62 Ingenieurwissenschaften
Refine
Year of publication
Document Type
- Article (31)
- Bachelor Thesis (167)
- Book (51)
- Part of a Book (147)
- Conference Proceeding (230)
- Contribution to a Periodical (557)
- doctorallecture (201)
- Doctoral Thesis (367)
- Lecture (107)
- Master's Thesis (279)
- Internet Paper (35)
- Preprint (1)
- Report (69)
- Study Thesis (12)
- Working Paper (58)
Language
- German (1815)
- English (384)
- Multiple languages (111)
- Spanish (2)
Is part of the Bibliography
- no (2312)
Keywords
- 01 (64)
- 02 (68)
- 03 (13)
- 04 (7)
- 3-Phasen-Konzept (2)
- 3D-Druck (5)
- 3GPP (1)
- 3PhasenKonzept (7)
- 5G (23)
- 5G mobile communication (2)
Institute
- Business Transformation (180)
- Dienstleistungsmanagement (493)
- FIR e. V. an der RWTH Aachen (2310)
- Informationsmanagement (347)
- Produktionsmanagement (524)
Welche Innovationen sind entscheidend für Ihr Unternehmen und wie ist deren Entwicklungsstand? Mit dem Projekt Techrad sollen auch KMU die Antwort auf diese Frage im Blick behalten können.
Techniktrends zu überblicken, ist für KMU oft nicht möglich, aber wettbewerbsentscheidend. Das Projekt Techrad arbeitet an einer Lösung dieses Dilemmas.
Fünf Unternehmen erarbeiten ein Technologieradar für KMU. NLP ist ein Teilgebiet Künstlicher Intelligenz und macht das Technologieradar erst möglich. Anwender erhalten von Techrad eine personalisierte Auswertung über die aktuell verfügbaren Technologien und deren Reifegrad.
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.
Auf Basis einer systematischen Literaturanalyse wurden insgesamt 11 Kennzahlen identifiziert, welche die Grundlage zur Beschreibung der operativen Leistungsfähigkeit von Unternehmen bilden. Die Kennzahlen wurden in die vier Leistungsdimensionen Effizienz, Qualität, Zeit und Flexibilität eingeteilt.
In recent years, the complexity of the management of supply chains has increased significantly due to the growing individualization of products and dynamics of the market environment. To remain competitive, ensuring efficient and flexible processes and procedures along the entire supply chain are of particular importance for companies. Especially in the inter-company context, decisions must be made as quickly and correctly as possible. To enable good decision-making processes data must be processed and provided in a targeted manner. Currently, however, the necessary transparency is often lacking within the supply chains. In this article, a software-based assistance system for decision support on supply chain level is presented that aims to increase the transparency and efficiency of the decision-making process. A concept for decision support on supply chain level is presented. This paper focuses on the conceptual linkage of relevant decisions and data. Therefore, indicators are identified and linked with the relevant decisions. Moreover, a suitable way of visualizing the identified indicators for each decision in a user-friendly manner is defined. These results are then used to implement the software tool.
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.
Das vorherrschende Geschäftsmodell führender Internetfirmen besteht darin, persönliche Daten in großem Maße zu erfassen und zu monetisieren. Im Hinblick auf aktuelle Entwicklungen, wie Internet of Things, Industrie 4.0 oder Ambient Assisted Living sind durch die weitreichende Erfassung und Verarbeitung von (persönlichen) Daten echte Mehrwerte zu erwarten, wie z.B. Produktverbesserungen oder Effizienzsteigerungen. Zugleich stellt die Monetisierung sensitiver persönlicher Daten eine der größten Bedrohungen der Privatsphäre im digitalen Raum dar, wenn bspw. Bürgern durch intransparent erstellte Profile Nachteile entstehen. Hier stehen wirtschaftliche Interessen großer Internetfirmen den Bedürfnissen und Rechten des Einzelnen nach Privatsphäre gegenüber. Häufig haben die Betroffenen keinerlei Kontrolle über ihre informationelle Privatsphäre, auch werden sie an dem aus ihren Daten erwirtschafteten Gewinn nicht beteiligt. Eine gesetzliche Regelung, welche die Interessen beider Seiten berücksichtigt, ist bisher nicht in Sicht. Das Ziel des Verbundprojektes myneDATA ist es, ein persönliches Datencockpit für Internetnutzer zu schaffen, welches es dem Nutzer ermöglicht, i) selbst über die Verwertung seiner Daten zu entscheiden, ii) seinen individuellen Bedarf an Privatsphäreschutz einzuschätzen und entsprechend zu realisieren und iii) an der Wertschöpfung aus seinen Daten beteiligt zu werden. Das Teilvorhaben „Wissenschaftlich-Ökonomische Perspektive“ des FIR adressiert Punkt iii), die Entwicklung neuartiger Möglichkeiten zur Steigerung der Wertschöpfung aus Personendaten und zugehörige Geschäftsmodelle.
In the course of the advancing digitalization, new business fields are characterized by a mixture of competition and cooperation of the actors involved. MOORE (1993) postulates that in analogy to natural ecosystems, long-term successful companies also operate in comparable network structures. In this context, there are pronounced controversies about the extent to which there are leading actors in such a business ecosystem and to what extent they can control the entire system. Similarly, it is largely unclear where the boundaries of a business ecosystem actually lie and how meaningful selective boundaries are. Especially the extent of the coopetition proves to be characteristic for the relationship between the involved actors. Therefore, the aim of this research approach is to develop a new approach for the analysis of corporate ecosystems. To ensure applicability, the developed approach was validated in a current case study in the telecommunications industry.
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.
