines produzierenden Unternehmens zu verstehen. Ähnlich wie die Finanzkennzahl des Return on Capital Employed (ROCE) sollte auch die Instandhaltung durch den Ansatz "Return on Maintenance" als wertbeitragende Unternehmenseinheint verstanden werden. Erfolgsfaktoren, die zur Maximierung dieses "Returns" beitragen können, sind die Nutzung bestehender Standards, die Erfassung des digitalen Schattens, die Umsetzung nach dem Prinzip "Minimum Viable Service" und eine Erreichung einer Wissens- und Innovationskultur.
1. Die heutige Rolle der Instandhaltung
Die Bedeutung der Instandhaltung für produzierende Unternehmen in Hochlohnländern, wie Deutschland, wird seit mindestens 20 Jahren sowohl in der Wissenschaft als auch in der Praxis regelmäßig hervorgehoben. In der industriellen Praxis wird der Instandhaltung heute dennoch immer nicht der angemessene Stellenwert beigemessen. In der Praxis werden Instandhaltungsfunktionen in Unternehmen meist nur als Kostenstelle betrachtet. Vernachlässigt werden hierbei die vielfältigen Wechselwirkungen und Potentiale einer erfolgreichen Instandhaltung. Die (positiven) Wechselwirkungen sind in den meisten produzierenden Betrieben zumindest implizit bekannt, werden aber dennoch in der operativen Praxis häufig nicht bei Entscheidungen berücksichtigt. Oft noch leicht abzuschätzen sind die Auswirkungen der Instandhaltung auf die Betriebs- oder Produktionskosten. In den allermeisten Fällen wird dabei zugunsten der Produktion und der Erfüllung von Kundenaufträgen entschieden, sodass langfristige negative Effekte durch die Instandhaltung aufgefangen werden müssen. Ein weiteres Potential der Instandhaltung liegt in der Verlängerung der Nutzungsdauer von technischen Assets, insbesondere wenn statt reaktiven zustandsorientierte bzw. prädiktive Instandhaltungsstrategien zur Anwendung kommen. Die Instandhaltung spart so einerseits Kosten für teure Neuanschaffung ein und verlängert andererseits die Zeit, in der die bestehenden (teils abgeschriebenen) Assets wirtschaftlichen Ertrag generieren. Zusätzlich besteht ein Potential in der Rückführung von Erfahrungswissen oder Informationen aus dem Betrieb von Maschinen sowie ihrer Wartungshistorie in die Entwicklung und Herstellung der selbigen. Letzteres sowie auch prädiktive Instandhaltungsstrategien scheitern in vielen Betrieben allerdings schon alleine aufgrund einer nicht vorhandenen aber notwendigen Datenbasis, da bestehende IT-Systeme (z. B. IPS, ERP, SMS) oft nur unzureichend an existierende technische Assets gekoppelt sind.
2. Der Einfluss von Industrie 4.0 auf die Instandhaltung
Zukünftig wird die Debatte und damit die Wahrnehmung der Instandhaltung in produzierenden Betrieben im Rahmen von Industrie 4.0 frischen Wind erhalten. Aus Sicht der Instandhaltung ist dies die Chance, den eigenen Stellenwert im Unternehmen noch einmal auf den Prüfstand zu stellen. Der durch die fortschreitende Vernetzung von Objekten, Maschinen und Menschen initiierte Wandel schafft die Grundlage für die Entwicklung der notwendigen Datenbasis für die Instandhaltung. Neben den oben genannten Potentialen hat diese Datenbasis mit der bei Industrie 4.0 einhergehenden Analysefähigkeit insbesondere positive Auswirkungen auf die organisationalen Anpassungsprozesse von produzierenden Unternehmen. Die hierunter fallenden Lern- und Verbesserungsprozesse im Sinne eines kontinuierlichen Verbesserungsprozesses gewinnen deutlich an Geschwindigkeit, da Latenzzeiten vom Eintritt eines Ereignisses, über die Analyse- und Entscheidungsphase bis hin zur Initiierung und (automatisierten) Umsetzung von Maßnahmen erheblich verkürzt werden. Dies wiederum begünstigt die Innovationsgeschwindigkeit, d. h. die erfolgreiche Entwicklung und Einführung neuer Produkte, Dienstleistungen und Lösungen. Sowohl die erheblich verkürzten Lern- als auch Innovationsprozesse sind Kernelemente eines agilen Unternehmens. Für die Instandhaltung bedeutet dies, dass die dazugehörigen Instandhaltungsstrategien ebenso schnell angepasst werden müssen, damit die verbundenen Einsparungspotentiale bei direkten und indirekten Instandhaltungskosten realisiert werden können. Die Integration geeigneter IT-Systeme unterstützt das Heben dieser Potentiale maßgeblich, indem die dazu notwendigen Daten der veränderten Asset-Nutzung bereitgestellt und aufbereitet werden.
