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)
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.