In immer komplexer werdenden Wertschöpfungsketten wird die Geschwindigkeit, mit der Informationen weitergegeben und entsprechende Maßnahmen umgesetzt werden können, zu einem entscheidenden Wettbewerbsvorteil. In der Realität kommt es jedoch auf dem Weg zwischen einem Ereignis und einer passenden Reaktion zu verschiedenen zeitlichen Verzögerungen, sogenannten Latenzen, die die Agilität eines Unternehmens erheblich hemmen. Insbesondere das Supply-Chain-Management mit seiner koordinierenden Funktion wird dadurch vor enorme Herausforderungen gestellt. Schlüsseltechnologien im Zeitalter von Digitalisierung und Industrie 4.0 bieten jedoch enorme Potenziale, die verschiedenen Formen von Latenzen zu reduzieren. Der Beitrag untersucht die unternehmensübergreifenden Effekte dieser Verzögerungen entlang der Supply-Chain und beleuchtet darüber hinaus die Potentiale konkreter digitaler Technologien auf selbige.
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.
Disruptive innovations confront companies with great challenges. Leading companies are losing their market position to disruptive competitors and are forced to react instantly to defend their position in the market. Companies not only lack knowledge of various strategic options that have been successfully used against disruptive attackers, they also do not know about the effects of these different strategic options on their own company. On the basis of a use case analysis, 30 companies were examined with regard to their strategic reaction on a disruptive attacker. In the evaluation of the use cases, the strategic options were grouped into clusters, from which seven master strategies could be identified. These seven master strategies were then transformed into a regulatory framework, which differentiates between reactive and proactive strategies and classifies them according to their intensity. With the help of the identified master strategies, companies will be able to identify options for action in competition with disruptive attackers, thus giving them greater chances of success in the defense of their market position. In addition, companies can use the master strategies to prepare an emergency strategy even before a disruptive attacker appears on the market, thus significantly minimizing the risk of customer loss.
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.
Im Mittelpunkt der IT-Systemarchitektur der großen und kleinen Unternehmen fungiert als zentrale Instanz seit jeher das Enterprise-Resource-Planning-System (kurz ERP-System). Damit dient es als Schnittstelle zur hochgradigen Integration von Anwendungen, die verstärkt die Kernapplikationen erweitern und modernisieren. Für die zunehmend an Projekten ausgerichtete Prozessmodellierung ist das implementierte ERP-System in seiner Agilität und Offenheit zu begrenzt. Individuelle Lösungen werden für unternehmerische Anforderungen geschaffen, aber nicht in den Standard überführt. In diesem Positionspapier zeigen wir, die Fachgruppe Produktionsplanung des FIR, anhand verschiedener Sichtweisen ausgewählte Trends auf, die großes Potenzial für die Zukunft des ERP-Systems bereithalten.
Durch die Globalisierung haben sich in den letzten Jahrzehnten überwiegend internationale und hochkomplexe Lieferketten entwickelt. Nationale und internationale Herausforderungen, wie beispielsweise der Brexit, die Corona-Pandemie, Handelskriege und Protektionismus oder auch verschiedene Naturkatastrophen haben in der Vergangenheit gezeigt, dass die Relevanz eines ganzheitlichen Supply-Chain-Risikomanagements durch den Anstieg der Komplexität in den Lieferketten stark gestiegen ist.
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]
Aufgrund der überwältigenden Menge an Informationsquellen wird ein systematisches Technologiemanagement, insbesondere für KMU, immer schwieriger. Daher hat das Projekt ‚TechRad‘ zum Ziel, den Technologiescouting-Schritt in diesem Prozess durch einen softwareplattformbasierten Radar zu automatisieren, der KMU eine permanent aktuelle, individuelle Übersicht über verfügbare Technologien bereitstellt. Der TechRadar wird durch KI-Algorithmen automatisch Daten aus relevanten Quellen sammeln, die Relevanz der jeweiligen Technologie (d. h. ihren Reifegrad) bewerten und diese dann auf einer Radarkarte visualisieren. Als Teilziel dieses Projekts muss eine intuitiv zu bedienende grafische Benutzeroberfläche entwickelt werden. Die Anforderungsaufnahme dafür wird häufig in einem Wireframing-Workshop durchgeführt. Die Umstellung des normalerweise physischen Workshop-Formats auf ein virtuelles ist Hauptthema des Artikels. Das Vorhaben IT-2-1-025a / EFRE-0801386 der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über den PTJ durch den europäischen Fond für regionale Entwicklung in NRW(EFRE) mit Mitteln der Europäischen Union (EU) gefördert.
Konzepte und technologische Möglichkeiten, zusammengefasst unter dem Begriff „Industrie A.=“, ermöglichen es produzierenden Unternehmen, zu einer datenbasiert lernenden Organisation zu werden. Grundvoraussetzung dazu ist eine entsprechende IoT-Architektur. In diesem Beitrag wird ein Verfahren vorgestellt, dass die systematische Integration von Funktionen eines Energieinformationssystems in eine IoTArchitektur, dem Internet of Production, erläutert.
We propose an integrated cost-benefit model to evaluate the economic utility of Additive Manufacturing (AM) for specific business cases. The high flexibility of AM enables novel product design possibilities and new production systems paradigms. However, in most cases AM-technologies still cannot compete with conventional mass production technologies in terms of production costs. A fundamental reason is that the benefits of AM are not considered by simple evaluation of production costs. Hence, practitioners need a holistic approach to consider costs and benefits of AM simultaneously in order to determine AM business cases. An easy to use model supports the user in identifying the relevant benefits for a specific use case and consider the added value in a cost model. The result is an interactive graph that helps users to explore new benefits and unlock their potential. The benefits are integrated into a cost model to allow a holistic quantitative evaluation of the business case. Our interactive approach based on the cytoscape graph framework helps identifying the key impact factors of the business case and makes it easy to run scenario-based analyses.
