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)
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.