Dienstleistungsmanagement
Refine
Year of publication
Document Type
- Article (3)
- Book (27)
- Part of a Book (53)
- Conference Proceeding (71)
- Contribution to a Periodical (175)
- doctorallecture (32)
- Doctoral Thesis (30)
- Lecture (54)
- Internet Paper (14)
- Report (27)
Language
- German (381)
- English (92)
- Multiple languages (34)
- Spanish (2)
Is part of the Bibliography
- no (509)
Keywords
- 01 (25)
- 02 (15)
- 03 (6)
- 04 (3)
- 3-Phasen-Konzept (1)
- 3D-Druck (1)
- AGCO (1)
- AI (2)
- AR (3)
- Aachener Lean-Services-Zyklus (3)
Institute
- Business Transformation (14)
- Dienstleistungsmanagement (509)
- FIR e. V. an der RWTH Aachen (509)
- Informationsmanagement (14)
- Produktionsmanagement (20)
In dem Vortrag "New Industrial Work – Gestaltung neuer Arbeits-und Lernwelten" bei dem Global Production Management Center des WZL/RWTH Aachen wurde die Veränderung der Arbeitswelt insbesondere auch vor dem Hintergrund der Corona-Pandemie thematisiert. In einer lebhaften Diskussion wurden mit den Teilnehmern von Unternehmen wie Miele etc. die Handlungsfelder des MTO-Dreiecks (Mensch, Technik und Organisation) analysiert und Handlungsbedarfe abgeleitet (Online-Veranstaltung).
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.
The design, planning and control of complex integrated solutions are seen as a key capability of the competitiveness of companies in the future. The integration of complex value systems will be the leading paradigm for future design and key element of learning and innovation processes in the dynamically changing manufacturing and service industries. To meet with this challenges entirely new perspectives and ways of researching and the integrated designing of complex, highly interdependent value delivery systems will be required. Currently dominating single perspective and static frameworks and research methods fall short in this perspective.
Der Einsatz Intelligenter Produkte versetzt produzierende Unternehmen in die Lage, ihre Kunden auf Basis der entstehenden Nutzungsdaten zu verstehen und daraus erfolgreich Mehrwertdienste abzuleiten. Im Rahmen der neuen Konsortialbenchmarkingstudie ‚Intelligente Produkte‘ wollen wir gemeinsam mit einem Konsortium aus unterschiedlichen Industrieunternehmen die technische Umsetzung Intelligenter Produkte und die dazugehörigen Mehrwertdienste sowie Aspekte der wirtschaftlichen Realisierung im Rahmen eines erfolgreichen Geschäftsmodells beleuchten.
The industrial food production is currently caught between the increas-ing demands of numerous stakeholders, economic profitability and the challenges of digitization. A solution to face these various challenges can be seen in the aggregation of data into higher-value, independent data products that can be of-fered and sold on a buyer's market. Large amounts of heterogeneous data are already available in the value chain of the industrial food production, e.g. throughout the data-driven harvesting of primary products, further processing by interconnected production facilities and the information-intensive product distri-bution to end consumers. However, the data is usually only evaluated and used locally for the optimization of internal processes or, at the most, within compre-hensive partnerships. The purpose of this paper is to identify new revenue oppor-tunities for current and future players in the industrial food production by using data as an independent economic good (data products). For this purpose, scenar-ios for the development and use of data products via Industrial Internet of Things platforms are developed for a food technical reference process, the industrial chocolate production and its value chain. On this basis, examples for different types of data products and their value propositions are derived. The results can not only serve food producers and relevant stakeholders but all industrial produc-ers as an input for the future, yield-increasing orientation of their business models.
Sales-Service - Analytics-basierte Vertriebsunterstützung für Servicetechniker im Maschinenbau
(2020)
Das Projekt hatte zum Ziel, Servicetechniker in den aktiven Vertrieb von Services und Produkten zu integrieren und damit das Vertriebspotenzial aus ihrer regelmäßigen und intensiven Kundeninteraktion zu nutzen. Der Zielstellung standen dabei die in Abbildung 1 dargestellten Hürden gegenüber, welche durch das Projekt gelöst wurden. Hierzu wurde Analytics-basierte Vertriebsunterstützung für Servicetechniker (Algorithmen für Open Source-Software) gestaltet, die ihnen die notwendigen Vertriebsinformationen bereitstellt. Zudem werden Aufbau- und Ablauforganisation (Blueprints & Referenzprozesse) sowie die entsprechenden Managementinstrumente (Balanced Scorecard & Anreizsystem) für einen vertriebsorientierten Service entwickelt. Dabei gliederte sich das Vorgehen in acht Arbeitspakete, welche von den Forschungseinrichtungen nach der beschriebenen Aufteilung, jedoch in enger Verzahnung miteinander, bearbeitet wurden.