3. Das Konzept des Return on Maintenance
Allgemein wird die zentrale Rolle der Instandhaltung im agilen produzierenden Unternehmen der Zukunft schnell deutlich. 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 Bereitstellung von Verfügbarkeit zu möglichst geringen Kosten deutlich hinaus. Zielgrößen wie Ausschussrate, Energieeffizienz, Materialeffizienz aber auch die Minimierung von Rüstzeiten zeigen die vielfältigen Zielgrößen der Instandhaltung auf. Mit der Erkenntnis, welchen Beitrag die Instandhaltung tatsächlich leistet oder potentiell leisten kann, müssen Business Cases, Investitionsrechnungen, Instandhaltungsstrategien, etc. neu bewertet werden. Die eingeläutete Abkehr von einer rein auf direkten Kosten basierten Bewertung hin zu einer Wertbeitrag-orientierten Betrachtung führt in der Instandhaltung zu einem Paradigmenwechsel hinsichtlich der handlungsleitenden Prinzipien.
4. Die vier Erfolgsprinzipien des RoM
Die erfolgreiche Umsetzung des Konzepts des RoM basiert dabei im Wesentlichen auf vier aufeinander aufbauenden Prinzipien.
Zum einen muss, wie oben beschrieben, eine für die Instandhaltung geeignete Datenbasis geschaffen werden, auf der alle anknüpfenden Instandhaltungsmaßnahmen – seien es Reaktive, Präventive oder Prädikative – aufsetzen können. Die hierzu benötigte hinreichend genaue digitale Abbildung der realweltlichen Prozesse und Anlagen (digitaler Schatten) ist dabei auf die Integration und Weiterentwicklung bestehender IT-Systeme (z. B. IPS, ERP, SMS) angewiesen.
Zum zweiten verlangen verkürzte Produktinnovationszyklen und hochfrequente Anpassungsprozesse in der Produktion ebenso kürze adaptive Zyklen in der Instandhaltung, die neuartige Systeme wie z. B. Augmented Reality aktiv miteinbinden. Aufgrund der Vielfalt an technologischen Weiterentwicklungsmöglichkeiten bringt eine Fokussierung auf wenige entscheidende Kernfunktionalitäten mit einkalkulierten iterativen und kurzzyklischen Anpassungsprozessen im Sinne des Minimum Viable Services (MVS) Ansatzes einen langfristigen Vorteil für die Instandhaltung mit sich.
Hierzu ist die Verfügbarkeit von Standards bei der Anbindung von Maschinen, Objekten und Menschen an IT-Systeme ein dritter entscheidender Faktor. Die Nutzung bestehender Standards in der Instandhaltung erspart die zeit- und kostenintensive Entwicklung eigener Lösungen, wodurch die zuvor geschilderten schneller werdenden Wandlungs- und Umsetzungsprozesse im Sinne von MVS erst realisiert werden können.
Zuletzt kommt es darauf an, dass die vermehrt faktenbasierten Entscheidungen im Rahmen der auf Standards aufbauenden iterativen Innovationszyklen auch von beteiligten Mitarbeitern in der Instandhaltung aber auch der Produktion akzeptiert und gelebt werden. Dieser unternehmenskulturelle Aspekt, der auch angepasste Lern- und Weiterbildungskonzepte berücksichtigen muss, bildet einen umspannenden Rahmen des Paradigmenwechsels durch das Konzept des RoM.
Die Potenziale einer Smart Maintenance sind vielseitig und reichen von der Bereitstellung bzw. Steigerung der Produktivität und Qualität bis hin zur langfristigen Sicherung interner Kompetenzen. Im Zuge dieser Entwicklung versteht sich die Instandhaltungsorganisation zunehmend als Inkubator interner, digitaler Transformationsprozesse und wird so zu einem essenziellen Wertschöpfungspartner innerhalb des Unternehmens. Mit Hilfe der Smart Maintenance Roadmap wird dieser Weg für produzierende Unternehmen aufgezeigt und umgesetzt. Nach der Bestimmung des Zielsystems und der Positionsbestimmung mit Hilfe des adaptierten Industrie 4.0 Maturity Index werden in der Roadmap alle Projekte entlang der dafür notwendigen Fähigkeiten verortet und umgesetzt.
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.
Today, however, agility is seen more than ever as a critical success factor for companies. In times of an increasing degree of digital interconnection and minimum viable products, a mentality is entering the industrial service sector that has so far only been exemplified by Internet companies (e.g. Google): New products and especially digital services are developed in highly iterative processes. To this end, customers are involved in early test phases of development and provide feedback on individual functional modules, which – in contrast to the previous approach – are only gradually assembled into a market-ready “100 percent version”. But especially with the development of new digital services, companies must ensure more than ever that both the existing analog service business and the design of new digital services are geared to effectiveness and efficiency in order to meet the growing demands of customers and competitors.
To achieve this, companies must not only be familiar with the products currently on the market, but also master the entire product history, which in some cases goes back more than 30 years and varies greatly from one industry to another.
Lean Services ist ein am FIR an der RWTH Aachen entwickeltes Managementkonzept, das die Vermeidung von Verschwendung und die konsequente Ausrichtung der Serviceprozesse an der Erzielung eines möglichst hohen Kundennutzens fokussiert. Konkret bedeutet dies, die Gestaltung schlanker Prozesse bei gleichzeitig komplexer werdenden Markt- und Kundenanforderungen zu berücksichtigen.