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 zunehmende Vernetzung von Unternehmen erhöht die Bedeutung funktionierender Logistiknetzwerke. Gleichzeitig wird auch die Gestaltung effizienter Unternehmensprozesse immer wichtiger, denn Unternehmen unterliegen aufgrund des wachsenden Wettbewerbs einem hohen Kostendruck. Ein zunehmend volatiler Markt mit kurzen Produktlebenszyklen und einem immer stärker individualisierten Angebot erfordern flexible Strukturen in den Unternehmen. Effiziente Prozesse auf der einen, flexible Strukturen auf der anderen Seite – viele Unternehmen müssen sich in diesem Spannungsfeld neu aufstellen, um langfristig Wettbewerbsvorteile zu sichern. Neben allgemeinen Zielgrößen wie der Reduktion von Transportkosten und -zeiten sind die Einhaltung von Lieferversprechen sowie eine hohe Supply-Chain-Resilienz heute essenzielle Erfolgsfaktoren. Die anforderungsgerechte Gestaltung des Logistiknetzwerks ist ein wesentlicher Hebel zur Adressierung dieser Zielgrößen. Mit der transparenten Darstellung des Status quo sowie der Modellierung und Bewertung relevanter Zukunftsszenarien können softwaregestützt Potenziale in der Gestaltung des Logistiknetzwerkes identifiziert werden.
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]
Keine moderne Produktion kommt heutzutage ohne IT-Anwendungen aus. Besonders im Zuge von Industrie 4.0 kommt es zu einer signifikanten Verschmelzung von Informations- und Produktionstechnik. Der Umfang von IT-Anwendungen in Unternehmen steigt dabei permanent an und führt zu einer höheren IT-Komplexität. Für die erfolgreiche Umsetzung von Industrie 4.0 ist ein gezieltes IT-Komplexitätsmanagement notwendig. Hierbei stellen sich einige Fragen: Welche Treiber der IT-Komplexität müssen besonders betrachtet werden? Welchen Einfluss haben diese Treiber auf die Hürden von Industrie 4.0? Und viel wichtiger, mit welchen Managementaktivitäten können diese Treiber beherrscht werden, damit die steigende IT-Komplexität die Einführung von Industrie 4.0 nicht verhindert, sondern unterstützt bzw. ermöglicht? Im Rahmen einer vom FIR durchgeführten Studie wurden die zentralen Fragestellungen systematisch untersucht und ausgewertet. Die Ergebnisse sind vor allem für IT-Verantwortliche interessant, die einen vertiefenden Überblick über die relevanten IT-Komplexitätstreiber sowie Managementaktivitäten gewinnen möchten. Der Text bietet einen ersten Einblick.
Ziel des ‚SewGuide‘-Projekts ist es, den Ausbildungsprozess von Näharbeiten künftig mithilfe eines digitalen Anlernassistenten zu unterstützen, zu individualisieren und zu beschleunigen. Dazu werden mit der Hubert Schmitz GmbH, einem der führenden Unternehmen für moderne Schutzbekleidungen (bekannt etwa für die S-GARD® Schutzkleidungen), ausbildungsrelevante Inhalte generiert und in ein digitales Format transformiert. Der digitale Assistent ‚SewGuide‘ wird dem Auszubildenden an der Nähmaschine diese Inhalte interaktiv zur Verfügung stellen. Weiterhin wird mittels Nachrüstung geeigneter Hardware der individuelle Nähprozess analysiert und als Feedback in die Lerninhalte integriert werden. Das Projekt soll eine Grundlage für das Wissensmanagement und die Wissensorganisation in handwerklichen Produktionen hinsichtlich eines digitalen Assistenzsystems an Maschinen schaffen. Dieses Vorhaben wird mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 02K19K013 gefördert.
The development of renewable energies and smart mobility has profoundly impacted the future of the distribution grid. An increasing bidirectional energy flow stresses the assets of the distribution grid, especially medium voltage switchgear. This calls for improved maintenance strategies to prevent critical failures. Predictive maintenance, a maintenance strategy relying on current condition data of assets, serves as a guideline. Novel sensors covering thermal, mechanical, and partial discharge aspects of switchgear, enable continuous condition monitoring of some of the most critical assets of the distribution grid. Combined with machine learning algorithms, the demands put on the distribution grid by the energy and mobility revolutions can be handled. In this paper, we review the current state-of-the-art of all aspects of condition monitoring for medium voltage switchgear. Furthermore, we present an approach to develop a predictive maintenance system based on novel sensors and machine learning. We show how the existing medium voltage grid infrastructure can adapt these new needs on an economic scale.
Dieser Artikel gibt einen einführenden Überblick über die Ziele des Forschungsprojekts ‚DaFuER‘ und das Vorgehen in demselben. Ziel des Forschungsprojekts ist es, Methoden der Datenfusion zur Steigerung der Datenqualität im Kontext betrieblicher Rückmeldedaten anzuwenden. Hierzu soll im Vorhaben die Frage beantwortet werden, wie durch Ansätze der Datenfusion eine hinreichende Qualität von Rückmeldedaten in der Produktion kosteneffizient sichergestellt werden kann. Das IGF-Vorhaben 20579 N der Forschungsvereinigung FIRe. V. ander RWTHAachen, Campus-Boulevard 55, 52074 Aachen wird über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Die Blockchain-Technologie (BCT) ist eine der vielversprechendsten Technologien der Gegenwart, die in Zukunft insbesondere für produzierende Unternehmen eine noch größere Bedeutung haben wird, um die unternehmensübergreifende Zusammenarbeit zu verbessern und Prozesse gegenüber dem Kunden transparenter zu gestalten. Trotzdessen wird die BCT als vertrauensschaffendes Instrument noch nicht in der Breite angewendet. In diesem Beitrag werden neben den Potenzialen die Herausforderungen für den Einsatz der BCT erörtert und auf Basis des St. Gallener Management-Modells ein Lösungskonzept hergeleitet, welches dem potenziellen Anwender der BCT mögliche Anwendungsszenarien aufzeigt.
Intelligente, mit dem Internet verbundene Lautsprecher mit Spracherkennung und -steuerung - Smart Speaker -, sind in immer mehr Privathaushalten zu finden. Gleichzeitig gewinnen Sprachsassistenzsysteme auch in der betrieblichen Praxis von Unternehmen zunehmend an Bedeutung. Eine systematische Vorgehensweise zur Identifikation und Bwertung von nutzenstiftenden Einsatzzenarien von Sprachassistenzsystemen in der betrieblichen Praxis existiert nach dem Stand der Technik nicht. Diese Forschungslücke adressiert das Forschungsprojekt Smart Speaker.