Heterogene Maschinenparks, über Jahrzente gewachsene Anlagenstrukturen und fehlende Dokumentation im Bereich der Systemkomponenten, Bauteile und Ersatzteillisten erschweren es der Instandhaltung (IH), ihre anfallenden Maßnahmen präzise planen, mit benötigten Informationen unterstützen und somit effizient durchführen zu können. Aufgrund steigender organisatorischer Anforderungen, Effizienzbemühungen und technischer Möglichkeiten in den letzten 25 Jahren haben sich die untertüzenden IT-Lösungen stetig weiterentwickelt und sind zu Produkten geworden, welche explizit zur Planung und Durchführung instandhaltungsspezifischer Aufgaben genutzt werden.
Vom 2. bis 3. September 2009 veranstaltet das Forschungsinstitut für Rationalisierung (FIR) e. V. an der RWTH Aachen in Kooperation mit dem Kundendienst-Verband Deutschland (KVD), dem Fraunhofer-Institut für Produktionstechnologie (IPT) und dem Werkzeugmaschinenlabor (WZL) der RWTH Aachen das 12. Aachener Dienstleistungsforum als Kombination aus Fachtagung, Fachmesse und Workshop. Unter dem Motto „Mit Dienstleistungen die Weichen neu stellen – Stabilisieren und Erfolg sichern“ treffen sich hier Dienstleistungsexperten aller Branchen, um ihre Lösungen für Erfolge auch in wirtschaftlich herausfordernden Zeiten zu präsentieren und zu diskutieren.
Der Wahre Wert
(2008)
Zur Beantwortung der Frage, welchen Beitrag die betriebliche Instandhaltung für den Unternehmenserfolg leistet, fehlt häufig das Wissen über die tatsächliche Leistung der Instandhaltung, etwa die Verfügbarkeit der Anlagen, Instandhaltungskostenrate, Reparaturzeit, Planerfüllung etc. Zur Schaffung der hier notwendigen Tranzparenz hat sich in der Praxis die Einführung sog. Performance Managementsysteme wie beispielsweise der Balanced Score Card (BSC) bewährt. In diesem Beitrag wird ein am FIR entwickeltes Softwaresystem zur Umsetzung der BSC vorgestellt, das nun auch auf das Anwendungsfeld Instandhaltung adaptiert wurde.
Das Pricing ist ein wichtiger Faktor für ein erfolgreiches Dienstleistungsgeschäft [1, 2] und stellt den effizientesten und am schnellsten wirksamen Hebel zur Ertragssteigerung im Unternehmen dar [3, 4, 5]. Aus diesem Grund wurde am FIR im vergangenen Jahr der Arbeitskreis Service Pricing in Zusammenarbeit mit Experten aus der betrieblichen Praxis gegründet. Ziel des Arbeitskreises ist es, das Pricing für Dienstleistungen sowohl von der praktischen, als auch von der wissenschaftlichen Seite zu erschließen und Hilfsmittel für die praktische Anwendung zu entwickeln. Als wichtigste Aufgabe wurde in einer Expertenbefragung die Entwicklung eines nutzenorientierten Prozesses für die Preisfindung industrieller Dienstleistungen identifiziert [6]. In diesem Artikel wird der derzeitige Arbeitsstand der Prozessentwicklung im Rahmen des Arbeitskreises vorgestellt.
Progress in the development of small electric and hybrid aircraft promises business opportunities for thin-haul air mobility services. In order to develop demand-oriented flight plan scenarios for Germany, this paper presents a model to estimate the marked volume of thin-haul air mobility. To quantify the potential demand, our model includes the steps of trip generation, trip distribution and mode choice. Trip generation and distribution takes place between 412 geographic subdivisions of Germany and is based on calibrated traffic forecast data for the year 2030. For the first time the five relevant modes of transport, namely: car, intercity train, intercity bus, commercial aircraft and thin-haul air mobility services, have been included in one model. The step of choosing the transport mode is implemented via a generalized cost approach, taking into account travel costs and travel time. Additionally, route modeling of all transport modes is enhanced by real market data using large-scale data readouts of web interfaces. As primary result we predict a market share of 6 % or 81 million trips per year for thin-haul air mobility services. The demand concentrates on a small number of airports: 30 % of the trips are estimated to be between only 20 airports. Hubs and main routes are identified to offer the potential for scheduled air services.