Im Mittelpunkt von Industrie 4.0 steht die echtzeitfähige und Intelligente Vernetzung von Menschen, Maschinen und Software, mit dem Ziel, komplexe Systeme transparent zu gestalten und dynamisch zu managen. Industrie 4.0 kann somit als Ergänzung des Lean-Services-Ansatzes dazu beitragen, die zunehmende Komplexität in der Leistungserbringung beherrschbar zu machen. Die Potenziale digitaler Technologien müssen dabei allerdings zunächst durch die Anwendung grundlegender Lean-Prinzipen "nutzbar" gemacht werden. Der Lean-Services-4.0-Zyklus gibt vor, wie Unternehmen diesen Weg gestalten können, indem die fünf Phasen des bewährten Aachener Lean-Services-Zyklus, ergänzt durch die drei übergeordneten Schalen Technologische Enabler, 'Lean Services 4.0'-Methoden und Potenziale von Lean Services 4.0 durchlaufen werden.
Das Dienstleistungsgeschäft gehört bereits seit einigen Jahren zum zentralen Wachstumstreiber vieler Unternehmen in Deutschland. Auch kleine und mittlere Unternehmen (KMU) des Maschinenbaus haben diesen Trend erkannt und sind bestrebt, ihr Leistungsangebot hinsichtlich After-Sales-Services (AS-Services) auszubauen. Dabei stoßen sie allerdings immer wieder an Kapazitätsgrenzen. Das vorhandene und hochqualifizierte Personal ist häufig bereits voll ausgelastet, während der Mangel an Fachkräften ein geeignetes Gegensteuern erschwert. Somit beschränken die Ressourcenengpässe KMU des Maschinenbaus, ihr eigenes Geschäft mit AS-Services auszubauen.
Digitale Technologien bieten in diesem Zusammenhang das Potenzial, diesen Engpässen entgegenzuwirken, indem die vorhandenen Ressourcen effizienter eingesetzt werden. Ein prominentes Beispiel hierfür ist der Einsatz von Datenbrillen im Bereich des Remote-Service. Statt dass ein Servicetechniker gezwungen ist, wegen einer Maschinenstörung zum Kunden zu fahren, können die Diagnose und auch einfache Maßnahmen zur Störungsbehebung vom Kunden selber vor Ort durchgeführt werden, während der Servicetechniker mittels Datenbrille live zugeschaltet ist und anleiten kann. Dadurch können Reisezeiten, in den der Servicetechniker üblicherweise nicht wertschöpfend tätig ist, reduziert und im besten Fall mehr Serviceaufträge pro Servicemitarbeiter bearbeitet werden.
Im Zuge der fortschreitenden digitalen Vernetzung durch Industrie 4.0 sind in den letzten Jahren viele digitale Technologien entwickelt und zur Marktreife gebracht worden. Die große Vielfalt dieser technischen Lösungen macht es insbesondere KMU mit ihren ohnehin schon begrenzten Ressourcen fast unmöglich, einen angemessenen Überblick zu behalten. Zusätzlich können Verantwortliche und Fachkräfte der KMU nur schwer beurteilen, welche digitale Technologie sich für ihre unternehmensspezifischen Anforderungen überhaupt eignet. Eine Bewertung, die eine technologieübergreifende Vergleichbarkeit ermöglichen würde, fehlt. Genau hier setzt das erste Modul des Digitalisierungsnavigators an, der als Demonstrator auf dem AiF Forschungsprojekt ScaleUp entstanden ist.
Industrie 4.0 is said to have major positive effects on productivity in manufacturing companies. However, these effects are not visible yet. One reason for this is the lack of understanding of maintenance services as a crucial value contributing partner in production processes, although scientific literature already highlighted the importance of indirect maintenance costs. In order to retrieve the unused potential of maintenance services, a digital shadow in form of a sufficiently precise digital representation is required, providing a data model for the value of maintenance actions so that asset and maintenance strategies can be optimized later on. Using case study research for process manufacturers, the first research contribution of this paper consists of 21 value contributing elements being identified. The second contribution is a reference processes model, showing seven major process steps as well as the required intra-organization interaction on an information technology system level. Therefore, it provides the base for the missing data model shaping the targeted digital shadow of maintenance services’ value contribution. [https://link.springer.com/chapter/10.1007/978-3-030-57993-7_69]
Viele Unternehmen im industriellen Service können keine zuverlässige Aussage darüber treffen, wie gut ihr Leistungserbringungsprozess tatsächlich ist und wie mögliche Verbesserungen zur effizienten Befriedigung der Kundenbedürfnisse aussehen können. Zum einen fehlen hierzu oft geeignete Kennzahlen, die eine Messung der Service-Performance ermöglichen. Zum anderen ist meist nicht bekannt, welche Stellhebel zu betätigen sind, um die Performance gemäß den gesteckten Zielen zu steigern. In diesem fünften Teil der Beitragsreihe zum Aachener Lean-Services-Zyklus wird beschrieben, wie Kennzahlen zur Performance-Messung zur Erreichung des Ziels "Perfektion anstreben" beitragen.