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.
The shift towards a decentralized electricity supply based on renewable energy sources requires constant communication between the entities in the electric grid. To satisfy this communication need, energy market players have to select suitable communication technologies for their use cases. Conventionally, these decisions are made on a case-by-case, non-systematic basis. This paper proposes a technology configurator, which is a systematic, solution neutral approach for energy market players to select the most suitable communication technology for their communication use case. The developed methodology consists of eight steps, in an interaction between a user and a system, leading to a prioritized list of technology recommendations for the given use case. In conclusion, the proposed approach presents energy market players with a systematic way to select the best suitable communication technology to connect their system to the smart grid.
Die digitale Transformation schreitet immer weiter voran. Sie wird als "vierte industrielle Revolution" betitelt und hat eine umfassende Vernetzung aller Lebens- und Wirtschaftsbereiche zur Folge. Sie ist der Haupttreiber des sozialen, wirtschaftlichen und ökologischen Wandels. Im Zuge dieses Wandels werden immer wieder neue Technologien entwickelt und Themen wie Künstliche Intelligenz. Big Data Analytics oder Blockchain rücken in den Fokus von Unternehmen und der breiten Öffentlichkeit. Ein Beispiel dieser schnellen Entwicklung stellt die Blockchain-Technologie und ihr erster Anwendungsfall Bitcoin dar. Dies ist die Fortsetzung eines zweiteiligen Beitrages, dessen erster Teil in der Ausgabe 6/2019 von Industrie 4.0 Management erschienen ist.
Durch die Möglichkeit, bedarfsgerecht in unmittelbarer Nähe vom Nachfrageort zu produzieren, besitzt der 3D-Druck das Potenzial, die Erwartungen der Ersatzteilnachfrager an eine ständige Verfügbarkeit individualisierter Komponenten zu erfüllen. Um die Vorteile der additiven Fertigung für die Ersatzteillogistik nutzen zu können, müssen neue Geschäftsmodelle entwickelt werden. Durch den unterstützenden Einsatz eines Softwaretools könnte der Logistikdienstleister neue Kompetenzen im Rahmen der additiven Ersatzteilfertigung erwerben und sein bestehendes Dienstleistungsspektrum erweitern. Zur erfolgreichen Etablierung des Softwaretools gilt es, ein Geschäftsmodell für den unterstützenden Einsatz des Softwaretools zu erarbeiten. In der hier dargelegten Untersuchung wurde ein Geschäftsmodell durch Anwendung des Business Model Canvas in einem Expertenkreis erarbeitet.
Bestehende Ansätze zum effizienten Umgang mit IT-Sicherheit sind meist zu komplex und umfangreich, um es KMU zu ermöglichen, anwendungsfallspezifische Maßnahmen zur Steigerung der Informationssicherheit abzuleiten. Das Vorgehen des Mappings aus Anwendungsfall und Maßnahmen mithilfe der entstehenden Angriffsvektoren soll dies ermöglichen. Es wird bestehende Ansätze und Rahmenwerke (etwa den IT-Grundschutz) nicht abschaffen, ebenso wenig wie Lösungsanbieter und deren Berater. Darüber hinaus erhebt das Vorgehen keinen Anspruch auf eine vollumfängliche Auskunft. Letztlich soll es, KMU den Einstieg ermöglichen und dem Management (bzw. den Entscheidern) klarzumachen, welche Implikationen die Einführung bestimmter Industrie-4.0-Anwendungsfälle auf die Informationssicherheit hat. In diesem Kontext unterstützt das FIR insbesondere kleine und mittlere Unternehmen von der Aufnahme, über die Analyse bis hin zur Umsetzung.
Industrie 4.0 spielt eine immer wichtigere Rolle im Strategieprozess von Unternehmen. Es gilt, die neuen Möglichkeiten der Digitalisierung in allen Bereichen der Wertschöpfungskette optimal zu nutzen. Industrie 4.0 zeichnet sich durch die Kombination einer großen Zahl physischer und digitaler Technologien wie künstliche Intelligenz, Cloud Computing, Augmented Reality und dem Internet of Things aus. Mit der zunehmenden Vernetzung von Objekten, Daten und Prozessen und dem verstärkten Einsatz von IT in der Fabrikautomation und Prozesssteuerung haben in diesen Bereichen auch die Cyber-Bedrohungen aus der konventionellen IT eine hohe Relevanz. Im Zuge des digitalen Wandels wird sich die Anzahl der Angriffsvektoren im Industriekontext massiv erhöhen.
Die Herausforderung für kleine und mittlere Unternehmen (KMU) ist die Umsetzung der Digitalisierung im konkreten Geschäftsalltag. Häufig fehlt es an finanziellen und personellen Mitteln, um eine eigene Abteilung für IT-Sicherheit aufzubauen. Aufgrund der fehlenden Expertise in diesem Bereich liegt der Schwerpunkt in dieser Arbeit auf der Identifikation und Beschreibung von praxisnahen und lösungsorientierten IT-Sicherheitsmaßnahmen und ihrer Implikation auf die Unternehmen.
Es werden Maßnahmen identifiziert, die eine sichere Umsetzung von Anwendungsfällen aus Industrie 4.0 gewährleisten können. Ziel dieser Arbeit ist die Erstellung eines IT-Sicherheit-Rahmenwerkes, anhand dessen sich KMU für die Umsetzung von Anwendungen aus Industrie 4.0 orientieren können.
Zunächst sollen Anwendungsfälle aus Industrie 4.0 recherchiert und identifiziert werden. Im zweiten Schritt werden für jeden Anwendungsfall mögliche Sicherheitslücken identifiziert und zu Angriffsvektoren gebündelt. Im Anschluss werden den jeweiligen Anwendungsfällen relevante Angriffsvektoren zugeordnet. Im letzten Schritt werden Maßnahmen recherchiert und identifiziert, welche die Sicherheitslücken schließen bzw. die Angriffsvektoren neutralisieren.