Die produzierende Industrie in Deutschland hat das Zeug zur Digitalmacht - der Weg dahin ist für viele Unternehmen jedoch noch weit. Verspricht die tiefgreifende Verflechtung von Informations- und Kommunikationstechnologien in Form von Industrie 4.0 die Hebung enormer wirtschaftlicher Potenziale, ist die Realität heute eine andere. Die sich vermehrt bietenden technologischen Möglichkeiten werden aktuell insbesondere zur internen Optimierung existierender Prozesse eingesetzt. Eine datenbasierte Prozessverbesserung allein stellt allerdings noch kein digitales Geschäftsmodell dar. Die Digitalangebote besetzen bestenfalls Nischen in den Leistungsportfolios der Unternehmen. So stagniert die digitale Transformation in der produzierenden Industrie.
Bis heute lässt sich kein signifikanter Beitrag von Industrie 4.0 zu finanziellen Unternehmenskennzahlen nachweisen. Die mit dem Verkauf physischer Produkte und den korrespondierenden After-Sales-Leistungen erzielten Erlöse sinken in den letzten Jahren kontinuierlich. Der Erfolg von neuen, datenbasierten Dienstleistungen, mit denen die Investitionen in Industrie 4.0 monetisiert werden können, ist daher kritisch. Dazu hat das FIR gemeinsam mit Industriepartnern auf Basis von DevOps und Lean-Start-Up-Methoden das Entwicklungsvorgehen "Smart Service Engineering" erarbeitet.
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.
Im Rahmen des Projekts 'ReStroK' werden die Stromgestehungskosten von Onshore-Windenergieanlagen durch die Optimierung der Wartungs- und Instandhaltungsaktivitäten, der Restlebensdauer und der
Betriebsführung reduziert. Das Projekt versetzt dadurch KMU in die Lage, das volle Potenzial ihrer Windparks auszuschöpfen und so auch nach Ende der im Erneuerbare-Energien-Gesetz festgelegten
20-jährigen Dauer der Mindestvergütung mit anderen Energieerzeugungsmethoden erfolgreich zu konkurrieren. Ab Beginn des Jahres 2021 verlieren rund 6.000 Windenergieanlagen (WEA) ihren Förderanspruch. Bis 2026 steigt diese Zahl auf 14.000 WEA an.1 Diese Anlagen werden sich dann ohne Subventionierung am Markt behaupten müssen.² Zwar sind die WEA mittlerweile abgeschrieben, jedoch verursachen Wartung und Instandsetzung erhebliche Kosten. Wie gut sich Windstrom EEG-frei vermarkten lässt, hängt also von den Betriebskosten und somit stark von den Instandhaltungskosten der WEA ab.³ Das Projekt 'ReStroK'(Förderkennzeichen EU-2-2-029) wird in Zusammenarbeit mit dem Center for Wind Power Drives (CWD), dem Institute for Power Generation and Storage Systems (PGS), dem Bürgerwindpark Bürgerwindräder Rheinberg, psm WindService sowie psm Nature Power Service & Management durchgeführt.
Smart-Farming-Welt
(2019)
Im Forschungsprojekt „Analytics for Innovation“ wurde ein Konzept zur schnellen kundenzentrierten Entwicklung von Dienstleistungen mittels Business Analytics-Methoden für den Maschinen- und Anlagenbau entwickelt. Dieses Vorgehen ermöglicht kleinen und mittelständischen
Unternehmen (KMU) den Sprung zur smarten Dienstleistungsentwicklung. Diese zeichnet sich durch die Nutzung von einer Informationsflut bei der Entwicklung von Dienstleistungen aus. Zentrale Voraussetzung ist die digitale Verfügbarkeit aller erforderlichen Informationen
und deren Verarbeitung in einer Schnittstelle.
Traditionelle Unternehmen aus dem Maschinenbau erhalten durch die Entwicklung von datenbasierten Dienstleistungen die Chance, ihr Angebotsportfolio auszubauen und sich von Marktbegleitern
abzugrenzen. Jedoch erschweren der hohe Kostendruck, unzureichende IT-Kenntnisse sowie die Verschmelzung von Branchengrenzen im Maschinenbau die Entwicklung von digitalen Dienstleistungsangeboten. Während zunehmend auch Unternehmen anderer Branchen, z. B. Amazon oder Alibaba, ihren Kunden technische Dienstleistungen anbieten, geraten
besonders kleine und mittlere Unternehmen bei der Entwicklung von innovativen After-Sales-Services ins Hintertreffen.