Das Forschungsprojekt "ScaleUp" zielt darauf ab, kleinen und mittleren Unternehmen (KMU) einen Digitalisierungsnavigator zur Verfügung zu stellen, der es ihnen ermöglichen wird, digitale Technologien strukturiert zu identifizieren, zu bewerten und zu implementieren.
Nach Validierung der Kernfunktionen für den After-Sales-Dienstleistungsprozess mithilfe des Referenzmodells nach Kallenberg wurden Informationsflüsse entlang der Serviceprozesskette identifiziert und Schwachstellen aufgedeckt. Diese wurden durch ermittelte unternehmensspezifische Ressourcenverbräuche klassifiziert.
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.
Predictive Maintenance hat sich in der Instandhaltung als Begriff etabliert. Produzierende Unternehmen versuchen durch vorausschauende Instandhaltungsaktivitäten, die bedarfsgerechte Verfügbarkeit ihrer Maschinen und Anlagen bei möglichst geringen Kosten sicherzustellen. Die Instandhaltung soll damit noch effektiver und effizienter werden.
Dieser Artikel zeigt, wie mit Hilfe des Ansatzes des "Smart Service Engineering" vom Center Smart Services ein Predicitive Maintenace Service bei Heidelberger Druckmaschinen in Zusammenarbeit mit der KATANA Plattform von USA Software entworfen und ausgerollt wurde. Auf Basis der gewonnen Erkenntnisse wurden zudem weitere Services aufgebaut, die über den Use Case Predictive Maintenance sogar noch hinaus gehen.
Von Instandhaltung zu Smart Maintenance - einer der primären Anwendungsfälle von Industrie 4.0
(2020)
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. Der Instandhaltung bzw. dem industriellen Service eröffnen sie das große Potenzial, eine bedarfsgerechte Verfügbarkeit von Maschinen und Anlagen datenbasiert effektiver und effizienter zu erreichen als bisher. Dieser Wandel, ergänzt durch organisatorische sowie kulturelle Anpassungsprozesse zur Nutzung neuer Technologien, kann als Transformation zur Smart Maintenance verstanden werden. Auf Basis von digitalen Daten und Erfahrungswissen wird mittels Smart Maintenance die selbständige Weiterentwicklung der Instandhaltungsorganisation angestrebt, mit dem Ziel, den größtmöglichen Wertbeitrag für das produzierende Unternehmen zu leisten. In diesem Artikel wird dazu passend die Smart-Maintenance-Roadmap vorgestellt, die nach Vorgabe der drei Zieldimensionen die Schrittweise Weiterentwicklung einer Instandhaltungsorganisation aufzeigt. So werden bspw. Predictive-Maintenance-Initiativen gegenüber Condition-Monitoring-Aktivitäten zurückgestellt, um eine schrittweise Weiterentwicklung der Fähigkeiten zu erreichen.
Bei der Erbringung von After-Sales-Dienstleistungen stoßen kleine und mittlere Unternehmen (KMU) oftmals an Kapazitätsgrenzen ihrer Ressourcen (Material und Personal). Um die Ressourcenengpässe zu überwinden, zielt das Forschungsprojekt 'ScaleUp' darauf ab, KMU einen Leitfaden zur Identifikation geeigneter digitaler Technologien und zur Steigerung ihrer Prozesseffizienz für After-Sales-Dienstleistungen bereitzustellen. Der Leitfaden soll in Form eines Digitalisierungsnavigators implementiert werden und relevante Technologien in Bezug auf ihren Mehrwert beim Leistungserbringungsprozess bewertbar machen. Zu diesem Zweck wurde nach Recherche geeigneter digitaler Technologien das Scoring-Modell als wissenschaftliche Bewertungsmethodik ausgewählt. Es ermöglicht, die verschiedenen Technologien in Bezug auf ihre unternehmensspezifische Eignung zu vergleichen und die am besten
passende Technologie zu identifizieren.
The evaluation of the maturity level of the participating companies has provided an initial insight into the degree of implementation and the upcoming challenges of Industrie 4.0 in Mexico. The assessment shows that Mexican companies have built the necessary foundation to start their digital transformation. Challenges now lie in establishing an integrated IT landscape that makes it possible to generate a digital shadow of the entire company. In order to leverage the potential of this technological development, it is necessary to work in parallel on an even more flexible organizational structure and an innovation-promoting Culture.
In order to strategically plan the digital transformation of a manufacturing company, a detailed analysis of the company's maturity level must be carried out. The basic dimensions of such an analysis were presented in the present paper. The Industrie 4.0 Maturity Index offers a framework that identifies approximately 50 individual capabilities required for the systematic implementation of Industrie 4.0 and groups them into the four dimensions discussed in this paper. Only an analysis of a company's key processes at this level of detail can form the basis for a sound investment decision and a roadmap that outlines the steps towards its digital transformation for the upcoming years.