Unvorhergesehene Effekte, wie beispielsweise die aktuelle Corona-Pandemie, können die Lieferkette eines Unternehmens maßgeblich beeinflussen. Die hochkomplexen Supply-Chains der heutigen Zeit stehen vor der Herausforderung, schnell und flexibel auf mögliche Störungen von außen zu reagieren. Ein ganzheitliches Supply-Chain- Risikomanagement hilft Ihnen bei der frühzeitigen Lokalisierung von Störungen und der Ableitung geeigneter Maßnahmen zur kurz- und langfristigen Stabilisierung der Lieferketten. Zu diesem Zweck haben wir vom FIR an der RWTH Aachen, aufbauend auf dem Industrie-4.0-Maturity-Index, ein cloudbasiertes Supply-Chain-Risiko-Assessment entwickelt, das durch den intuitiven Aufbau eine praxisorientierte Lösung im Bereich des Risikomanagements darstellt.
Im Rahmen dieser Masterarbeit soll an erster Stelle der Untersuchungsbereich eingegrenzt werden, wobei besonderer Schwerpunkt auf die Systemintegration des Enterprise-Resource-Plannings mit dem Manufacturing-Execution-Systems mit Hilfe des Internet-of-Things gesetzt wird. Gleichzeitig sollen auch in diesem Teil sowohl die technologischen als auch die begrifflicher Grundlagen für den weiteren Verlauf der Arbeit gelegt werden. Im nächsten Kapitel soll anschließend der Stand der Wissenschaft beleuchtet werden, wobei in erster Linie die Begrifflichkeiten im Bereich der künstlichen Intelligenz definiert und eingeordnet werden. Anschließend sollen die Algorithmen des maschinellen Lernens näher untersucht bzw. klassifiziert und die Anwendungsbereiche strukturiert dargestellt werden. Nachdem im Anschluss daran die Rahmenbedingungen in Form eines ERP- systemgesteuerten Produktionsumfelds vorgestellt wurden, soll im Hauptteil der Arbeit die Potenzialanalyse sowie Implementierung stattfinden. Hierfür werden die Anwendungsbereiche der künstlichen Intelligenz speziell auf den ERP-Bereich übertragen sowie einzelne relevante Einsatzmöglichkeiten näher betrachtet. Abschließend sollen anhand eines ausgewählten Szenarios die Vorteile des Einsatzes von Machine-Learning-Algorithmen abgeleitet werden. Hierbei soll ein spezieller Use-Case konzipiert werden, welcher die Methoden der intelligenten Fehlererkennung einsetzt und nach Implementierung der Algorithmen ihre Prognosegenauigkeiten bewertet.
Wie können Mitarbeiter von zeitaufwendigen Routinearbeiten befreit und Kapazitäten für wertschöpfende Tätigkeiten geschaffen werden? Wie können die Effizienzpotenziale innerbetrieblicher Geschäftsprozesse nachhaltig ausgeschöpft werden? Robotic-Process-Automation erlebt derzeit einen regelrechten Hype – Erfahren Sie hier, wie digitale Assistenten dabei unterstützen, den Schritt in Richtung Administration 4.0 zu wagen und die Effizienz im Büro auf ein neues Level zu heben.
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.
Industrie 4.0 is hitting the market. The e.GO Life – an electric car for the city – is developed in under three years and only € 30M investment
RWTH Campus pairs research and industry partners to pursue innovative ideas and yield cutting-edge products and services to face next-level digitization.
Digital, agile businesses outperform traditional businesses because of lower latencies in the entire reaction chain
acatech Industrie 4.0 Maturity Index: Helping established companies to build the development path to Industrie 4.0
The Maturity Index is offered to the Plattform Industrie 4.0 for transferring the approach to industry and defining Industrie 4.0 performance levels.
An open infrastructure allows testing of new innovative possibilities for the manufacturing industry Industrie 4.0 is hitting the market. The e.GO Life - an electric car for the city - is developed in under three years and only € 50M investment.
Digital shadow enables fast adaption of products and production.
Digital, agile businesses outperform traditional businesses because of lower latencies in the entire reaction chain. The capability of using data and generate knowledge will different digital champions from losers.
The goal of Industrie 4.0 is a learning agile company;a mere technology driven approach is not sufficient.
A successful implementation of Industrie 4.0 in manufacturing companies requires a holistic transformation approach.
There are many reasons why the shift towards a learning, agile company fails.
For a successful implementation, the entire company structure has to be considered. A stepwise approach is required to build the agile enterprise - smart use of data is the critical success factor.
Company development within the structuring forcesis based on an Industrie 4.0 development path.
The four structuring forces illustrate the fundamental Industrie 4.0 development and are captured by key questions.
The Maturity Index is developed by renowned partners from industry and research Overview on strategic goals and derived projects.
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.
Die vorliegende DIN SPEC 77007 soll einen Leitfaden zum Aufbau und zur Weiterentwicklung von Dienstleistungsorganisationen entlang der Lean-Management-Prinzipien liefern und einen Überblick über Methoden zur Operationalisierung dieser Prinzipien geben. DIN SPEC 77007 ist insbesondere für industrielle Dienstleistungen, aber auch für andere Dienstleistungs-branchen anwendbar.
Anhang A dieser DIN SPEC enthält eine Sammlung von Methoden, die bei der Anwendung der Prinzipien genutzt werden können.