In den ersten Phasen des Forschungsvorhabens wurden zunächst in der Praxis angewendete Prozesse der Dienstleistungsentwicklung bzw. -innovation aufgenommen.
Die Kernergebnisse des Forschungsprojekts MeProLI sind zum ein wissenschaftlich-technisches Vorgehensmodell zur Gestaltung von Prozessbaukästen und zur aufwands-/nutzenoptimalen Standardisierung von Industrieservice Prozessen. Anhand dieses Modells wurde ein praktisches Anwendungsmodell in Form entwickelt und in der DIN SPEC 91404 veröffentlicht. Darüber hinaus wurden die Ergebnisse in zahlreichen Veröffentlichungen, auf Veranstaltungen, in Weiterbildungsangeboten, Arbeitskreisen, einer Dissertation und zwei internationalen Konferenzen einer Vielzahl an Unternehmen und Interessenten zugänglich gemacht. 1. Entwicklung eines morphologischen Erklärungsmodells zur Strukturierung, Typologisierung und Standardisierung von Eigenschaften und relevanten Handlungsfeldern für aufgenommene industrielle Instandhaltungsprozesse. 2. Entwicklung eines Kennlinienkatalogs zur Operationalisierung der Zusammenhänge von Prozesseinflussgrößen und -zielgrößen, um daraus die Wirkungen von Maßnahmen visuell darstellen zu können. 3. Entwicklung einer Methode zur Aufwands-/Nutzenkalkulation von Standardisierungsmaßnahmen zur Abschätzung der Relevanz von ausgewählten Maßnahmen für KMU. 4. Entwicklung eines Gestaltungsmodells für Prozessbaukästen, Integration des Gestaltungsmodells in Referenzprozesse für Instandhaltungsservices und Gestaltung von konkreten Baukästen für die kritischen Prozessschritte dieser Services. 5. Überführung der Ergebnisse in eine praktisch anwendbare Methode zur Identifikation von Standardisierungspotential und Ableitung von Maßnahmen zur Standardisierung von Instandhaltunsprozessen. Dokumentation und Veröffentlichung der Ergebnisse in der DIN SPEC 91404 und Gestaltung einer online Applikation zur praktischen Durchführung der Methode. KMU können mit der Methode eigenständig innerhalb von 2 Tagen Standardisierungsmaßnahmen ableiten.
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.
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.
Der Wandel des Servicetechnikers zum wichtigsten Ansprechpartner des Kunden und wichtigsten Vertriebskanal des Unternehmens erfordert einen nachhaltigen Wandel des gesamten Unternehmens. Doch die Anstrengung lohnt sich. Diese Erkenntnis ist in vielen Unternehmen bereits angekommen, jedoch fehlt häufig eine klare Vorstellung davon, wie sehr solch ein Wandel bestehende Strukturen infrage stellt. Eine grundlegende Veränderung des Unternehmens ist dabei nur möglich, wenn alle Ebenen und Abteilungen die Notwendigkeit erkannt und eine klare Vorstellung von ihrer künftigen Unternehmenskultur haben. Dazu reicht es nicht aus, die neuen Werte des Unternehmens auf eine Folie zu schreiben, sondern jeder Mitarbeiter muss seine eigene zukünftige Rolle verstehen und annehmen können.
Although data-driven services play a major role in future business models of manufacturing companies, the large number of newly invented data-driven services that fail shortly after launching implies that companies struggle with their market launch. This paper deduces success factors and examines these empirical factors with structural equation modelling.
The transformation of the service technician into the customer's most important contact person and the company's most important sales channel requires a sustainable change of the entire company. But the effort is worth it. This insight has already reached many companies, but there is often a
lack of a clear idea of how much such a change challenges existing structures. A fundamental change of the company is only possible if all levels and departments recognize the necessity and have a clear idea of their future corporate culture. It is not enough to write down the new values of the company on a piece of foil, each employee must be able to understand and accept his or her own future role.
Traditional manufacturing companies increasingly launch data-driven services (DDS) to enhance their digital service portfolio. Nonetheless, data-driven services fail more often than traditional industrial services or products within the first year on the market. In terms of market launch, their digital characteristics differ from traditional industrial services and thus need specific structures and actions, which companies currently lack. Therefore, a process guideline for a six-month market launch phase of DDS is developed. The guideline relies on analogies from product, service and software launches based on the latest literature from service marketing and successful practices from various industries. Finally, the guideline is evaluated within five industrial case studies. Thus, the guideline provides scientific research insights regarding the market launch process of DDS and adds to the research of service marketing. It provides practical guidance for manufacturing companies by serving as a reference process for the market launch and offering a collection of successful practices within this area. [https://link.springer.com/chapter/10.1007/978-3-030-00713-3_14]
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.