Augmented reality seems to offer great potential benefits in the field of industrial services. However, the question of the exact benefits, both monetary and qualitative, is difficult to evaluate, as is the case with IT investments in gen-eral. Within the framework of the DM4AR research project, an evaluation model was therefore developed. Based on group discussions and interviews on potential AR use cases, a list of monetary and qualitative benefits was compiled to form the basis for selecting suitable evaluation modules in the existing literature. These include an impact chain analysis in the form of a strategy map, a monetary eval-uation as a calculation of the return on investment, based on the assumptions of the use case as well as existing studies, and a qualitative evaluation in the form of a utility analysis. The outcome is an evaluation model in the form of a multi-perspective approach that considers the impact of AR in the four perspectives of the balanced scorecard (financial, customer, internal business processes, learning and growth). The results of the qualitative and monetary evaluation can be sum-marized in a 2D matrix to support decision-making.
Smart-Farming-Welt
(2019)
Smart-Farming-Welt
(2019)
Die Bedeutung und der Stellenwert von Communities sind in den letzten Jahren - sowohl im privaten wie im beruflichen Kontext - durch die zunehmende Vernetzung sowie die Bereitstellung von Wissen und Informationen erheblich gestiegen. Getrieben durch die Etablierung sozialer Technologien, auch im unternehmerischen Einsatz, sind webbasierte Communities mittlerweile fest in die Struktur vieler Unternehmen integriert und bieten gerade im Bereich wissensintensiver Leistungen erhebliche Potentiale und Möglichkeit für Produktivitätssteigerungen.
Wesentliches Element, um die vielfältigen Potentiale realisieren zu können, ist die Teilnahmemotivation der Mitglieder, die Voraussetzung ist für eine aktive Partizipation an der Community und damit notwendige Bedingung für den Erfolg einer Community. Damit zählt die Implementierung geeigneter Anreizsysteme, die es ermöglichen das Verhalten so wie die Leistungsbereitschaft der Mitglieder gezielt zu beeinflussen, zu den Kernaufgaben des Community-Managements. Jedoch scheitern viele Unternehmen immer noch an der Herausforderung, ihre Mitglieder zur aktiven Teilnahme an der Community zu motivieren und so die Funktionsfähigkeit der Community sicherzustellen. Ursachen dafür sind vor allem mangelhaftes Wissen hinsichtlich der Gestaltung geeigneter Anreizsysteme und damit verbunden mangelnde Kenntnisse über die Motivationsstruktur der Mitglieder.
Green Services
(2022)
Für viele Unternehmen stehen bei der Nachhaltigkeit Themen wie eine CO2-neutrale Energieversorgung der Produktion im Vordergrund. Die Bestrebungen zur Optimierung bleiben damit auf die eigene Produktion beschränkt. Gleichzeitig machen die Emissionen aus der eigenen Wertschöpfung jedoch nur 26 % der gesamten Emissionen eines Assets im Maschinen- und Anlagenbau aus. Viel größer sind die Emissionen der nachgelagerten Wertschöpfungsaktivitäten, auf die Anbieter mithilfe von Green Services direkten Einfluss nehmen können.
Nachhaltigkeit im Service
(2022)
Green Services
(2022)
Erinnern Sie sich noch daran, was Sie am 4. Mai 2022 gemacht haben?
Wahrscheinlich wird der Tag auch für Sie ein unauffälliger Mittwoch gewesen sein. Dieser Tag jedoch markiert für Deutschland den Zeitpunkt, an dem unser ökologischer Fußabdruck die für dieses Jahr in Deutschland zur Verfügung stehende Biokapazität übersteigt. Kurz gesagt: Für das restliche Jahr leben und arbeiten wir im Ressourcendefizit. Die Folgen
zeigen sich bereits heute weltweit und führen dazu, dass Nachhaltigkeit inzwischen ein zentraler Faktor für Politik, Wirtschaft und Bevölkerung geworden ist.
Ziel des Forschungsprojekts ‚SubaSa‘ war die Entwicklung eines Markteinführungsnavigators für Subscription-Geschäftsmodelle, insbesondere für KMU der produzierenden Industrie. Hierfür wurden entlang der vier Dimensionen des Marketings Wege zur erfolgreichen Gestaltung und Etablierung des Geschäftsmodells erarbeitet.
Von der täglichen Teilnahme am Straßenverkehr bis zum Handel mit Aktien – das tägliche Leben besteht darin, Risiken abzuschätzen und gegen Chancen aufzuwiegen. Auch kleine und mittlere Unternehmen (KMU) des Maschinen- und Anlagenbaus müssen diese Abschätzung vornehmen, wenn es um die Einführung von Subscription-Geschäftsmodellen (SGM) geht. Weithin als „Netflix-Modell des Maschinenbaus“ bekannt, versuchen die Unternehmen, ihre auf den Einmalverkauf ausgerichteten Geschäftsmodelle in Geschäftsmodelle zu überführen, die eine
langfristige Zusammenarbeit mit den Kunden ermöglichen.
Im Rahmen des Forschungsprojekts ‚SubaSa‘ erarbeiten der FIR e. V. an der RWTH Aachen und das IPRI – International Performance Research Institute gGmbH einen Markteinführungsnavigator für Subscription-Geschäftsmodelle, der KMU dazu befähigt, die Potenziale dieser Transformation vom transaktionalen Geschäft in die Subscription zu heben und die Herausforderungen zu beherrschen.
