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)
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.