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)
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.