Unternehmen erkennen zunehmend das hohe Umsatz- und Gewinnpotential eines effizient gesteuerten Service-Geschäftes. Die Verfügbarkeit von Informationen über den gesamten Lebenszyklus der Produkte und Serviceeinsätze ist dabei von entscheidender Bedeutung, wie die Service-Lifecycle-Management-Studie 2012, die das das FIR an der RWTH Aachen Ende 2012 durchgeführt hat, belegen konnte. Durch die Betrachtung eines geschlossenen Produkt- und Service-Lebenszyklus und der damit generierbaren Daten lässt sich der Kreislauf zwischen Instandhaltung und Engineering schließen und lassen sich so die Serviceabläufe optimieren.
Erfolgsfaktor SLM
(2013)
Die zentrale Aussage zahlreicher amerikanischer Studien „…customers will be won or lost and financial targets will be hit or missed based on the efficiency and quality of service delivery“ belegt die zunehmende strategische Bedeutung des Service-Geschäfts für den Unternehmenserfolg. Durch die Betrachtung eines geschlossenen Produkt- und Service-Lebenszyklus und der damit generierbaren Daten lässt sich der Kreislauf zwischen Instandhaltung und Engineering schließen und so die Serviceabläufe optimieren. Die Verfügbarkeit von Informationen über den gesamten Lebens-zyklus der Produkte und Serviceeinsätze ist dabei von entscheidender Bedeutung. Dies und weitere interessante Ergebnisse hat die Service Lifecycle Management Studie 2012, die das das FIR an der RWTH Aachen im Auftrag des Softwarehauses PTC durchgeführt hat, hervorgebracht. Neben den Erfolgsfaktoren wurden Best Practices sowie zukünftige Präferenzen im Umgang mit Informationen über den gesamten Lebenszyklus von Produkten und Serviceeinsätzen erhoben.
Das Verlangen des Kunden nach komplexen Problemlösungen stellt insbesondere für KMU ein Problem dar, da diese meist auf ihr Kerngeschäft spezialisiert sind und nicht die notwendigen Mittel zur Verfügung haben, ihr Dienstleistungsangebot den vielfältigen Forderungen entsprechend auszuweiten. Eine hohe Angebotsvielfalt zur Befriedigung individueller Kundenbedürfnisse führt zu einer erhöhten Komplexität, die sich unter anderem in zusätzlichen Kosten für die Bereitstellung komplexer Dienstleistungen niederschlägt. Zur Beherrschung der Komplexität der Angebotsvielfalt und damit einhergehender Komplexitätskosten können die angebotenen Leistungen modularisiert werden. Eine geeignete Methodik zur Modularisierung industrieller Dienstleistungen in Leistungssystemen wird im Projekt ServMo entwickelt und in ein KMU-taugliches IT-Tool umgesetzt. Das Projekt wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung und -entwicklung (IGF) vom Bundesministerium für Wirtschaft und Technologie gefördert.
Die Digitalisierung ist der zentrale Wachstums- und Innovationstreiber der Gegenwart. Die Einbindung von Medien in Betriebs- und Produktionsprozesse verändert jene nachhaltig und führt zugleich zu neuen Gestaltungsmöglichkeiten der genannten Prozesse sowie verbundenen Dienstleistungen. In zunehmend digitalen Betriebs- und Produktionsprozessen sind Daten schließlich ein unmittelbares Nebenprodukt. Auf diese Weise geht die Digitalisierung grundsätzlich mit einem enormen Potenzial für die Entwicklung und den Einsatz von passgenauen Dienstleistungen einher. Das Verbundprojekt "Digivation" wird einen Beitrag zur digitalen Transformation der Wirtschaft leisten. Dieses Ziel soll über den Weg innovativer Dienstleistungen erreicht werden, indem systematisch und individuell zugeschnittene Dienstleistungen zum Unternehmenserfolg beitragen. Daher wird innerhalb des Projekts das Potenzial datenbasierter Dienstleistungen für den internen sowie externen, kundenorientierten Bereich aufgezeigt. Hierfür werden im Projekt ein Konzept für die Entwicklung datenbasierter Dienstleistungen und Transformationspfade für eine Roadmap entwickelt. Auf diese Weise stellt das Forschungsvorhaben einen Schritt zur Entwicklung und Etablierung hocheffizienter Dienstleistungssysteme dar. Das Verbundprojekt "Digivation" ist das Metaprojekt der Förderinitiative "Dienstleistungsinnovation durch Digitalisierung " und wird im Rahmen des Forschungsprogramms Innovationen für die Produktion, Dienstleistung und Arbeit von morgen durch das Bundesministerium für Bildung und Forschung (BMBF) mit dem Kennzeichen 02K14A221 gefördert und vom Projektträger Karlsruhe (PTKA) betreut.