Die Instandhaltung von Prozess- und Produktionsanlagen stellt einen wichtigen Erfolgsfaktor für die Leistungsfähigkeit der Unternehmen dar. Ein großer Teil der Instandhaltungsprozesse für Prozess- und Produktionsanlagen kann anhand der DIN 31051 in die Grundmaßnahmen Wartung, Inspektion, Instandsetzung und Verbesserung eingeteilt werden. Die Instandhaltungsprozesse sind oftmals dadurch gekennzeichnet, dass sich die Prozess- und Produktionsanlagen in hohem Maße u. a. nach Hersteller, Konfiguration, technischer Funktionsweise, Verschleiß und Anwendungsfeld unterscheiden.Trotz der hohen Prozessvarianz müssen die Instandhaltungsorganisationen ihre Leistungen effektiv und mit einer gleichbleibend hohen Qualität erbringen, um den hohen Anforderungen (z. B. hohe Verfügbarkeitsquoten für einen kontinuierlichen Betrieb) gerecht zu werden. Durch einen höheren Standardisierungsgrad kann die Prozessvarianz verringert und somit die Stabilität der Instandhaltungsprozesse erhöht werden. Damit die Instandhaltungsorganisationen Prozessstandardisierungen effizient durchführen können, muss bekannt sein, welche Prozessschritte Instabilität verursachen und auf welche Weise diese standardisiert werden können. Da die Prozesse der Instandhaltungsorganisationen jedoch über individuelle Prozesscharakteristiken und Anforderungen verfügen, müssen Organisationen die allgemeinen Referenzprozesse auf die jeweiligen Anforderungen adaptieren, um individuelle Standardisierungsmaßnahmen ergreifen zu können. Bislang steht den Instandhaltungsorganisationen kein praxistaugliches Verfahren zur Verfügung, das dabei unterstützt, in bestehenden Instandhaltungsprozessen für Prozess- und Produktionsanlagen schnell und effizient Standardisierungspotentiale zu identifizieren und auszuschöpfen. Daher wird für die Instandhaltungsorganisationen ein effizientes Werkzeug zur Identifikation solcher Standardisierungspotentiale entwickelt. Damit das Verfahren in Instandhaltungsorganisationen praktisch umgesetzt werden kann, werden dem Anwender des Verfahrens Handlungsleitfäden und Checklisten bereitgestellt. Dieses Verfahren wird an das Vorgehen der Fehlermöglichkeits- und -einflussanalyse (FMEA) angelehnt. Mithilfe des Verfahrens wird zum einen der Aufwand für die Prozessauslegung und Prozessstandardisierung der Instandhaltungsorganisationen reduziert und zum anderen wird gewährleistet, dass die Prozesse effizient mit gleichbleibend hoher Qualität erbracht werden. Dieses Verfahren kann auf die in DIN EN 17007:2017-12 beschriebenen Instandhaltungsprozesse angewandt werden. Diese Prozesse können zudem als mögliche Grundlage für das in dieser DIN SPEC beschriebene Verfahren genutzt werden.
Die vorliegende DIN SPEC 77007 soll einen Leitfaden zum Aufbau und zur Weiterentwicklung von Dienstleistungsorganisationen entlang der Lean-Management-Prinzipien liefern und einen Überblick über Methoden zur Operationalisierung dieser Prinzipien geben. DIN SPEC 77007 ist insbesondere für industrielle Dienstleistungen, aber auch für andere Dienstleistungs-branchen anwendbar.
Anhang A dieser DIN SPEC enthält eine Sammlung von Methoden, die bei der Anwendung der Prinzipien genutzt werden können.
ICS 03.080.99; 35.240.60; 43.120
März 2018
Die Spielregeln der betrieblichen Praxis werden aufgrund ansteigender Dynamik der aktuellen Covid-19-Pandemie neu definiert, Erfolgsprinzipien verlieren über Nacht ihre Gültigkeit. Die einschränkenden Effekte der Krise führen zu einem Paradigmenwechsel, der bekannte und etablierte Formen der Zusammenarbeit sowie die Anforderungen an Führungsqualitäten verändert. Bis vor wenigen Wochen war die virtuelle Durchführung von Abstimmungsrunden, Steuerkreisen und Projekt-Workshops für viele Unternehmen nicht denkbar. Wer sich die Tragweite der Pandemie jedoch bewusst vor Augen führt, erkennt, dass die Auswirkungen aktuell und in Zukunft wie ein Katalysator für die digitale Transformation wirken. Handlungsoptionen, die vor drei Monaten als unmöglich galten, sind inzwischen etablierter Bestandteil des Arbeitsalltags.
Mit konventionellen Produktions-, Lagerungs- und Lieferstrategien können die Erwartungen der Kunden im Bereich Wartung und Instandhaltung hinsichtlich einer ständigen Verfügbarkeit individualisierter Komponenten von den Herstellern nicht erfüllt werden. Durch die Möglichkeit, bedarfsgerecht in unmittelbarer Nähe am Bedarfsort zu produzieren, bietet der 3D-Druck das Potenzial, diese Herausforderung technologisch zu lösen. Kostenintensive Bevorratung oder unwirtschaftliche Produktion kleiner Stückzahlen würden in vielen Fällen entfallen. Ziel unseres Forschungsvorhabens '3Dsupply' als Teilvorhaben des Konsortialprojekts '3DPrint-Supply-Service - Entwicklung eines integrierten Dienstleistungskonzepts für Logistikdienstleister', gefördert mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 02K16C162, ist es, Industrieunternehmen einen barrierefreien, zuverlässigen Zugang zur 3D-Produktion von Ersatzteilen zu verschaffen. Durch die Entwicklung eines integrierten Dienstleistungskonzepts sollen Logistikdienstleister dazu befähigt werden, durch die Einbindung additiver Fertigungsquellen ihr Leistungsspektrum in der Ersatzteillogistik zu erweitern. Eine Lieferantenbewertungsmetrik bildet die Grundlage für die Realisierung eines Dienstleistungskonzepts für den Logistikdienstleister.
Unternehmen des Maschinenbaus stehen vor der Herausforderung, die Instandhaltungskosten ihrer Produkte effektiv zu beeinflussen. Die notwendigen Informationen sind oft nicht in der geeigneten Form erfasst oder gar nicht verfügbar. Das Ziel der Arbeit ist es, Unternehmen zu befähigen, mit unterschiedlichen Informationsständen eine Prognose der zu erwartenden Instandhaltungskosten durchzuführen und auf Basis informatorischer Unsicherheiten Handlungsempfehlungen zur Kostenreduktion abzuleiten.