Die in der produzierenden Industrie fortschreitende Digitalisierung geht mit großen Potenzialen einher. Nichtsdestotrotz blieb der realisierte Nutzen aus der Digitalisierung bisher hinter den Erwartungen zurück. Durch Smart Services besteht die Möglichkeit, neue digitale Geschäftsmodelle mit Fokus auf einen hohen Kundennutzen zu realisieren und folglich mit einer individuellen und dennoch skalierbaren Lösung auf effiziente Weise Wertschöpfung zu generieren.
The maintenance department is an incubator for further developments in many companies and drivers for digital transformation. The basic essence of industry 4.0 is the optimisation of the information flows within and outside the company for accelerated adjustment of corporate organisations in the context of increasing competitive pressure. Due to the multitude of interfaces, information and data streams as well as their service characteristic, the maintenance department is ready to take the next step towards industry 4.0 and smart maintenance.
Despite endless publications and advertisements, the promise of smart maintenance is not technology but productivity. To achieve sustainable transformation, use cases need to be transformed into business cases. For that matter, lighthouse projects are not the key to success but transforming your departments, processes, data management, reporting and so on is. Another big misconception of industry 4.0: Transformational change does not happen with sensors or dashboards but with people. Therefore, companies which already invested in their people, culture and in lean six sigma have a head start. Nevertheless, it is no reason to rest. The journey to smart maintenance is long and no company can truly say that they achieved it already. In order to advance in industry 4.0 a digitisation roadmap is the best tool to show the big picture and at the same time link this vague vision to concrete measures. It is the only way to justify investment in infrastructure and guide your people into change.
But the first two questions on your way to smart maintenance are always the hardest:
1. What do I aim to achieve and how can industry 4.0 contribute to my goals?
What measure am I already pursuing to reach that goal and how do they further my aspirations?
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]
Crowd-Innovation
(2020)
Ideen für erfolgreiche Innovationen müssen nicht immer aus den eigenen Reihen stammen – das wusste bereits die englische Regierung im 18. Jahrhundert. Eine ähnlich diffuse Aufgabe wie die der Entdeckung neuer Kontinente steht nun der produzierenden Industrie bevor: der Aufbruch ins Zeitalter der digitalen Dienstleistungen. Impulse für digitale Geschäftsmodelle können Unternehmen von Studierenden im Rahmen der Crowd-Innovation erhalten. Hierzu bietet das Center Smart Services ein bewährtes Konzept, das den Unternehmen einen einfachen Zugang zu motivierten Studierenden gewährt.
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.
Before starting with smart maintenance and machine learning, get things done right. Big data and analytics are a great way to get the most out of your assets, but they are not always the biggest lever and require a solid data foundation. As shown it is possible to get more out of the resources you have with relatively simple tools by applying the right method and bringing together the right people. To turn a computer system into a working tool and take full advantage of the capabilities of modern software solutions, specific steps must be taken, and both management and personnel need to be involved in shaping the future business processes. Only the right processes are able to generate a solid data foundation and enable the RCM method to work and improve asset lifecycle management and overall costs.
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.
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.
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.
Smart-Farming-Welt
(2019)
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.
Die Instandhaltungsorganisationen von Prozess- und Produktionsanlagen stehen vor komplexen und vielschichtigen Herausforderungen bei der Durchführung der Instandhaltungsprozesse. Durch die Vielfalt der Instandhaltungsobjekte hinsichtlich Hersteller, technischer Funktionsweise und Verschleißbild ist jeder Prozess einzigartig. Diese hohe Komplexität hält viele Unternehmen davon ab, die Instandhaltungsprozesse grundsätzlich zu standardisieren. Damit bleibt sowohl bei der Instandhaltungstätigkeit, als auch bei vor- und nachgelagerten Organisationsprozessen viel Potenzial ungenutzt. Oft ist den Unternehmen nicht bekannt, an welchen Stellen das größte Potenzial liegt und wie es ausgeschöpft werden kann. Mit der DIN SPEC 91404 wurde ein leicht anwendbares vier-schrittiges Vorgehen entwickelt. Dies ermöglicht die Identifikation und Nutzung von Potenzialen zur Optimierung von Instandhaltungsprozessen und führt letztendlich zu Wettbewerbsvorteilen im Markt.