Predictive Maintenance ist überall: in den Vorstandsebenen, in unzähligen Veröffentlichungen und auf Messeständen, die vollgepackt mit Softwareapplikationen und Sensorik sind. Der einzige Ort, an dem Predictive Maintenance noch nicht angekommen ist, ist der Shopfloor. Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder - ehrlicherweise - durch diese zweiteilige Artikelreihe beheben. Das FIR an der RWTH Aachen wird jedoch eine Perspektive zeigen, die Entscheider befähigt, eine "informierte" Entscheidung für eine effiziente und effektive Weiterentwicklung ihres Service zu treffen. [Florian Defer, FIR e. V. an der RWTH Aachen]
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Störungen lassen sich auch nicht durch Power-Point-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben. Was dieser Artikel jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie ab. In der vorangegangenen Ausgabe haben wir uns im Artikel „Predictive Maintenance: Realitätscheck" angeschaut, was „predictive" im Kontext des technischen Service bedeutet. Der folgende Artikel soll einen Eindruck darüber vermitteln, wie sich dies in einer Servicestrategie einbetten lässt.
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben. Was diese dreiteilige Reihe jedoch kann, ist, Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können. Um zu verstehen, warum von Predictive Maintenance so viel auf
Folien und so wenig in der Realität sehen ist, ist es wichtig, den Begriff und die Zusammenhänge, die dahinterstehen, zu verstehen. Predictive Maintenance bedeutet Zustandsprognose und hat zum Ziel, die Frage zu klären, wie der Zustand einer Maschine oder Anlage in der Zukunft sein
wird. In diesem einen Wörtchen ‚wird‘ liegt auch die besondere Herausforderung bei der Zustandsprognose. Fangen wir aber vorne an und klären, wie sich die Technologie beziehungsweise das ‚Buzzword‘ Predictive Maintenance in die Industrie 4.0 einfügt. Die Zustandsprognose wird in den Industrie 4.0 Maturity Index der Acatech in die Reifegradstufe 5 ‚Prognosefähigkeit‘ eingeordnet. Die Stufen des Reifegradmodells beruhen darauf, dass jede Stufe mit einer Fähigkeit verbunden ist, welche notwendig für das Erreichen der darauffolgenden ist. Im Folgenden werden daher zusätzlich die Stufen 3 ‚Sichtbarkeit‘ und 4 ‚Transparenz‘ erläutert, da diese aufeinander aufbauen, die Differenzierung der Stufen erleichtern und die Logik des I 4.0 Maturity Index verdeutlichen.
Predictive Maintenance ist überall: in den Vorstandsebenen, in unzähligen Veröffentlichungen und auf Messeständen, die vollgepackt mit Softwareapplikationen und Sensorik sind. Der einzige Ort, an dem Predictive Maintenance noch nicht angekommen ist, ist der Shopfloor.
Viele Erwartungen an Predictive Maintenance werden durch clevere Werbebotschaften und die Hoffnung der Anwender befeuert. Es gibt keine Technologie, welche sofort, kostengünstig und zuverlässig alle Probleme löst. Störungen lassen sich auch nicht durch PowerPoint-Folien oder – ehrlicherweise – durch ein paar schön gestaltete Seiten in einer Fachzeitschrift beheben.
Was diese dreiteilige Reihe jedoch kann, ist Ihnen eine weitere Perspektive aufzuzeigen, damit Sie Ihre Instandhaltung nachhaltig weiterentwickeln können.
Der Weg zum flächendeckenden Einsatz von Predictive Maintenance ist noch weit. Einzelne Anwendungsfälle können jedoch jetzt schon umgesetzt werden und sich auch wirtschaftlich rentieren. Der Aufwand zur Umsetzung betrieben werden muss ist jedoch sehr hoch, daher sollten Projekte nicht unbedarft angegangen werden.
In den letzten Ausgaben haben wir uns angeschaut, was Predictive Maintenance eigentlich ist und wie eine effektive Weiterentwicklung der Instandhaltung aussehen kann. Der folgende Artikel baut darauf auf und soll ein Gefühl dafür vermitteln, welche Anforderungen an die Infrastruktur und Datengrundlage für Predictive Maintenance gestellt werden und mit welchem Aufwand eine Einführung verbunden ist.
Predictive Maintenance als solches ist noch sehr weit weg von einer Plug-and-Play-Lösung und erfordert einen immensen Aufwand, der nicht angestoßen werden sollte, ohne vorher die eigenen Hausaufgaben gemacht zu haben und sich im Klaren über das Kosten-Nutzen-Verhältnis zu sein.
Predictive Maintenance ist eine vielversprechende Technologie, die jedoch mit einem großen Implementierungsaufwand verbunden ist. Ein strukturiertes Vorgehen in Form einer Roadmap kann dabei helfen, den richtigen Hebel zu finden und die eigenen Ressourcen bestmöglich einzusetzen. Die Roadmap schafft Sicherheit für die Mitarbeiter, setzt einzelne Investitionsentscheidungen in einen größeren Kontext und sichert sie dadurch ab. Im ersten Teil der Serie haben wir uns im Artikel "Predictive Maintenance – überall, nur nicht am Shopfloor" angeschaut, was "predictive" im Kontext der Instandhaltung bedeutet. Der Weg zu einer Etablierung von Predictive Maintenance in der Produktion ist noch weit, kann sich aber lohnen. Wie das geht, soll der folgende Artikel dadurch vermitteln, dass er aufzeigt, wie eine effektive Entwicklungsstrategie für die Instandhaltung aussehen kann.