Maschinen- und Anlagenbauer stehen vor der Transformation zu digitalen, datenbasierten Dienstleistungen. Viele Unternehmen scheitern an der Kommerzialisierung und Markteinführung. Die vorliegende Arbeit unterstützt Unternehmen des Maschinen- und Anlagenbaus bei der erfolgreichen Markteinführung datenbasierter Dienstleistungen. Auf Basis von empirischen Studien und Fallbeispielen werden Erfolgsfaktoren der Markteinführung untersucht und konkrete Gestaltungsempfehlungen für die Praxis abgeleitet.
It is crucial today that economies harness renewable energies and integrate them into the existing grid. Conventionally, energy has been generated based on forecasts of peak and low demands. Renewable energy can neither be produced on demand nor stored efficiently. Thus, the aim of this paper is to evaluate Deep Learning-based forecasts of energy consumption to align energy consumption with renewable energy production. Using a dataset from a use-case related to landfill leachate management, multiple prediction models were used to forecast energy demand.The results were validated based on the same dataset from the recycling industry. Shallow models showed the lowest Mean Absolute Percentage Error (MAPE), significantly outperforming a persistence baseline for both, long-term (30 days), mid-term (7 days) and short-term (1 day) forecasts. A potential decrease of up to 23% in peak energy demand was found that could lead to a reduction of 3,091 kg in CO2-emissions per year. Our approach requires low finanacial investments for energy-management hardware, making it suitable for usage in Small and Medium sized Enterprises (SMEs).
Im Zuge der Digitalisierung der Industrie stieg die Menge an erhobenen Daten aus unterschiedlichsten internen und externen Quellen in den letzten Jahren exponentiell an. Diese Entwicklung wird sich fortsetzen. Insbesondere Unternehmen des Maschinen- und Anlagenbaus verfügen über eine Vielzahl von ungenutzten Nutzungs- bzw. Kundendaten. Hier setzt das Vorhaben ServiceAnalytics an.
Integrierte Sensoren innerhalb der Maschinen liefern kontinuierlich Daten über den Zustand der verbauten Komponenten und deren Nutzung (bspw. Verschleiß, Warnungen, Störungsmeldungen, Fehlercodes, Ereignismeldungen, aber auch Umgebungsdaten wie Temperatur, Feuchtigkeit, etc.). Auf diese können die Hersteller heute oftmals mittels der Basistechnologie des Internets in Echtzeit zugreifen und sie somit nutzbar machen. Besonders im Bereich des Dienstleistungsgeschäfts können die aufgenommenen Daten genutzt werden, um damit sowohl das Dienstleistungsportfolio zu erweitern als auch die Profitabilität des bestehenden Dienstleistungsgeschäftes erhöhen. Dafür stehen die Unternehmen vor der Herausforderung eigene Datenanalyse-Fähigkeiten zu entwickeln. Diese Fähigkeit wird in der Literatur Business-Analytics genannt und befähigt die Unternehmen dazu, die erhobenen Daten mittels geeigneter Analyseinstrumente auszuwerten, um eine bessere Entscheidungsgrundlage für geschäftsrelevante Fragestellungen zu schaffen (s. Chen et al. 2012). Um die generierten Daten zu nutzen, damit die vorhandenen Potenziale im Dienstleistungsgeschäft realisiert werden können, müssen sich Unternehmen daher weiterentwickeln und ein Geschäftsfeld Service-Analytics aufbauen. Unter Service-Analytics wird in diesem Zusammenhang die Anwendung von Business-Analytics im Dienstleistungs-geschäft verstanden. In diesem Zuge durchlaufen die Unternehmen einen Transformationsprozess, der durch unterschiedlichste Herausforderungen gekennzeichnet ist. So stoßen die potenziellen Anbieter der datenbasierten Dienstleistungen während des Wandels auf eine dynamische Unternehmensumwelt. Wechselnde Kundenbedürfnisse, schnell reagierende Wettbewerber und sich rasant wandelnde Technologien sind nur einige der Faktoren, die auf die Unternehmen wirken. Diese Herausforderungen gilt es durch geeignete Instrumente zu adressieren, um das neue Geschäftsfeld Service-Analytics nachhaltig und mit Erfolg aufzubauen. Häufig fehlt es jedoch insbesondere klein- und mittelständischen Unternehmen an dem nötigen Fach- und Prozesswissen, um die Datenerhebung und -auswertung wirtschaftlich rentabel zu ge-stalten.
So bestand das Ziel des Forschungsprojektes ServiceAnalytics darin, klein- und mit-telständische Unternehmen (KMU) des Maschinen- und Anlagebaus zur Anwendung von Service-Analytics zu befähigen mit dem Ziel, die Dienstleistungsprofitabilität zu steigern.
Schlüsselfaktoren für den industriellen Einsatz Additiver Fertigung in produzierenden Unternehmen
(2020)
Die Additive Fertigung (AM) ist insbesondere als Hilfsmittel bei der Produktentwicklung weit verbreitet. 71 Prozent der produzierenden Unternehmen setzen AM für die Fertigung von Prototypen und Pilotserien ein. Derzeit eignet sich AM jedoch nicht mehr nur für die Fertigung von Prototypen und Pilotserien, sondern gewinnt auch zur Herstellung von Endprodukten aus metallischen Werkstoffen an Bedeutung. Der vorliegende Beitrag verfolgt das Ziel, Schlüsselfaktoren zu identifizieren, die den industriellen Einsatz von AM in produzierenden Unternehmen am stärksten prägen. Damit wird zugleich die Grundlage geschaffen für ein systematisches Vorausdenken der Zukunft.