Eine Vielzahl innovativer, digitaler Technologien, wie z. B. Machine Learning und AR/VR, drängen derzeit auf den Markt. Die Nutzung dieser Technologien eröffnet der Instandhaltung das große Potential, die bedarfsgerechte Verfügbarkeit von Maschinen/Anlagen datenbasiert, effektiver und effizienter gewährleisten zu können. Folglich gewinnt die Instandhaltung künftig einen noch höheren Stellenwert hinsichtlich ihres Beitrags zum Unternehmenswert. Die Basis hierfür bilden digital verfügbare Daten, genauer Betriebs-, Zustands, und Ereignisdaten. Als ein vielversprechender Use Case hat sich hier in den letzten Jahren das Konzept „Predictive Maintenance“ hervorgetan, bei dem mittels Prognosemodellen Ausfallzeitpunkte von Maschinen/Anlagen bzw. deren Komponenten vorhergesagt und entsprechende Instandhaltungsbedarfe abgeleitet werden können. Die resultierende prädiktive Instandhaltungsstrategie zählt zu einem wichtigen Bestandteil der Smart Maintenance. Einblicke in die Praxis zeigen jedoch, dass es vielen Unternehmen aktuell noch schwerfällt, die notwendigen Technologien mit der bestehenden Instandhaltungsorganisation zusammenzuführen. Die dafür notwendigen Entwicklungsschritte, wie sie z. B. der „acatech Indsturie 4.0 Maturity Index“1 beschreibt, sind Unternehmen häufig unbekannt. Zudem fehlen oftmals praxisnahe Einblicke, die über die eigenen Unternehmensgrenzen hinausgehen. Entsprechend neigen viele Unternehmen dazu, auf dem Weg zur Etablierung von Predictive Maintenance das Rad für sich stets neu zu erfinden.
Vor diesem Hintergrund hat das FIR an der RWTH Aachen eine umfangreiche Konsortialstudie zum Thema Smart bzw. Predictive Maintenance erstellt2. Zusammen mit sieben Partnern aus Industrie und Forschung (u.a. Daimler, Evonik und thyssenkrupp Industrial Solutions) konnten vielversprechende Ansätze von erfolgreichen Unternehmen (Top-Performer) identifiziert und durch zusätzliche Fallstudien sowie Unternehmensbesuche, übergeordneten Erfolgsprinzipien definiert werden. Die Ergebnisse unterstützen somit Unternehmen bei der Gestaltung ihrer Aktivitäten.
Die Studie konnte zeigen, dass für die Anwendung datenbasierter Instandhaltungskonzepte, wie Predictive Maintenance, zunächst eine geeignete Basis geschaffen werden muss. Diese setzt sich aus einer (detaillierten) digitale Anlagenstruktur sowie dem systematischen Erfassen von Betriebs-, Zustands- und Ereignisdaten zusammen. Hier konnte den Ergebnissen der Studie entnommen werden, dass Top-Performer viel Aufwand in eine klare, prozessorientierte Datenerfassung investieren und bevorzugt auf vorhandene Standards (z. B. OPC UA) zurückgreifen. Das Abarbeiten dieser „Hausaufgaben“ im ersten Schritt ist für Top-Performer unerlässlich, bevor mit dem Aufbau prädiktiver Fähigkeiten begonnen werden kann. Für das Meistern des nächsten Entwicklungsschrittes, im Sinne des Industrie 4.0 Maturity Index, bedarf es anlagespezifischer Prognosemodelle, mit deren Hilfe potentielle Störungen oder kritische Ereignisse frühzeitig identifiziert werden können. Auch hier hat die Studie angesetzt und konnte so unter anderem die Aufarbeitung schwerwiegender Störungen als einen Haupt-Anwendungsfall für die Datenanalyse identifizieren. Zusätzlich konnte gezeigt werden, dass erfolgreiche Instandhaltungsorganisationen häufig langfristige Partnerschaften mit IT-/Data-Analytics-Dienstleistern eingehen, um so die neuen Technologien agil und flexibel an die eigenen Bedürfnisse anpassen zu können. Hierdurch können Top-Performer sowohl vorhandene Kapazitäts- als auch Know-How-Engpässe auffangen.
Neben der Entwicklung digitaler Kompetenzen liegt das Hauptaugenmerk aus Unternehmenssicht auf dem wirtschaftlichen Potential von Predictive Maintenance – insbesondere in der Einsparung indirekter Instandhaltungskosten (z. B. Ausfallfolgekosten). Allerdings zeigt die Studie, dass erst wenige Unternehmen solche indirekten Kosten – bspw. entgangene Deckungsbeiträge durch Produktionsausfall/Qualitätsverluste oder erhöhte Aufwände für die Neu-/Umplanung des Produktions-/Instandhaltungsprogramms – messen können. Trotzdem können Unternehmen durch den Erfahrungsgewinn im Bereich Datenerfassung/-analyse auf dem Weg zu Predictive Maintenance bereits andere Nutzenpotentiale realisieren, die wiederum zur Steigerung von Produktivität oder Qualität genutzt werden können. In diesem Sinne leistet die Transformation zu Predictive Maintenance vor allem hier einen wichtigen Wertbeitrag für produzierende Unternehmen, der über die reine Vorhersage von Ausfallzeitpunkten hinausgeht.