Digital networking via the company and as well, the overall supply chain, can only succeed if digital planning reflects reality as accurately as possible and if production control can react to deviations in real time. In essence, this leads to a development of process control towards process regulation. While longterm production and resource planning is usually mapped by Enterprise Resource Planning (ERP) systems, detailed planning, including short-term deviations and real-time data at the production level, is increasingly supported by Manufacturing Execution Systems (MES) at the production control level. However, in order to bring the underlying system concepts into line with Industry 4.0 efforts in a standardized manner, mutual functional integration within the framework of interoperable production planning and control is of crucial importance. For this purpose, studies were carried out in particular into cause-effect relationships. Thus, the overarching research objective is a valid design model to increase the controllability of production planning and control systems (PPC) in the context of Industry 4.0.
The digitalization of manufacturing processes is expected to lead to a growing interconnection of production sites, as well as machines, tools and work pieces. In the course of this development, new use-cases arise which have challenging requirements from a communication technology point of view. In this paper we propose a communication network architecture for Industry 4.0 applications, which combines new 5G and non-cellular wireless network technologies with existing (wired) fieldbus technologies on the shop floor. This architecture includes the possibility to use private and public mobile networks together with local networking technologies to achieve a flexible setup that addresses many different industrial use cases. It is embedded into the Industrial Internet Reference Architecture and the RAMI4.0 reference architecture. The paper shows how the advancements introduced around the new 5G mobile technology can fulfill a wide range of industry requirements and thus enable new Industry 4.0 applications. Since 5G standardization is still ongoing, the proposed architecture is in a first step mainly focusing on new advanced features in the core network, but will be developed further later.
Die Digitalisierung hat weitreichende Konsequenzen für Unternehmen, neue Schnittstellen entstehen ebenso wie neue Risiken. Es fehlen Ansätze für die Transformation, die KMU auf ihrem Weg in eine Industrie 4.0 unterstützen. Das Ziel des Verbundprojektes SiTra4.0 ist es, die für die Digitalisierung notwendigen Veränderungen im Unternehmen zu identifizieren und einen Prozess zu etablieren, der durch eine präventiv wirksame Sicherheitskultur es KMU ermöglicht den Wandel zu gestalten. Das Projekt fokussiert zwei Industriezweige mit ihren spezifischen Herausforderungen: Metallverarbeitende Branche und Baubranche.
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.
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.
A large number of product-accompanying services in the machinery and plant engineering industry is based on the cross-company exchange of data and information. By providing services, additional sales potential on the manufacturer side as well as far-reaching product and process advantages for appliers can be reached. However, the necessary cross-company exchange of information is nowadays limited due to a lack of trust in the interacting partner and the applicable existing technologies, which results in significant losses in the terms of business potential. The uncovering of this potential now seems to be made possible by the use of the Blockchain technology. Through the key factors security, immutability, transparency and decentralisation, it serves as an enabler for cross-company communication and product-accompanying services. The technological implementation of a Blockchain can take on a broad spectrum of attributes, which can lead to decisive restrictions for the execution of services. This justifies the necessity for a qualified and context-related assessment of service-types-individual specifications and the resulting requirements on the system. Within the scope of this paper, different types of product-accompanying services are identified and analysed regarding their requirements for a Blockchain-based machinery and plant connection. This can serve as a basis for a qualified and goal-oriented configuration of the Blockchain.
Smartification and digital refinement of products to enable the design of smart ones is a pivotal challenge in the manufacturing industry. Companies fail to design smart products due to missing knowledge of digital technologies and their integral part in product development processes. This paper presents a methodology that enables the derivation of digital functions for smart products through selected cases in manufacturing usage. We develop a morphology that consists of digital functions for smartification. In this context, we explained and derived characteristics by a set of examples regarding smart products in the manufacturing industry. Our methodology reduces the time spent initiating a development project with the focus on smartification.
Im "Data Quality Center" widmen sich Experten und Forscher der Hochschule Heilbronn, des FIR und des Trovarit Competence Centers Datenmanagement gemeinsam der Frage, mit welchen Werkzeugen und Methoden Unternehmen effizient die Qualität ihrer Stammdaten messen und verbessern können. Erstes Ziel ist die Entwicklung einer Methodik und Toolchain für das betriebliche Stammdatenmanagement zur Evaluierung und Sicherung der Stammdatenqualität. Der Beitrag liefert erste Ergebnisse sowie eine Marktübersicht zu MDM-Lösungen. Außerdem wird die DQC-Methodik zur Bewertung der Stammdatenqualität im Unternehmen beschrieben.
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.
Operation and Maintenance (O&M) is a key value driver for offshore wind farms. Consequently, reducing O&M costs improves their profitability. This paper introduces different typologies of dispositioning maintenance tasks in offshore wind farms, in order to help design the strategies and organization of maintenance. Based on the special requirements of offshore wind farms regarding planning and controlling the O&M activities, a morphological analysis was developed. With this different disposition strategies for offshore wind farms could be generated. The consequences of choosing different characteristics are allegorized in an exemplary fashion. The work presented in the following is the foundation for designing a software-based dispositioning tool for usage in offshore wind farms, which will help to increase the effectiveness of the disposition in offshore wind farms by maximizing the number of accomplished tasks per day and minimizing the time technicians stay on the wind turbine and the ships.
This paper addresses the challenge of modelling individual cyber-physical systems (CPS) for small and medium-sized enterprises (SMEs) in manufacturing industries. CPS are key technology building blocks for the implementation of Industrie 4.0. Especially for SMEs the increase of production efficiency and reduction of manufacturing costs through CPS offer potential to maintain their competitiveness and innovation capacity. Although SMEs perceive the potential of CPS, they often lack financial and human resources to acquire the necessary CPS-competencies as well as an overview of all the currently available technological solutions. To overcome this issue a matching platform will offer SMEs support in finding suitable CPS-components by letting them express their functional and technical requirements. The matching logic is based on a set of morphologies that encompasses the functional and requirement spectrum of CPS-components. The matching algorithm analyses the input for congruence of requirements and available technologies and suggests suitable technology combinations. This paper describes the methodology of the matching platform, and introduces the research work to define and to develop the technology morphologies. The presented results facilitate the selection and configuration of CPS for SMEs.